Contacta con nosotros

Temario del curso

Fundamentos de Producción de Tencent Hunyuan

  • Descripción general de escenarios de servicio de modelos Tencent Hunyuan
  • Características de producción de modelos grandes y MoE
  • Cuellos de botella comunes de latencia, throughput y costo
  • Definición de objetivos de nivel de servicio (SLO) para cargas de trabajo de inferencia

Arquitectura de Despliegue y Flujo de Servicio

  • Componentes centrales de una pila de inferencia en producción
  • Elección entre modelos de despliegue con contenedores, in situ (on-premise) y en la nube
  • Carga del modelo, enrutamiento de solicitudes y asignación básica de GPU
  • Diseño para confiabilidad y simplicidad operativa

Optimización de Latencia en la Práctica

  • Uso de motores de inferencia optimizados como TensorRT cuando corresponda
  • Conceptos de KV-cache y ajuste práctico del caché
  • Reducción de la sobrecarga de inicio, calentamiento (warmup) y respuesta
  • Medición del tiempo hasta el primer token y la velocidad de generación de tokens

Throughput, Agrupación de Lotes y Eficiencia de la GPU

  • Estrategias de agrupación continua y agrupación de solicitudes (batching)
  • Gestión de la concurrencia y el comportamiento de las colas
  • Mejora del uso de la GPU sin perjudicar la experiencia del usuario
  • Manejo de solicitudes de contexto largo y cargas de trabajo mixtas

Cuantización y Control de Costos

  • Importancia de la cuantización para el servicio en producción
  • Compromisos prácticos entre FP16, INT8 y otras opciones de precisión comunes
  • Equilibrio entre calidad del modelo, latencia y costo de infraestructura
  • Creación de una lista de verificación simple para la optimización de costos

Operaciones, Monitoreo y Revisión de Preparación

  • Disparadores de autoscaling para servicios de inferencia
  • Monitoreo de latencia, throughput, uso de caché y salud de la GPU
  • Fundamentos de registro de eventos (logging), alertas y respuesta a incidentes
  • Revisión de un despliegue de referencia y creación de un plan de mejora

Requerimientos

  • Comprensión básica de la implementación y flujos de trabajo de inferencia de modelos de lenguaje grandes
  • Experiencia con contenedores, infraestructura en la nube o in situ (on-premise), y servicios basados en API
  • Conocimiento práctico de Python o tareas de ingeniería de sistemas

Público Objetivo

  • Ingenieros de ML que implementan LLMs en producción
  • Ingenieros de plataforma responsables de servicios de inferencia basados en GPU
  • Arquitectos de soluciones que diseñan plataformas de servicio de IA escalables
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas