Prenez contact avec nous

Plan du cours

Fondements du déploiement d'IA hybride

  • Compréhension des modèles de déploiement hybride, cloud et périphérie (edge)
  • Caractéristiques des charges de travail d'IA et contraintes de l'infrastructure
  • Choix de la topologie de déploiement adéquate

Conteneurisation des charges de travail d'IA avec Docker

  • Construction de conteneurs d'inférence pour GPU et CPU
  • Gestion des images et registres sécurisés
  • Mise en œuvre d'environnements reproductibles pour l'IA

Déploiement des services d'IA vers les environnements Cloud

  • Exécution de l'inférence sur AWS, Azure et GCP via Docker
  • Provisionnement de ressources informatiques cloud pour le service de modèles (model serving)
  • Sécurisation des points de terminaison (endpoints) d'IA dans le cloud

Techniques de déploiement Edge et on-premise

  • Exécution de l'IA sur les appareils IoT, les passerelles et les micro-serveurs
  • Runtimes légers pour les environnements edge
  • Gestion de la connectivité intermittente et de la persistance locale

Réseau hybride et connectivité sécurisée

  • Tunneling sécurisé entre l'edge et le cloud
  • Certificats, secrets et accès basé sur des tokens
  • Optimisation des performances pour une inférence à faible latence

Orchestration des déploiements d'IA distribués

  • Utilisation de K3s, K8s ou d'orchestration légère pour les configurations hybrides
  • Découverte de services et planification des charges de travail (workload scheduling)
  • Automatisation des stratégies de déploiement multi-sites

Surveillance et observabilité à travers les environnements

  • Suivi des performances d'inférence entre les différents sites
  • Journalisation centralisée pour les systèmes d'IA hybrides
  • Détection des pannes et récupération automatisée

Mise à l'échelle et optimisation des systèmes d'IA hybrides

  • Mise à l'échelle des grappes edge et des nœuds cloud
  • Optimisation de l'utilisation de la bande passante et du cache
  • Équilibrage des charges informatiques entre le cloud et l'edge

Résumé et prochaines étapes

Pré requis

  • Une compréhension des concepts de conteneurisation
  • De l'expérience avec les opérations en ligne de commande sous Linux
  • Une familiarité avec les workflows de déploiement de modèles d'IA

Audience cible

  • Architectes infrastructure
  • Ingénieurs Site Reliability (SREs)
  • Développeurs Edge et IoT
 21 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires