Ponte en Contacto

Temario del curso

Fundamentos de Tencent Hunyuan en Producción

  • Resumen de escenarios de servicio de modelos Tencent Hunyuan.
  • Características de producción de modelos grandes y MoE.
  • Cuellos de botela comunes de latencia, rendimiento y costos.
  • Definición de objetivos de nivel de servicio (SLO) para cargas de trabajo de inferencia.

Arquitectura de Implementación y Flujo de Servicio

  • Componentes principales de una pila de inferencia en producción.
  • Elección entre modelos de implementación con contenedores, on-premise y en la nube.
  • Fundamentos de carga de modelos, enrutamiento de solicitudes y asignación de GPU.
  • Diseño para fiabilidad y simplicidad operativa.

Optimización de Latencia en la Práctica

  • Uso de motores de inferencia optimizados como TensorRT, según corresponda.
  • Conceptos del caché KV y ajuste práctico del 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.

Rendimiento, Agrupación (Batching) y Eficiencia de GPU

  • Estrategias de agrupación continua y agrupación de solicitudes.
  • Gestión de la concurrencia y comportamiento de colas.
  • Mejora del uso de GPU sin perjudicar la experiencia del usuario.
  • Gestión de solicitudes de contexto largo y cargas de trabajo mixtas.

Cuantización y Control de Costos

  • Por qué la cuantización es importante para el servicio en producción.
  • Compromisos prácticos entre FP16, INT8 y otras opciones de precisión comunes.
  • Equilibrio entre calidad del modelo, latencia y costos de infraestructura.
  • Construcción de una lista de verificación simple para la optimización de costos.

Operaciones, Monitoreo y Revisión de Listo para Producción

  • Disparadores de autoescalado para servicios de inferencia.
  • Monitoreo de latencia, rendimiento, uso del caché y salud de la GPU.
  • Fundamentos de registro (logging), alertas y respuesta a incidentes.
  • Revisión de un caso de implementación de referencia y creación de un plan de mejoras.

Requerimientos

  • Comprensión básica de la implementación y los flujos de trabajo de inferencia de modelos de lenguaje grandes (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.

Audiencia

  • 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 escalables de servicio de IA.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas