Temario del curso
Fundamentos de la Implementación de IA Híbrida
- Comprensión de modelos de implementación híbridos, cloud y edge.
- Características de las cargas de trabajo de IA y restricciones de infraestructura.
- Selección de la topología de implementación adecuada.
Contenedores para Cargas de Trabajo de IA con Docker
- Construcción de contenedores de inferencia con GPU y CPU.
- Gestión de imágenes y registros seguros.
- Implementación de entornos reproducibles para IA.
Implementación de Servicios de IA en Entornos Cloud
- Ejecución de inferencia en AWS, Azure y GCP mediante Docker.
- Provisionamiento de capacidad de cómputo en la nube para el servicio de modelos.
- Seguridad de los extremos (endpoints) de IA en la nube.
Técnicas de Implementación Edge y On-Premise
- Ejecución de IA en dispositivos IoT, puertas de enlace y microservidores.
- Runtimes ligeros para entornos edge.
- Gestión de conectividad intermitente y persistencia local.
Redes Híbridas y Conectividad Segura
\r- Tunelización segura entre edge y cloud.
- Certificados, secretos y acceso basado en tokens.
- Ajuste de rendimiento para inferencia de baja latencia.
Orquestación de Implementaciones de IA Distribuidas
- Uso de K3s, K8s u orquestación ligera para configuraciones híbridas.
- Descubrimiento de servicios y programación de cargas de trabajo.
- Automatización de estrategias de implementación en múltiples ubicaciones.
Monitoreo y Observabilidad en Todos los Entornos
- Rastreo del rendimiento de la inferencia en todas las ubicaciones.
- Registro centralizado para sistemas de IA híbridos.
- Detección de fallas y recuperación automatizada.
Escalado y Optimización de Sistemas de IA Híbridos
- Escalado de clústeres edge y nodos cloud.
- Optimización del uso del ancho de banda y el caché.
- Equilibrio de cargas de cómputo entre cloud y edge.
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los conceptos de contenedores.
- Experiencia con operaciones en la línea de comandos de Linux.
- Familiaridad con flujos de trabajo de implementación de modelos de IA.
Público Objetivo
- Arquitectos de infraestructura.
- Ingenieros de Confiabilidad del Sitio (SREs).
- Desarrolladores de Edge e IoT.
Reseñas (3)
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
el formador tenía mucho conocimiento y paciencia para compartir con nosotros
Bogdan Olaru
Curso - Introduction to Docker
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática