Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden
Schulungsübersicht
Grundlagen der hybriden KI-Implementierung
- Verständnis der hybriden, Cloud- und Edge-Deployment-Modelle
- Eigenschaften von KI-Workloads und Infrastruktur-Einschränkungen
- Auswahl der geeigneten Deployment-Topologie
Containerisierung von KI-Workloads mit Docker
- Aufbau von GPU- und CPU-Inferenzcontainern
- Verwaltung sicherer Images und Register
- Einführung reproduzierbarer Umgebungen für KI
Deployment von KI-Diensten in Cloud-Umgebungen
- Ausführen von Inferenz auf AWS, Azure und GCP über Docker
- Bereitstellung von Cloud-Compute-Ressourcen für das Model Serving
- Sicherung von Cloud-basierten KI-Endpunkten
Techniken für Edge- und On-Premise-Deployment
- Ausführen von KI auf IoT-Geräten, Gateways und Microservern
- Leichte Runtimes für Edge-Umgebungen
- Verwaltung intermittierender Konnektivität und lokaler Persistenz
Hybrides Netzwerk und sichere Konnektivität
- Sichere Tunnelung zwischen Edge und Cloud
- Zertifikate, Secrets und tokenbasierter Zugriff
- Leistungsanpassung für Inferenz mit niedriger Latenz
Orchestrierung verteilter KI-Implementierungen
- Einsatz von K3s, K8s oder leichter Orchestrierung für hybride Setups
- Service Discovery und Workload-Scheduling
- Automatisierung mehrstandortiger Rollout-Strategien
Monitoring und Observability über Umgebungen hinweg
- Verfolgung der Inferenz-Leistung an verschiedenen Standorten
- Zentralisiertes Logging für hybride KI-Systeme
- Fehlererkennung und automatisierte Wiederherstellung
Skalierung und Optimierung hybrider KI-Systeme
- Skalierung von Edge-Clustern und Cloud-Knoten
- Optimierung der Bandbreitennutzung und Caching
- Ausgleich der Compute-Last zwischen Cloud und Edge
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Konzepte der Containerisierung
- Erfahrung mit Linux-Befehlszeilenoperationen
- Kenntnisse in Workflow-Prozessen für den KI-Modell-Deployment
Zielgruppe
- Infrastrukturarchitekten
- Site Reliability Engineers (SREs)
- Edge- und IoT-Entwickler
Erfahrungsberichte (2)
Wie ich bereits erwähnt habe, war dies für mich (ohne Erfahrung) ein Tor zum Verständnis der Funktionen und Möglichkeiten dieser Programme und Werkzeuge.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Kurs - Docker and Kubernetes
Maschinelle Übersetzung
ein mehrstufiges, strukturiertes Kursprogramm.
Bert Paelinckx - Cube SoftwareSolutions
Kurs - Introduction to Docker
Maschinelle Übersetzung