Temario del curso
Introducción a las operaciones de Kubernetes mejoradas con IA
- Por qué es importante la IA para las operaciones modernas de clústeres
- Limitaciones de la lógica tradicional de escalado y programación
- Conceptos clave del ML para la gestión de recursos
Fundamentos de la gestión de recursos en Kubernetes
- Conceptos básicos de asignación de CPU, GPU y memoria
- Comprensión de cuotas, límites y solicitudes
- Identificación de cuellos de botella e ineficiencias
Enfoques de aprendizaje automático para la programación
- Modelos supervisados y no supervisados para la ubicación de cargas de trabajo
- Algoritmos predictivos para la demanda de recursos
- Uso de características de ML en programadores personalizados
Aprendizaje por refuerzo para el escalado automático inteligente
- Cómo los agentes de RL aprenden del comportamiento del clúster
- Diseño de funciones de recompensa para la eficiencia
- Elaboración de estrategias de escalado automático basadas en RL
Escalado automático predictivo con métricas y telemetría
- Uso de datos de Prometheus para la previsión
- Aplicación de modelos de series temporales al escalado automático
- Evaluación de la precisión de las predicciones y ajuste de modelos
Implementación de herramientas de optimización impulsadas por IA
- Integración de frameworks de ML con controladores de Kubernetes
- Despliegue de bucles de control inteligentes
- Extensión de KEDA para la toma de decisiones asistida por IA
Estrategias de optimización de costes y rendimiento
- Reducción de los costes de cómputo mediante el escalado predictivo
- Mejora del uso de GPU con la ubicación basada en ML
- Equilibrio entre latencia, rendimiento y eficiencia
Escenarios prácticos y casos de uso reales
- Escalado automático de aplicaciones con alta carga utilizando IA
- Optimización de grupos de nodos heterogéneos
- Aplicación de ML en entornos multiinquilino
Resumen y próximos pasos
Requerimientos
- Conocimiento de los fundamentos de Kubernetes
- Experiencia en despliegues de aplicaciones contenerizadas
- Familiaridad con operaciones de clúster y gestión de recursos
Público objetivo
- Ingenieros de fiabilidad del sitio (SRE) que trabajan con sistemas distribuidos a gran escala
- Operadores de Kubernetes que gestionan cargas de trabajo de alta demanda
- Ingeneros de plataforma que optimizan la infraestructura de cómputo
Testimonios (3)
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Curso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
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 conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática
