Návrh Školení

Úvod do CI/CD pro AI pracovní postupy

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

Kontejnerizace AI modelů s Dockerem

  • Návrh efektivních Dockerfile pro ML inferenci
  • Správa závislostí a artefaktů modelů
  • Sestavování bezpečných a optimalizovaných obrázků

Nastavení CI/CD pipelinů

  • Možnosti nástrojů CI/CD a jejich ekosystémy
  • Sestavování pipelinů pro automatizované balení modelů
  • Ověřování pipelinů s automatizovanými kontrolami

Testování AI modelů v CI

  • Automatizace kontrol integrity dat
  • Jednotkové a integrační testy pro služby modelů
  • Ověřování výkonu a regrese

Automatizované nasazení Dockerových AI služeb

  • Nasazování kontejnerů AI do cloudu
  • Implementace modré-zelené a canary rollouty
  • Strategie pro vrácení zpět při selhání nasazení

Správa verzí modelů a artefaktů

  • Použití registřů pro řízení verzí modelech a kontejnerů
  • Označování, podepisování a povýšování obrázků
  • Koordinace aktualizací modelů mezi službami

Monitorování a sledovatelnost v CI/CD pro AI

  • Sledování výkonu pipelinů a modelů
  • Upozorňování na selhání sestavení nebo drift modelu
  • Sledování chování inferencí mezi prostředími

Měřítkování CI/CD pipelinů pro AI systémy

  • Paralelizace sestavení pro velké modely
  • Optimalizace výpočetních a úložných zdrojů
  • Integrace distribuovaných a vzdálených běhačů

Shrnutí a další kroky

Požadavky

  • Porozumění životnímu cyklu modelů strojového učení
  • Zkušenosti s kontejnerizací Dockeru
  • Opačenost se základy CI/CD a pipeliny

Cílová skupina

  • DevOps inženýři
  • Týmy MLOps
  • Inženýři AI-ops
 21 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie