Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do przepływów pracy CI/CD w kontekście AI

  • Unikalne wyzwania pipeline'ów dostarczania modeli AI
  • Porównanie tradycyjnych procesów DevOps z procesami MLOps
  • Podstawowe komponenty automatycznego wdrażania modeli

Konteneryzacja modeli AI z użyciem Docker

  • Projektowanie wydajnych plików Dockerfile dla wnioskowania maszynowego (ML inference)
  • Zarządzanie zależnościami i artefaktami modeli
  • Budowanie bezpiecznych i zoptymalizowanych obrazów

Konfiguracja pipeline'ów CI/CD

  • Opcje narzędziowe CI/CD oraz ich ekosystemy
  • Tworzenie pipeline'ów do automatycznego pakowania modeli
  • Walidacja pipeline'ów z wykorzystaniem zautomatyzowanych kontroli

Testowanie modeli AI w środowisku CI

  • Automatyzacja kontroli integralności danych
  • Testy jednostkowe i integracyjne dla usług modelu
  • Walidacja wydajnościowa oraz regresyjna

Automatyczne wdrażanie usług AI opartych na Docker

  • Wdrażanie kontenerów AI w środowiskach chmurowych
  • Implementacja strategii rollout typu blue-green oraz canary
  • Strategie rollback w przypadku nieudanych wdrożeń

Zarządzanie wersjami modeli i artefaktami

  • Korzystanie z rejestrów do kontroli wersji modeli i kontenerów
  • Oznaczanie, podpisywanie i promocja obrazów
  • Koordynacja aktualizacji modeli między usługami

Monitorowanie i obserwacja w CI/CD dla AI

  • Śledzenie wydajności pipeline'ów i modeli
  • Komunikaty alertowe przy nieudanych kompilacjach lub dryfowaniu modeli (model drift)
  • Śledzenie zachowań wnioskowania w różnych środowiskach

Skalowanie pipeline'ów CI/CD dla systemów AI

  • Równoległe kompilacje dla dużych modeli
  • Optymalizacja zasobów obliczeniowych i magazynowych
  • Integracja z rozproszonymi i zdalnymi runnerami

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie cyklu życia modeli uczenia maszynowego
  • Doświadczenie w konteneryzacji z użyciem Docker
  • Wiedza na temat koncepcji i pipeline'ów CI/CD

Grupa docelowa

  • Inżynierowie DevOps
  • Zespoły MLOps
  • Inżynierowie AI-Ops
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie