Contacta con nosotros

Temario del curso

Introducción a EXO y agrupación local de IA

  • Visión general del marco EXO y el ecosistema exo-explore
  • Comparativa entre inferencia centralizada en la nube e inferencia distribuida local
  • Arquitectura: descubrimiento de dispositivos libp2p, backend MLX, panel de control y capas de API
  • Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

  • Configuración de Xcode, Metal ToolChain y prerequisitos de macOS
  • Instalación de uv, Node.js y Rust nightly
  • Instalación de la versión específica del fork de macmon para supervisión en Apple Silicon
  • Clonar el repositorio y construir el panel de control con npm
  • Ejecutar EXO desde el código fuente y verificar el panel de control en localhost:52415

Instalación de EXO en Linux

  • Instalación de dependencias mediante apt o Homebrew en Linux
  • Configuración de uv, Node.js 18+ y Rust nightly
  • Construcción del panel de control y ejecución de EXO en modo solo CPU
  • Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento automático de dispositivos y formación del clúster

  • Comprensión del auto-descubrimiento basado en libp2p a través de redes locales
  • Configuración de espacios de nombres personalizados con EXO_LIBP2P_NAMESPACE para aislamiento del clúster
  • Verificación de la membresía de nodos en la vista del clúster del panel de control
  • Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA sobre Thunderbolt 5

  • Arquitectura de RDMA y la reducción del 99 % en latencia reclamada
  • Habilitación de RDMA en el modo de recuperación de macOS con rdma_ctl
  • Requisitos de cables y restricciones de topología de puertos en Mac Studio
  • Igualar las versiones de macOS en todos los nodos del clúster
  • Resolución de problemas de descubrimiento RDMA y configuración DHCP

Implementación de modelos de última generación

  • Uso del panel de control para cargar y fragmentar modelos DeepSeek v3.1, Qwen3-235B y familia Llama
  • Vista previa de la distribución de instancias mediante el punto final /instance/previews de la API
  • Creación de instancias de modelo con fragmentación por pipeline o paralelismo tensorial
  • Configuración de tarjetas de modelos personalizados desde el hub de HuggingFace

Supervisión y resolución de problemas

  • Lectura de registros de EXO y comprensión del rastreo distribuido
  • Interpretación de la salud del clúster en la vista del clúster del panel de control
  • Diagnóstico de fallos en nodos trabajadores y comportamiento de reconexión
  • Uso de EXO_TRACING_ENABLED para análisis de cuellos de botella de rendimiento

Mantenimiento y actualizaciones del clúster

  • Actualización de binarios de EXO y procedimientos de reconstrucción del panel de control
  • Migración de cachés de modelos y gestión de modelos pre-descargados mediante NFS
  • Eliminación ordenada de nodos y reequilibrio de cargas de trabajo

Requerimientos

  • Comprensión de los fundamentos de redes (IP, subnets, firewalls)
  • Experiencia con la administración de línea de comandos en macOS o Linux
  • Familiaridad con la gestión de paquetes de Python (pip/uv) y herramientas de Node.js

Público objetivo

  • Administradores de sistemas
  • Ingenieros de DevOps
  • Arquitectos de infraestructura de IA responsables de la implementación de LLMs on-premise
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas