Ponte en Contacto

Temario del curso

Fundamentos del Despliegue de IA Híbrida

  • Comprensión de los modelos de despliegue híbrido, en la nube y edge.
  • Características de las cargas de trabajo de IA y restricciones de infraestructura.
  • Elegir la topología de despliegue adecuada.

Contenerización de Cargas de Trabajo de IA con Docker

  • Construcción de contenedores de inferencia con GPU y CPU.
  • Gestión de imágenes y registros seguros.
  • Implementación de entornos reproducibles para IA.

Despliegue de Servicios de IA en Entornos de Nube

  • Ejecución de inferencia en AWS, Azure y GCP mediante Docker.
  • Provisionamiento de computación en la nube para el servicio de modelos.
  • Sécurización de puntos finales (endpoints) de IA en la nube.

Técnicas de Despliegue en Edge y On-Premise

  • Ejecución de IA en dispositivos IoT, gateways y microservidores.
  • Runtimes ligeros para entornos edge.
  • Gestión de conectividad intermitente y persistencia local.

Redes Híbridas y Conectividad Segura

  • Túneles seguros entre el edge y la nube.
  • Certificados, secretos y acceso basado en tokens.
  • Ajuste de rendimiento para inferencia de baja latencia.

Orquestación de Despliegues de IA Distribuidos

  • Uso de K3s, K8s u orquestación ligera para configuraciones híbridas.
  • Descubrimiento de servicios y programación de cargas de trabajo.
  • Automatización de estrategias de despliegue en múltiples ubicaciones.

Monitoreo y Observabilidad en Todos los Entornos

  • Rastreo del rendimiento de la inferencia en diversas ubicaciones.
  • Registro centralizado para sistemas de IA híbrida.
  • Detección de fallas y recuperación automatizada.

Escalar y Optimizar Sistemas de IA Híbrida

  • Escalar clusters edge y nodos en la nube.
  • Optimización del uso del ancho de banda y el almacenamiento en caché.
  • Equilibrio de cargas de computación entre la nube y el edge.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de contenerización.
  • Experiencia con operaciones en la línea de comandos de Linux.
  • Conocimiento de los flujos de trabajo para el despliegue de modelos de IA.

Público Objetivo

  • Arquitectos de infraestructura.
  • Ingenieros de Confiabilidad del Sitio (SREs).
  • Desarrolladores de Edge e IoT.
 21 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas