Contacta con nosotros

Temario del curso

Fundamentos del Despliegue de IA Híbrida

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

Contenerización de Cargas de Trabajo de IA con Docker

  • Construcción de contenedores de inferencia para 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 a través de Docker.
  • Aprovisionamiento de cómputo en la nube para el servicio de modelos.
  • Seguridad de los puntos finales (endpoints) de IA basados en la nube.

Técnicas de Despliegue en Borde y On-Premise

  • Ejecución de IA en dispositivos IoT, gateways (pasarelas) y microserves.
  • Entornos de ejecución ligeros para entornos de borde.
  • Gestión de conectividad intermitente y persistencia local.

Red Híbrida y Conectividad Segura

  • Túneles seguros entre el borde 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 implementación en múltiples ubicaciones.

Monitoreo y Visibilidad en Todos los Entornos

  • Seguimiento del rendimiento de la inferencia en todas las ubicaciones.
  • Registro centralizado para sistemas de IA híbridos.
  • Detección de fallas y recuperación automatizada.

Escalado y Optimización de Sistemas de IA Híbridos

  • Escalado de clústeres de borde y nodos de nube.
  • Optimización del uso de ancho de banda y caché.
  • Equilibrio de cargas de cómputo entre la nube y el borde.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de contenedores.
  • Experiencia con operaciones en la línea de comandos de Linux.
  • Familiaridad con los flujos de trabajo de implementación de modelos de IA.

Público Objetivo

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

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas