Zkuste nás kontaktovat

Návrh Školení

Úvod do CI/CD pro pracovní postupy AI

  • Jedinečné výzvy pipeline dodávky AI modelů
  • Srovnání tradičních DevOps a MLOps procesů
  • Základní komponenty automatizovaného nasazování modelů

Kontejnerizace AI modelů s Dockerem

  • Navrhování efektivních Dockerfiles pro ML inference
  • Správa závislostí a artifactů modelu
  • Vytváření zabezpečených a optimalizovaných images

Nastavení CI/CD pipeline

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

Testování AI modelů v CI

  • Automatizace kontrol integrity dat
  • Jednotkové a integrační testy služeb modelu
  • Validace výkonu a regresních testů

Automatizované nasazování AI služeb založených na Dockeru

  • Nasazení AI kontejnerů do cloudových prostředí
  • Implementace blue-green a canary rollout strategií
  • Strategie rollback pro neúspěšná nasazení

Správa verzí modelů a artifactů

  • Používání registry pro version control modelů a kontejnerů
  • Tagování, signatura a propagace images
  • Koordinace aktualizací modelů napříč službami

Monitoring a observability v CI/CD pro AI

  • Sledování výkonu pipeline a modelů
  • Oznamování selhání sestav nebo posunu modelu (model drift)
  • Sledování chování inference napříč prostředími

Škálování CI/CD pipeline pro AI systémy

  • Parallelizace sestav pro velké modely
  • Optimalizace výpočetních a storage zdrojů
  • Integrace distribuovaných a vzdálených runnerů

Přehled a další kroky

Požadavky

  • Porozumění životnímu cyklu modelů machine learning
  • Zkušenosti s kontejnerizací pomocí Dockeru
  • Seznámení s koncepty a pipeline CI/CD

Cílová skupina

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

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie