Contacta con nosotros

Temario del curso

Fundamentos de Producción con Tencent Hunyuan

  • Descripción general de los escenarios de servicio de modelos de Tencent Hunyuan.
  • Características de producción de modelos grandes y MoE.
  • Cuellos de botella comunes en latencia, throughput y costos.
  • Definición de objetivos de nivel de servicio (SLO) para cargas de trabajo de inferencia.

Arquitectura de Despliegue y Flujo de Servicio

  • Componentes centrales de un stack de inferencia en producción.
  • Selección entre modelos de despliegue contenerizados, on-premise y en la nube.
  • Conceptos básicos de carga de modelos, enrutamiento de solicitudes y asignación de GPU.
  • Diseño enfocado en la fiabilidad y simplicidad operativa.

Optimización de Latencia en la Práctica

  • Uso de motores de inferencia optimizados como TensorRT cuando sea aplicable.
  • Conceptos del KV-cache y ajuste práctico de caché.
  • Reducción de la sobrecarga de inicio, calentamiento (warmup) y respuesta.
  • Medición del tiempo hasta el primer token y la velocidad de generación de tokens.

Throughput, Agrupamiento (Batching) y Eficiencia de GPU

  • Estrategias de agrupamiento continuo y por lotes de solicitudes.
  • Gestión de la concurrencia y comportamiento de la cola.
  • Mejora del aprovechamiento de la GPU sin afectar la experiencia del usuario.
  • Manejo de solicitudes de contexto largo y cargas de trabajo mixtas.

Cuantificación y Control de Costos

  • Importancia de la cuantificación para el servicio en producción.
  • Compensaciones prácticas entre FP16, INT8 y otras opciones de precisión comunes.
  • Equilibrio entre calidad del modelo, latencia y costo de infraestructura.
  • Creación de una lista de verificación simple para la optimización de costos.

Operaciones, Monitoreo y Revisión de Preparación

  • Desencadenantes de autoescalado para servicios de inferencia.
  • Monitoreo de latencia, throughput, uso de caché y salud de la GPU.
  • Conceptos básicos de registro (logging), alertas y respuesta a incidentes.
  • Revisión de un despliegue de referencia y creación de un plan de mejora.

Requerimientos

  • Comprensión básica de la implementación y flujos de trabajo de inferencia de modelos de lenguaje grande (LLM).
  • Experiencia con contenedores, infraestructura en la nube o on-premise, y servicios basados en API.
  • Conocimientos prácticos de Python o tareas de ingeniería de sistemas.

Público Objetivo

  • Ingenieros de ML que despliegan LLMs en producción.
  • Ingenieros de plataforma responsables de servicios de inferencia basados en GPU.
  • Arquitectos de soluciones que diseñan plataformas escalables de servicio de IA.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas