Contacta con nosotros

Temario del curso

Introducción a EXO y al agrupamiento local de IA

  • Visión general del marco EXO y el ecosistema exo-explore
  • Comparación entre inferencia centralizada en la nube vs. inferencia local distribuida
  • Arquitectura: descubrimiento de dispositivos con libp2p, backend MLX, tablero de control y capas API
  • Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

  • Configuración de Xcode, Metal Toolchain y prerequisitos de macOS
  • Instalación de uv, Node.js y la herramienta Rust nightly
  • Instalación de la versión fija (fork) de macmon para monitoreo en Apple Silicon
  • Clonado del repositorio y compilación del tablero de control con npm
  • Ejecución de EXO desde el código fuente y verificación del tablero de control en localhost:52415

Instalación de EXO en Linux

  • Instalación de dependencias mediante apt o Homebrew en Linux
  • Configuración de uv, Node.js 18+ y Rust nightly
  • Compilación del tablero de control y ejecución de EXO en modo solo CPU
  • Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento automático de dispositivos y formación del clúster

  • Comprensión del descubrimiento automático basado en libp2p a través de redes locales
  • Configuración de nombres de dominio personalizados con EXO_LIBP2P_NAMESPACE para aislamiento del clúster
  • Verificación de la membresía de los nodos en la vista del clúster del tablero de control
  • Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA a través de Thunderbolt 5

  • Arquitectura de RDMA y la afirmación de reducción del 99% en la latencia
  • Habilitación de RDMA en el modo de recuperación de macOS con rdma_ctl
  • Requisitos de cableado y restricciones de topología de puertos en Mac Studio
  • Igualdad de versiones de macOS en todos los nodos del clúster
  • Solución de problemas de descubrimiento de RDMA y configuración de DHCP

Implementación de modelos avanzados

  • Uso del tablero de control para cargar y segmentar modelos DeepSeek v3.1, Qwen3-235B y la familia Llama
  • Vista previa de las ubicaciones de instancias con el punto final de la API /instance/previews
  • Creación de instancias de modelo con segmentación por pipeline o paralelismo de tensor
  • Configuración de tarjetas de modelo personalizadas desde el hub de HuggingFace

Supervisión y resolución de problemas

  • Lectura de los registros de EXO y comprensión del rastreo distribuido
  • Interpretación de la salud del clúster en la vista del clúster del tablero de control
  • Diagnóstico de fallos en nodos trabajadores y comportamiento de reconexión
  • Uso de EXO_TRACING_ENABLED para análisis de cuellos de botella de rendimiento

Mantenimiento y actualizaciones del clúster

  • Actualización de los binarios de EXO y procedimientos de reconstrucción del tablero de control
  • Migración de cachés de modelos y gestión de modelos pre-descargados sobre NFS
  • Eliminación ordenada de nodos y reequilibrio de cargas de trabajo

Requerimientos

  • Comprensión de los fundamentos de redes (IP, segmentación en subredes, firewalls)
  • Experiencia con la administración de línea de comandos en macOS o Linux
  • Familiaridad con la gestión de paquetes de Python (pip/uv) y herramientas de Node.js

Público objetivo

  • Administradores de sistemas
  • Ingenieros DevOps
  • Arquitectos de infraestructura de IA responsables de la implementación local de LLM
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas