Plan Szkolenia

Wprowadzenie do Operacji Kubernetes Napędzanych Sztuczną Inteligencją

  • Dlaczego sztuczna inteligencja ma znaczenie dla nowoczesnych operacji klastrów
  • Ograniczenia tradycyjnej logiki skalowania i harmonogramowania
  • Kluczowe koncepcje ML w zarządzaniu zasobami

Podstawy Zarządzania Zasobami Kubernetes

  • Podstawy przydziału CPU, GPU i pamięci
  • Zrozumienie kwot, limitów i żądań
  • Identyfikowanie punktów zapewniających przepustowość i nieefektywności

Metody Uczenia Maszynowego dla Harmonogramowania

  • Nadzorowane i nienadzorowane modele do umieszczania obciążeń
  • Predykcyjne algorytmy dla popytu na zasoby
  • Używanie funkcji ML w niestandardowych harmonogramowcach

Uczenie Wzmocnieniowe dla Inteligentnego Autoskalowania

  • Jak agenci RL uczą się z zachowania klastra
  • Projektowanie funkcji nagrody dla efektywności
  • Budowanie strategii autoskalowania napędzanych przez RL

Predykcyjne Autoskalowanie za pomocą Metryk i Telemetrii

  • Używanie danych Prometheus do prognozowania
  • Stosowanie modeli szeregów czasowych do autoskalowania
  • Ocena dokładności predykcji i dopasowywanie modeli

Implementacja Narzędzi Optymalizacji Napędzanych AI

  • Integracja ramki ML z kontrolerami Kubernetes
  • Wdrażanie inteligentnych pętli sterowania
  • Rozszerzanie KEDA do podejmowania decyzji asystowanych przez AI

Strategie Optymalizacji Kosztów i Wydajności

  • Redukowanie kosztów komputeryzacji poprzez predykcyjne skalowanie
  • Poprawa wykorzystania GPU za pomocą umieszczania sterowanego przez ML
  • Zbilansowanie opóźnienia, przepustowości i efektywności

Praktyczne Scenariusze i Realne Przypadki Użycia

  • Autoskalowanie aplikacji o wysokiej obciążeniu za pomocą AI
  • Optymalizacja zróżnicowanych pul węzłów
  • Stosowanie ML do środowisk wielooddbiorców

Podsumowanie i Następne Kroki

Wymagania

  • Zrozumienie podstaw Kubernetes
  • Doświadczenie w wdrożeniach aplikacji konteneryzowanych
  • Znajomość operacji klastra i zarządzania zasobami

Odbiorcy Kursu

  • SREs pracujący z rozproszonymi systemami na dużą skalę
  • Operatorzy Kubernetes zarządzający obciążeniami o wysokim zapotrzebowaniu
  • Inżynierowie platformy optymalizujący infrastrukturę komputeryczną
 21 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (5)

Propozycje terminów

Powiązane Kategorie