Plan Szkolenia

Wprowadzenie do wdrażania sztucznej inteligencji

  • Przegląd cyklu życia wdrożenia sztucznej inteligencji
  • Wyzwania związane z wdrażaniem agentów AI do produkcji
  • Kluczowe kwestie: skalowalność, niezawodność i łatwość konserwacji

Konteneryzacja i orkiestracja

  • Wprowadzenie do Docker i podstawy konteneryzacji
  • Wykorzystanie Kubernetes do orkiestracji agentów AI
  • Najlepsze praktyki zarządzania konteneryzowanymi aplikacjami AI

Obsługa modeli sztucznej inteligencji

  • Przegląd frameworków do serwowania modeli (np. TensorFlow Serving, Torch Serve)
  • Tworzenie interfejsów API REST dla wnioskowania agentów AI
  • Obsługa przewidywań wsadowych i w czasie rzeczywistym

CI/CD dla AI Agents

  • Konfigurowanie potoków CI/CD dla wdrożeń AI
  • Automatyzacja testowania i walidacji modeli AI
  • Wprowadzanie aktualizacji i zarządzanie kontrolą wersji

Monitorowanie i optymalizacja

  • Wdrażanie narzędzi do monitorowania wydajności agentów AI
  • Analiza dryfu modelu i potrzeb w zakresie przekwalifikowania
  • Optymalizacja wykorzystania zasobów i skalowalności

Bezpieczeństwo i Gonadzór

  • Zapewnienie zgodności z przepisami dotyczącymi prywatności danych
  • Zabezpieczanie potoków wdrażania sztucznej inteligencji i interfejsów API
  • Audyt i rejestrowanie dla aplikacji AI

Praktyczne wskazówki

  • Konteneryzacja agenta AI za pomocą Docker
  • Wdrażanie agenta AI przy użyciu Kubernetes
  • Konfigurowanie monitorowania wydajności AI i wykorzystania zasobów

Podsumowanie i kolejne kroki

Wymagania

  • Biegła znajomość programowania Python
  • Zrozumienie przepływów pracy uczenia maszynowego
  • Znajomość narzędzi do konteneryzacji, takich jak Docker
  • Doświadczenie z praktykami DevOps (zalecane)

Uczestnicy

  • Inżynierowie MLOps
  • Profesjonaliści DevOps
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie