Schița de curs

Introducere în Deploy-ul AI

  • Panou general al ciclului de viață al deploy-ului AI
  • Challenges in deploying AI agents to production (Această parte nu este complet tradusă pentru a păstra structura originală)
  • Considerații cheie: scalabilitate, fiabilitate și susținere

Containerizare și Orchestru

  • Introducere în Docker și bazice ale containerizării
  • Utilizarea Kubernetes pentru orchestrația agentilor AI
  • Cele mai bune practici pentru gestionarea aplicațiilor AI containerizate

Servirea modelelor AI

  • Panou general al cadrelor de servire a modelului (de exemplu, TensorFlow Serving, TorchServe)
  • Construirea API-urilor REST pentru inferența agentului AI
  • Gestionarea prevederilor în loturi vs. timp real

CI/CD pentru Agenti AI

  • Configurarea pipeline-urilor CI/CD pentru deploy-uri AI
  • Automatizarea testării și validării modelelor AI
  • Actualizări progresive și gestionarea controlului de versiune

Monitorizare și Optimizare

  • Implementarea instrumentelor de monitorizare pentru performanța agentului AI
  • Analiza derapării modelului și nevoilor de reînvățare
  • Optimizarea utilizării resurselor și scalabilitatea

Securitate și Guvernanță

  • Asigurarea conformității cu regulile de confidențialitate a datelor
  • Protejarea pipeline-urilor de deploy AI și API-uri
  • Auditare și jurnalizare pentru aplicațiile AI

Activități Practice

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

Rezumat și Următoarele Pași

Cerințe

  • Competență în programare Python
  • Înțelegere a fluxurilor de lucru pentru învățarea automatizată
  • Cunoașterea instrumentelor de containerizare precum Docker
  • Experiență cu practici DevOps (recomandat)

Publicul vizat

  • Inginerii MLOps
  • Profesionali DevOps
 14 ore

Numărul de participanți


Pret per participant

Mărturii (1)

Upcoming Courses

Categorii înrudite