Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do wdrażania AI

  • Przegląd cyklu życia wdrażania AI
  • Wyzwania związane z wdrażaniem agentów AI do produkcji
  • Kluczowe aspekty: skalowalność, niezawodność i utrzymanie

Konteneryzacja i orkiestracja

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

Obsługa modeli AI

  • Przegląd frameworków do obsługi modeli (np. TensorFlow Serving, TorchServe)
  • Tworzenie interfejsów REST API do inferencji agentów AI
  • Obsługa predykcji wsadowych i w czasie rzeczywistym

CI/CD dla agentów AI

  • Konfiguracja potoków CI/CD dla wdrożeń AI
  • Automatyzacja testowania i walidacji modeli AI
  • Aktualizacje stopniowe i zarządzanie kontrolą wersji

Monitorowanie i optymalizacja

  • Implementacja narzędzi monitorujących wydajność agentów AI
  • Analiza dryfu modelu i potrzeb retreningu
  • Optymalizacja wykorzystania zasobów i skalowalności

Bezpieczeństwo i zarządzanie

  • Zapewnianie zgodności z przepisami dotyczącymi prywatności danych
  • Zabezpieczanie potoków wdrażania AI i interfejsów API
  • Audytowanie i logowanie dla aplikacji AI

Ćwiczenia praktyczne

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

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość programowania w Pythonie
  • Zrozumienie procesów uczenia maszynowego
  • Znajomość narzędzi do konteneryzacji, takich jak Docker
  • Doświadczenie w praktykach DevOps (zalecane)

Grupa docelowa

  • Inżynierowie MLOps
  • Profesjonaliści DevOps
 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie