Ponte en Contacto

Temario del curso

Fundamentos del Despliegue de IA Híbrida

  • Comprensión de los modelos de despliegue híbrido, en la nube y perimetral.
  • Características de las cargas de trabajo de IA y limitaciones de infraestructura.
  • Selección de la topología de despliegue adecuada.

Contenerización de Cargas de Trabajo de IA con Docker

  • Creación 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 inferencia en AWS, Azure y GCP mediante Docker.
  • Provisionamiento de computación en la nube para el servicio de modelos.
  • Seguridad de los puntos finales de IA basados en la nube.

Técnicas de Despliegue Perimetral y Local

  • Ejecución de IA en dispositivos IoT, gateways y microservidores.
  • Runtimes ligeros para entornos perimetrales.
  • Gestión de conectividad intermitente y persistencia local.

Redes Híbridas y Conectividad Segura

  • Tunelización segura entre el borde y la nube.
  • Certificados, secretos y acceso basado en tokens.
  • Ajuste de rendimiento para inferencia de baja latencia.

Orquestación de Despliegues de IA Distribuidos

  • 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 híbridos.
  • Detección de fallos y recuperación automatizada.

Escalado y Optimización de Sistemas de IA Híbrida

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

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento de los conceptos de contenerización.
  • Experiencia con operaciones en la línea de comandos de Linux.
  • Familiaridad con los flujos de trabajo de despliegue de modelos de IA.

Público objetivo

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

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas