Návrh Školení

Úvod do CI/CD pro pracovní postupy AI

  • Unikátní výzvy při doručování kanálů modelů AI
  • Porovnání tradičních procesů DevOps a MLOps
  • Základní komponenty automatizovaného nasazení modelů

Kontejnerizace AI modelů s Dockerem

  • Návrh efektivních Dockerfile pro ML inferenci
  • Správa závislostí a artefaktů modelu
  • Vytváření bezpečných a optimalizovaných obrázků

Nastavení kanálů CI/CD

  • Možnosti nástrojů CI/CD a jejich ekosystémy
  • Vytváření kanálů pro automatizované balení modelů
  • Ověřování kanálů pomocí automatizovaných kontrol

Testování AI modelů v CI

  • Automatizace kontrol integrity dat
  • Jediné a integrační testy pro služby modelu
  • Ověřování výkonu a regrese

Automatizované nasazení Dockerových AI služeb

  • Nasazování kontejnerů AI do cloudu
  • Implementace blue-green a canary rolloutů
  • Strategie reverzního nasazení v případě selhání

Správa verzí a artefaktů modelů

  • Použití registřů pro řízení verzí modelů a kontejnerů
  • Označování, podepisování a povyšování obrázků
  • Koordinace aktualizací modelů napříč službami

Monitorování a pozorovatelnost v CI/CD pro AI

  • Sledování výkonu kanálů a modelů
  • Alarmování při selhání sestavení nebo driftu modelu
  • Trasování inferenčního chování napříč prostředími

Měření CI/CD kanálů pro AI systémy

  • Paralelizace sestavování pro velké modely
  • Optimalizace výpočetních a úložných prostředků
  • Integrace distribuovaných a vzdálených běhačů (runners)

Shrnutí a další kroky

Požadavky

  • Chápání životního cyklu modelů strojového učení
  • Zkušenosti s kontejnerizací Dockeru
  • Osměná s koncepty a pracovními postupy CI/CD

Účastníci

  • DevOps inženýři
  • MLOps týmy
  • AI-ops inženýři
 21 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie