Ponte en Contacto

Temario del curso

Fundamentos de la implementación de IA híbrida

  • Comprensión de los modelos de despliegue híbrido, en la nube y en el borde.
  • Características de las cargas de trabajo de IA y restricciones de infraestructura.
  • Elegir la topología de implementación adecuada.

Contenerización de cargas de trabajo de IA con Docker

  • Construcción de contenedores de inferencia para GPU y CPU.
  • Gestión de imágenes y registros seguros.
  • Implementación de entornos reproducibles para IA.

Despliegue de servicios de IA en entornos de nube

  • Ejecución de inferencias en AWS, Azure y GCP a través de Docker.
  • Provisionamiento de recursos de cómputo en la nube para el servicio de modelos.
  • Seguridad de puntos finales de IA basados en la nube.

Técnicas de implementación en el borde y entornos locales

  • Ejecución de IA en dispositivos IoT, puertas de enlace y microsúrvidores.
  • Entornos de ejecución ligeros para entornos de borde.
  • Gestión de conectividad intermitente y persistencia local.

Redes híbridas y conectividad segura

  • Túneles seguros entre el borde y la nube.
  • 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 despliegue multiubicación.

Monitoreo y observabilidad en todos los entornos

  • Rastreo del rendimiento de la inferencia en todas las ubicaciones.
  • Registro centralizado para sistemas de IA híbrida.
  • Detección de fallas y recuperación automatizada.

Escalado y optimización de sistemas de IA híbrida

  • Escalado de clústeres de borde y nodos en la nube.
  • Optimización del uso del ancho de banda y el almacenamiento en caché.
  • Equilibrio de cargas de cómputo entre la nube y el borde.

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos de contenerización.
  • 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 borde e IoT.
 21 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas