Nasazování AI agentů do produkčního prostředí Počítačový Kurz
Nasazení AI agentů do produkčního prostředí je klíčovým krokem pro operacionalizaci AI modelů a zajištění jejich škálovatelnosti, spolehlivosti a výkonu v reálných aplikacích.
Tato instruktorovaná živá školení (online nebo na místě) je určena pokročilým profesionálům, kteří chtějí zvládnout techniky nasazování a správy AI agentů v produkčním prostředí.
Na konci tohoto školení budou účastníci schopni:
- Navrhnout a implementovat škálovatelné pipeline pro nasazování AI.
- Používat nástroje, jako jsou Docker a Kubernetes, pro kontejnerizaci a orchestraci AI agentů.
- Monitorovat a optimalizovat AI agenty v produkčním prostředí.
- Implementovat workflow CI/CD pro nasazování AI agentů.
- Zajistit dodržování požadavků na bezpečnost a správu dat.
Formát kurzu
- Interaktivní přednášky a diskuse.
- Pohyb na cvičení a praxi.
- Praktická implementace v živém laboratorním prostředí.
Možnosti přizpůsobení kurzu
- Pokud požadujete přizpůsobené školení pro tento kurz, prosím, kontaktujte nás za účelem dohodnutí.
Návrh Školení
Úvod do nasazování AI
- Přehled životního cyklu nasazování AI
- Výzvy při nasazování AI agentů do produkce
- Klíčové aspekty: škálovatelnost, spolehlivost a udržitelnost
Kontejnerizace a orchestrace
- Úvod do Dockeru a základy kontejnerizace
- Použití Kubernetes pro orchestraci AI agentů
- Osvězené postupy pro správu kontejnerizovaných AI aplikací
Serving AI modelů
- Přehled frameworků pro serving modelů (např. TensorFlow Serving, TorchServe)
- Vytváření REST API pro inferenci AI agentů
- Zpracování batchových vs. real-time predikcí
CI/CD pro AI agenty
- Nastavení pipeline CI/CD pro nasazování AI
- Automatizace testování a validace AI modelů
- Postupné aktualizace a správa verzí
Monitorování a optimalizace
- Implementace nástrojů pro monitorování výkonu AI agentů
- Analýza driftu modelů a potřeb nového trénování
- Optimalizace využití zdrojů a škálovatelnosti
Bezpečnost a governance
- Zajištění souladu s předpisy o ochraně soukromí dat
- Zabezpečení pipeline pro nasazování AI a API
- Audit a logování pro AI aplikace
Praktické aktivity
- Kontejnerizace AI agentu pomocí Dockeru
- Nasazení AI agentu pomocí Kubernetes
- Nastavení monitoringu pro výkon AI a využití zdrojů
Shrnutí a další kroky
Požadavky
- Znalosti programování v jazyce Python
- Pochopení workflow machine learningu
- Ověřenost s nástroji pro kontejnerizaci, jako je Docker
- Zkušenosti s DevOps praktikami (doporučeno)
Cílová publikace
- MLOps inženýři
- DevOps profesionálové
Veřejné školení vyžaduje minimálně 5 účastníků.
Nasazování AI agentů do produkčního prostředí Počítačový Kurz - Rezervace
Nasazování AI agentů do produkčního prostředí Počítačový Kurz - Dotaz
Nasazování AI agentů do produkčního prostředí - Dotaz ohledně konzultace
Nadcházející kurzy
Související kurzy
Agentická vývoj s Gemini 3 a Google Antigravity
21 HodinyPokročilá Antigravity: Zpětné vazby, učení a dlouhodobá paměť agentů
14 HodinyPokročilé integrace v Mastra: API, nástroje, podniková data a externí systémy
21 HodinyToto školení vedené instruktorem v oblasti České republice pokrývá pokročilé integrace v Mastra, včetně API, nástrojů a podnikových datových systémů. Je ideální pro inženýry střední úrovni a učí bezpečné, škálovatelné návrhy integrací a praktickou implementaci pomocí reálných scénářů a osvědčených postupů.
Interaktivní AI agenti: AgentCore Memory, Code Interpreter a Browser Tool v praxi
14 HodinyZrychlení nasazování AI agentů pomocí AgentCore Runtime a Gateway
14 HodinyAntigravity pro vývojáře: Tvorba aplikací s důrazem na agenty (Agent-First)
21 HodinyÚvod do Antigravity: Seznámení s agent-first IDE
14 HodinyAntigravity pro webovou automatizaci a úkoly založené na prohlížeči
21 HodinyVytváření plně spravovaných AI agentů pomocí AgentCore: Od konceptu po produkční nasazení
14 HodinyVývoj AI agentů pomocí Mastra
14 HodinyTato interaktivní live školení (online nebo přímo na místě) je určena pro softwarové vývojáře střední úrovně a inženýrské týmy, kteří chtějí budovat škálovatelné a sledovatelné AI systémy pomocí Mastra.
Na konci tohoto školení budou účastníci schopni:
- Pochopit architekturu Mastry a způsob, jakým integruje LLM a externí API.
- Navrhnout a implementovat AI agenty a pracovní postupy pomocí TypeScriptu.
- Využít nástroje Mastry pro sledovatelnost a paměť k monitorování a zlepšování výkonu agentů.
- Nasadit produkční AI aplikace s využitím funkcí frameworku Mastra.
Mastra: Ladění, evaluace a zajištění kvality AI agentů
21 HodinyToto lektorem vedené školení v České republice pokrývá nástroje Mastra pro ladění, evaluaci a zajišťování spolehlivosti AI agentů. Účastníci aplikují strukturované metriky, implementují workflow pro observability a navrhují strategii QA, aby zajistili konzistentní výkon agentů v komplexních prostředích.
Mastra Ops & Inženýrství pro produkci: Nasazení a škálování AI agentů
21 HodinyTento živý kurz v České republice provází technické profesionály krok za krokem při nasazování a škálování AI agentů Mastra pro produkční využití. Přehlídejte si přípravu prostředí, pozorovatelnost a optimalizaci výkonu pro zajištění spolehlivých, efektivních a cenově výhodných operačních procesů agentů.
Automatizace workflowů a orchestrace více agentů pomocí Mastra
21 HodinyToto školení vedené instruktorem v České republice pokrývá základy frameworku Mastra pro pokročilou orchestraci více agentů. Naučte se navrhovat složité workflowy, koordinovat paralelní úkoly a nasazovat monitorovací nástroje pro spolehlivé distribuované systémy a podnikovou integraci.
