Contacta con nosotros

Temario del curso

Fundamentos de la Implementación de IA Híbrida

  • Comprensión de los modelos de implementación híbrida, de nube y de borde.
  • Características de las cargas de trabajo de IA y limitaciones de la infraestructura.
  • Elección de la topología de implementación adecuada.

Contenerización de 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 de Nube

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

Técnicas de Implementación en el Borde y Entornos Locales

  • Ejecución de IA en dispositivos IoT, pasarelas y microsistemas.
  • Entornos de ejecución ligeros para el borde.
  • Gestión de la conectividad intermitente y la 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 inferencias 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

  • Seguimiento del rendimiento de la inferencia en distintas ubicaciones.
  • Registro centralizado para sistemas de IA híbrida.
  • Detección de fallos y recuperación automatizada.

Escalabilidad y Optimización de Sistemas de IA Híbrida

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

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de contenerización.
  • Experiencia con operaciones de línea de comandos en Linux.
  • Familiaridad con los flujos de trabajo de implementación de modelos de IA.

Audiencia

  • Arquitectos de infraestructura.
  • Ingenieros de Confiabilidad del Sitio (SRE).
  • Desarrolladores de edge e IoT.
 21 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas