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.
Testimonios (2)
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