Zkuste nás kontaktovat
 Doba trvání 21 hodiny

Návrh Školení

Základy hybridního nasazení AI

  • Rozumění hybridním, cloudovým a edge modelům nasazení
  • Vlastnosti AI pracovních zátěží a omezení infrastruktury
  • Výběr vhodné topologie nasazení

Kontejnerizace AI pracovních zátěží pomocí Dockeru

  • Vytváření GPU a CPU inferenčních kontejnerů
  • Správa bezpečných obrazů a registrů
  • Nasazování reprodukovatelných prostředí pro AI

Nasazování AI služeb do cloudových prostředí

  • Spouštění inferencí na AWS, Azure a GCP přes Docker
  • Připravování cloudového výpočetního výkonu pro servírování modelů
  • Zabezpečování cloudových AI koncovek

Techniky nasazení Edge a On-Prem

  • Spouštění AI na IoT zařízeních, bránách a mikroserverech
  • Lehké runtime pro edge prostředí
  • Správa přerušované konektivity a lokální perzistence

Hybridní síťování a bezpečná konektivita

  • Bezpečné tunelování mezi edge a clouдем
  • Certifikáty, tajné klíče a tokenová přístupová práva
  • Vyladování výkonu pro inferenci s nízkou latencí

Orchestrace distribuovaných nasazení AI

  • Používání K3s, K8s nebo lehké orchestrace pro hybridní konfigurace
  • Objev služeb a plánování pracovních zátěží
  • Automatizace strategií rolloutu napříč lokalitami

Monitoring a pozorovatelnost napříč prostředími

  • Sledování výkonu inferencí napříč lokalitami
  • Centralizované logování pro hybridní AI systémy
  • Detekce poruch a automatizované obnovení

Škálování a optimalizace hybridních AI systémů

  • Škálování edge klastrů a cloudových uzlů
  • Optimalizace využití pásma a cache
  • Vyvažování výpočetního zatížení mezi clouдем a edge

Shrnutí a další kroky

Požadavky

  • Pochopení konceptů kontejnerizace
  • Zkušenosti s příkazovým řádkem Linuxu
  • Znalost workflow pro nasazování AI modelů

Cílové publikum

  • Architekti infrastruktury
  • Inženýři pro spolehlivost míst (SRE)
  • Vývojáři Edge a IoT

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie