Temario del curso
Fundamentos del despliegue híbrido de IA
- Comprensión de los modelos de despliegue híbrido, de nube y edge
- Características de las cargas de trabajo de IA y limitaciones de infraestructura
- Elección 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
- Provisión de recursos 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 local (on-premise)
- Ejecución de IA en dispositivos IoT, puertas de enlace y microservidores
- Runtime de ligero peso para entornos edge
- Gestión de conectividad intermitente y persistencia local
Redes híbridas y conectividad segura
- Túneles seguros entre edge y nube
- Certificados, secretos y acceso basado en tokens
- Ajuste de rendimiento para inferencia de baja latencia
Orquestación de despliegues distribuidos de IA
- Uso de K3s, K8s u orquestación ligera para configuraciones híbridas
- Detección de servicios y planificación de cargas de trabajo
- Automatización de estrategias de despliegue en múltiples ubicaciones
Monitoreo y observabilidad en todos los 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
- Escala de clústeres edge y nodos en la nube
- Optimización del uso de ancho de banda y caché
- Equilibramiento de las cargas de cómputo entre la nube y el edge
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de contenerización
- Experiencia con operaciones de línea de comandos en Linux
- Familiaridad con los flujos de trabajo de despliegue de modelos de IA
Público objetivo
- Arquitectos de infraestructura
- Ingenieros de fiabilidad de sitios (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
