Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Introduksjon til AI-utbredning
- Oversikt over livssyklusen for AI-utbredning
- Utfordringer i utbredelsen av AI-agenter til produksjon
- Viktige hensyn: skalerbarhet, pålitelighet og vedlikeholdbarhet
Beholdning og orkestrering
- Introduksjon til Docker og grunnleggende beholdning
- Bruk av Kubernetes for orkestrering av AI-agenter
- Best practice for administrasjon av beholdte AI-applikasjoner
Tjenestegjøring av AI-modeller
- Oversikt over rammer for modell-tjenestegjøring (f.eks. TensorFlow Serving, TorchServe)
- Oppretting av REST-APIer for AI-agentinferanse
- Håndtering av batch vs sanntidsprediksjoner
CI/CD for AI-agenter
- Oppsett av CI/CD-pipe for AI-utbredelser
- Automatisering av testing og validering av AI-modeller
- Rullerende oppdateringer og administrasjon av versjonskontroll
Overvåking og optimalisering
- Implementering av overvåkingsverktøy for ytelse til AI-agenter
- Analyse av modelldrift og behov for ettertrening
- Optimalisering av ressursutnyttelse og skalerbarhet
Sikkerhet og styring
- Sikring av samsvar med regler om databeskyttelse
- Sikring av AI-utbredelsespipe og APIer
- Revidering og logging for AI-applikasjoner
Praktiske aktiviteter
- Beholdning av en AI-agent med Docker
- Utbredelse av en AI-agent ved hjelp av Kubernetes
- Oppsett av overvåking for AI-ytelse og ressursbruk
Oppsummering og neste steg
Krav
- Godkjent kunnskap i Python-programmering
- Forståelse av maskinlæringsworkflows
- Kjennskap til beholdsverktøy som Docker
- Erfaring med DevOps-praksis (anbefalt)
Målgruppe
- MLOps-ingeniører
- DevOps-profesjonelle
14 Timer
