Bądźmy w kontakcie
 Czas trwania 21 godzin

Plan Szkolenia

Podstawy hybrydowego wdrażania AI

  • Zrozumienie hybrydowych, chmurowych i brzegowych modeli wdrażania
  • Charakterystyka obciążeń AI i ograniczenia infrastruktury
  • Wybór właściwej topologii wdrożenia

Konteneryzacja obciążeń AI za pomocą Dockera

  • Tworzenie kontenerów inferencyjnych wykorzystujących GPU i CPU
  • Zarządzanie bezpiecznymi obrazami i rejestrami
  • Wdrażanie powtarzalnych środowisk dla AI

Wdrażanie usług AI w środowiskach chmurowych

  • Uruchamianie inferencji na AWS, Azure i GCP za pomocą Dockera
  • Udostępnianie zasobów obliczeniowych w chmurze do serwowania modeli
  • Zabezpieczanie chmurowych punktów końcowych AI

Techniki wdrażania brzegowego i lokalnego

  • Uruchamianie AI na urządzeniach IoT, bramach i mikroserwerach
  • Lekkie środowiska uruchomieniowe dla środowisk brzegowych
  • Zarządzanie przerywaną łącznością i lokalną trwałością danych

Sieci hybrydowe i bezpieczna łączność

  • Bezpieczne tunelowanie między środowiskiem brzegowym a chmurą
  • Certyfikaty, sekrety i dostęp oparty na tokenach
  • Strojenie wydajności pod kątem inferencji o niskich opóźnieniach

Orkiestracja rozproszonych wdrożeń AI

  • Wykorzystanie K3s, K8s lub lekkiej orkiestracji w konfiguracjach hybrydowych
  • Odnajdywanie usług i planowanie obciążeń
  • Automatyzacja strategii wdrażania w wielu lokalizacjach

Monitorowanie i obserwowalność w różnych środowiskach

  • Śledzenie wydajności inferencji w różnych lokalizacjach
  • Scentralizowane logowanie dla hybrydowych systemów AI
  • Wykrywanie awarii i automatyczne odzyskiwanie

Skalowanie i optymalizacja hybrydowych systemów AI

  • Skalowanie klastrów brzegowych i węzłów chmurowych
  • Optymalizacja wykorzystania przepustowości i buforowania
  • Równoważenie obciążeń obliczeniowych między chmurą a środowiskiem brzegowym

Podsumowanie i dalsze kroki

Wymagania

  • Zrozumienie koncepcji konteneryzacji
  • Doświadczenie w obsłudze wiersza poleceń systemu Linux
  • Znajomość przepływów pracy związanych z wdrażaniem modeli AI

Grupa docelowa

  • Architekci infrastruktury
  • Inżynierowie ds. niezawodności systemów (SRE)
  • Deweloperzy rozwiązań brzegowych i IoT

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie