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.
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