Temario del curso
Fundamentos de la implementación híbrida de IA
- Comprensión de los modelos de implementación híbrida, en la nube y en el borde
- Características de las cargas de trabajo de IA y restricciones de infraestructura
- Selección de la topología de implementación adecuada
Contenedorización 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
Implementación de servicios de IA en entornos de nube
- Ejecución de inferencias en AWS, Azure y GCP a través de Docker
- Provisionamiento de recursos de cómputo en la nube para el servicio de modelos
- Seguridad de puntos finales (endpoints) de IA basados en la nube
Técnicas de implementación en el borde y en las instalaciones (on-premise)
- Ejecución de IA en dispositivos IoT, gateways y microservidores
- Runtime ligeros para entornos de borde
- Gestión de conectividad intermitente y persistencia local
Redes híbridas y conectividad segura
- Creación de túneles seguros entre el borde y la nube
- Certificados, secretos y acceso basado en tokens
- Ajuste de rendimiento para inferencias de baja latencia
Orquestación de implementaciones distribuidas 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 en múltiples ubicaciones
Monitoreo y observabilidad entre entornos
- Rastreo del rendimiento de 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 de borde y nodos en la nube
- Optimización del uso de ancho de banda y caché
- Equilibración de cargas de cómputo entre la nube y el borde
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de contenedorización
- Experiencia en operaciones de línea de comandos de Linux
- Conocimiento de los flujos de trabajo de implementación de modelos de IA
Audiencia
- Arquitectos de infraestructura
- Ingenieros de Confiabilidad de Sitios (SRE)
- Desarrolladores de tecnologías 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
