Temario del curso
Fundamentos del despliegue híbrido de IA
- Comprensión de los modelos de despliegue híbrido, en la nube y en el edge
- Características de las cargas de trabajo de IA y restricciones de infraestructura
- Eleccion de la topología de despliegue adecuada
Empaquetamiento 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 cómputo en la nube para el servicio de modelos
- Seguridad de los puntos finales de IA basados en la nube
Técnicas de despliegue en Edge y On-Premise
- Ejecución de IA en dispositivos IoT, puertas de enlace (gateways) y microservidores
- Runtimes ligeros para entornos de borde
- Gestión de la conectividad intermitente y la persistencia local
Redes híbridas y conectividad segura
- Túneles seguros entre el edge y la nube
- Certificados, secretos y acceso basado en tokens
- Ajuste de rendimiento para la inferencia de baja latencia
Orquestación de despliegues distribuidos de IA
- Uso de K3s, K8s u orquestación ligera para configuraciones híbridas
- Detección de servicios y programación de cargas de trabajo
- Automatización de estrategias de despliegue multiubicación
Monitoreo y observabilidad en varios entornos
- Seguimiento del rendimiento de la inferencia en diferentes ubicaciones
- Registro centralizado para sistemas de IA híbridos
- Detección de fallos y recuperación automatizada
Escala y optimización de sistemas de IA híbridos
- Escalado de clústeres de edge y nodos de nube
- Optimización del uso de ancho de banda y el almacenamiento en caché
- Equilibrio de la carga de cómputo entre la nube y el edge
Resumen y próximos pasos
Requerimientos
- Conocimiento de los conceptos de contenedorización
- Experiencia en operaciones de línea de comandos de Linux
- Conocimiento de los flujos de trabajo de despliegue de modelos de IA
Público objetivo
- Arquitectos de infraestructura
- Ingenieros de Fiabilidad del Sitio (SRE)
- Desarrolladores de edge e IoT
Reseñas (2)
Como mencioné anteriormente, para una persona como yo (sin experiencia), esto supuso una puerta de entrada para comprender las funciones y características de estos programas, herramientas y demás.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Curso - Docker and Kubernetes
Traducción Automática
programa de cursos estructurado en múltiples niveles.
Bert Paelinckx - Cube SoftwareSolutions
Curso - Introduction to Docker
Traducción Automática
