План на курса

Въведение в внедряването на AI

  • Преглед на жизнения цикъл на внедряване на AI
  • Предизвикателства при внедряването на AI агенти в производството
  • Основни съображения: мащабируемост, надеждност и поддръжка

Контейнеризация и оркестрация

  • Въведение в Docker и основите на контейнеризацията
  • Използване на Kubernetes за оркестрация на AI агент
  • Най-добри практики за управление на приложения с изкуствен интелект в контейнери

Обслужване на AI модели

  • Преглед на рамки за обслужване на модели (напр. TensorFlow Сервиране, Torch Сервиране)
  • Изграждане на REST API за извод на AI агент
  • Работа с прогнози за партиди срещу реално време

CI/CD за AI Agents

  • Настройване на CI/CD тръбопроводи за внедряване на AI
  • Автоматизиране на тестването и валидирането на AI модели
  • Текущи актуализации и управление на контрола на версиите

Мониторинг и оптимизация

  • Внедряване на инструменти за наблюдение за ефективността на AI агент
  • Анализиране на дрейфа на модела и нуждите от преквалификация
  • Оптимизиране на използването на ресурсите и мащабируемостта

Сигурност и Goуправление

  • Гарантиране на съответствие с разпоредбите за поверителност на данните
  • Осигуряване на канали за внедряване на AI и API
  • Одит и регистриране за AI приложения

Практически Activities

  • Контейнериране на AI агент с Docker
  • Внедряване на AI агент с помощта на Kubernetes
  • Настройване на мониторинг за производителност на AI и използване на ресурси

Обобщение и следващи стъпки

Изисквания

  • Владеене на Python програмиране
  • Разбиране на работните процеси на машинно обучение
  • Познаване на инструменти за контейнеризиране като Docker
  • Опит с DevOps практики (препоръчително)

Публика

  • MLOps инженери
  • DevOps професионалисти
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории