Contacta con nosotros

Temario del curso

Fundamentos del Despliegue de IA Híbrida

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

Contenerización de Cargas de Trabajo de IA con Docker

  • Construcción de contenedores de inferencia con GPU y CPU
  • Gestión de imágenes seguras y registros de contenedores
  • 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
  • Aprovisionamiento de computación en la nube para el servicio de modelos
  • Seguridad de los puntos finales (endpoints) de IA en la nube

Técnicas de Despliegue Edge e In Situ (On-Prem)

  • Ejecución de IA en dispositivos IoT, gateways y microserves
  • Runtimes ligeros para entornos edge
  • Gestión de conectividad intermitente y persistencia local

Redes Híbridas y Conectividad Segura

  • Túneles seguros entre edge y la nube
  • Certificados, secretos y acceso basado en tokens
  • Sintonización de rendimiento para inferencia de baja latencia

Orquestación de Despliegues de IA Distribuida

  • Uso de K3s, K8s u orquestación ligera para configuraciones híbridas
  • Descubrimiento de servicios y programación de cargas de trabajo
  • Automatización de estrategias de implementación multisitio

Monitoreo y Observabilidad a Través de Entornos

  • Seguimiento del rendimiento de la inferencia en múltiples ubicaciones
  • Registro centralizado (logging) para sistemas de IA híbrida
  • Detección de fallos y recuperación automatizada

Escalamiento y Optimización de Sistemas de IA Híbrida

  • Escalamiento de clústeres edge y nodos de la nube
  • Optimización del uso del ancho de banda y el almacenamiento en caché (caching)
  • Equilibrio de cargas de computación entre la nube y el edge

Resumen y Próximos Pasos

Requerimientos

  • Comprensión 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 edge e IoT
 21 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas