Contacta con nosotros

Temario del curso

Fundamentos de Producción de Tencent Hunyuan

  • Resumen de escenarios de servicio del modelo Tencent Hunyuan.
  • Características en producción de modelos grandes y MoE.
  • Cuellos de botella comunes de latencia, capacidad de procesamiento y costos.
  • Definición de objetivos de nivel de servicio para cargas de trabajo de inferencia.

Arquitectura de Despliegue y Flujo de Servicio

  • Componentes principales de una pila de inferencia en producción.
  • Elección entre modelos de despliegue en contenedores, local o en la nube.
  • Fundamentos de carga de modelos, enrutamiento de solicitudes y asignación de GPU.
  • Diseño para confiabilidad y simplicidad operativa.

Optimización de Latencia en la Práctica

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

Capacidad de Procesamiento, Agrupación de Lotes y Eficiencia de GPU

  • Estrategias de agrupación continua y agrupación de solicitudes.
  • Gestión de concurrencia y comportamiento de la cola.
  • Mejora de la utilización de GPU sin afectar la experiencia del usuario.
  • Manejo de solicitudes de contexto largo y cargas de trabajo mixtas.

Cuantización y Control de Costos

  • Por qué es importante la cuantización para el servicio en producción.
  • Compromisos prácticos de 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

  • Disparadores de autoescalado para servicios de inferencia.
  • Monitoreo de latencia, capacidad de procesamiento, uso de caché y estado de la GPU.
  • Registros, alertas y fundamentos de respuesta a incidentes.
  • Revisión de un despliegue de referencia y creación de un plan de mejora.

Requerimientos

  • Comprensión básica de los flujos de trabajo de despliegue e inferencia de modelos de lenguaje grandes (LLM).
  • Experiencia con contenedores, infraestructura en la nube o local y servicios basados en API.
  • Conocimientos funcionales de Python o tareas de ingeniería de sistemas.

Público Objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas