Návrh Školení

Úvod do nasazování AI

  • Přehled životního cyklu nasazování AI
  • Výzvy při nasazování AI agentů do produkčního prostředí
  • Klíčové záležitosti: škálovatelnost, spolehlivost a udržitelnost

Kontainerizace a Orchestration

  • Úvod do Dockeru a základů kontainerizace
  • Použití Kubernetes pro orchestraci AI agentů
  • Nejlepší postupy pro správu kontainterovaných AI aplikací

Služby AI Modelů

  • Přehled frameworků pro poskytování modelů (např. TensorFlow Serving, TorchServe)
  • Vytváření REST API pro odvození AI agenta
  • Správa batch vs reálné časové predikce

CI/CD pro AI Agenty

  • Nastavení CI/CD trublin pro nasazování AI
  • Automatizace testování a validace AI modelů
  • Role update a správa verzí

Monitorování a Optimalizace

  • Implementace nástrojů pro monitorování výkonu AI agenta
  • Analyzování odchylky modelu a potřeby opětovného školení
  • Optimalizace využití zdrojů a škálovatelnosti

Bezpečnost a Správa

  • Zajištění souladu s požadavky na ochranu osobních údajů
  • Zabezpečení trublin nasazování AI a API
  • Revizní audit a protokolování pro AI aplikace

Praktické Aktivity

  • Kontainerizace AI agenta pomocí Dockeru
  • Nasazování AI agenta s použitím Kubernetes
  • Nastavení monitorování pro výkon a zdrojovou náročnost AI

Závěr a Další Kroky

Požadavky

  • Proficiency v programování Python
  • Pochopení pracovních postupů strojového učení
  • znalost nástrojů pro kontainerizaci jako je Docker
  • Zkušenosti s praktikami DevOps (doporučeno)

Cílová skupina

  • Inženýři MLOps
  • Profesionálové DevOps
 14 hodiny

Počet účastníků


Price per participant

Reference (1)

Upcoming Courses

Související kategorie