Plan Szkolenia

Wprowadzenie do wdrażania AI

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

Konteneryzacja i Orchestracja

  • Wprowadzenie do Docker i podstaw konteneryzacji
  • Używanie Kubernetes do orchestracji agentów AI
  • Najlepsze praktyki zarządzania zkonteneryzowanymi aplikacjami AI

Serwowanie Modeli AI

  • Przegląd frameworków serwowania modeli (np. TensorFlow Serving, TorchServe)
  • Budowanie REST API dla inferencji agentów AI
  • Obsługa prognoz w partiach vs. w czasie rzeczywistym

CI/CD dla Agentów AI

  • Konfiguracja CI/CD pipelines dla wdrażania AI
  • Automatyzacja testowania i weryfikacji modeli AI
  • Płynne aktualizacje i zarządzanie kontrolą wersji

Monitorowanie i Optymalizacja

  • Wdrożenie narzędzi monitorowania wydajności agentów AI
  • Analiza odchyleń modeli i potrzeb dotyczących ponownego szkolenia
  • Optymalizacja wykorzystania zasobów i skalowalności

Bezpieczeństwo i Zarządzanie

  • Zapewnienie zgodności z regulacjami ochrony prywatności danych
  • Zabezpieczanie CI/CD pipelines i API dla wdrażania AI
  • Audytowanie i logowanie aplikacji AI

Praktyczne Aktywności

  • Konteneryzacja agenta AI z użyciem Docker
  • Wdrażanie agenta AI z użyciem Kubernetes
  • Konfiguracja monitorowania wydajności i zużycia zasobów AI

Podsumowanie i Następne Kroki

Wymagania

  • Biegłość w programowaniu w języku Python
  • Zrozumienie przepływów pracy związanych z uczeniem maszynowym
  • Znajomość narzędzi do konteneryzacji, takich jak Docker
  • Doświadczenie w praktykach DevOps (zalecane)

Adresaci

  • Inżynierowie MLOps
  • Specjaliści DevOps
 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie