Schița de curs

Introducere în implementarea AI

  • Prezentare generală a ciclului de viață al implementării AI
  • Provocări în implementarea agenților AI în producție
  • Considerații cheie: scalabilitate, fiabilitate și mentenanță

Containerizare și orchestră

  • Introducere în Docker și noțiuni de bază despre containerizare
  • Utilizarea Kubernetes pentru orchestrarea agenților AI
  • Cele mai bune practici pentru gestionarea aplicațiilor AI containerizate

Servirea modelelor AI

  • Prezentare generală a cadrelor de servire a modelelor (de exemplu, TensorFlow Serving, TorchServe)
  • Construirea de API-uri REST pentru inferența agenților AI
  • Gestionarea predicțiilor în lot vs. în timp real

CI/CD pentru agenții AI

  • Configurarea pipeline-urilor CI/CD pentru implementări AI
  • Automatizarea testării și validării modelelor AI
  • Actualizări progressive și gestionarea controlului versiunilor

Monitorizare și optimizare

  • Implementarea instrumentelor de monitorizare pentru performanța agenților AI
  • Analiza drift-ului modelelor și necesitățile de reantrenare
  • Optimizarea utilizării resurselor și scalabilității

Securitate și guvernanță

  • Asigurarea conformității cu reglementările de protecție a datelor
  • Securizarea pipeline-urilor de implementare AI și a API-urilor
  • Auditarea și logarea pentru aplicațiile AI

Activități practice

  • Containerizarea unui agent AI cu Docker
  • Implementarea unui agent AI folosind Kubernetes
  • Configurarea monitorizării pentru performanța și utilizarea resurselor AI

Rezumat și pași următori

Cerințe

  • Competențe în programarea Python
  • Înțelegere a fluxurilor de lucru în învățarea automată
  • Familiaritate cu instrumente de containerizare precum Docker
  • Experiență în practici DevOps (recomandat)

Public țintă

  • Ingineri MLOps
  • Profesioniști DevOps
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite