Neem contact met ons op

Cursusaanbod

Inleiding tot AI-implementatie

  • Overzicht van de levenscyclus van AI-implementatie
  • Uitdagingen bij het implementeren van AI-agenten in productie
  • Belangwekkelijke overwegingen: schaalbaarheid, betrouwbaarheid en onderhoudbaarheid

Containerisatie en Orkestratie

  • Inleiding tot Docker en basisprincipes van containerisatie
  • Gebruik van Kubernetes voor de orkestratie van AI-agenten
  • Beste praktijken voor het beheren van gecontaineriseerde AI-toepassingen

Servering van AI-modellen

  • Overzicht van frameworks voor het serveren van modellen (bijv. TensorFlow Serving, TorchServe)
  • Ontwerpen van REST API's voor de inferentie van AI-agenten
  • Verwerken van batch- versus real-time voorspellingen

CI/CD voor AI-agenten

  • Inrichten van CI/CD-pijplijnen voor AI-implementaties
  • Automatiseren van testen en validatie van AI-modellen
  • Rolled updates en beheer van versiebeheer

Monitoring en Optimalisatie

  • Implementeren van monitoringtools voor de prestaties van AI-agenten
  • Analyses van modeldrift en het nodig hebben van hertraining
  • Optimaliseren van bronbenutting en schaalbaarheid

Beveiliging en Governance

  • Zorgen voor naleving van regels inzake gegevensprivacy
  • Beveiligen van AI-implementatiepijplijnen en API's
  • Auditing en logging voor AI-toepassingen

Praktische Oefeningen

  • Containerizen van een AI-agent met Docker
  • Implementeren van een AI-agent met Kubernetes
  • Inrichten van monitoring voor AI-prestaties en bronverbruik

Samenvatting en Volgende Stappen

Vereisten

  • Vaardigheid in Python-programmeren
  • Kenis van machine learning-workflows
  • Kenis van containerisatietools zoals Docker
  • Ervaring met DevOps-praktijken (aanbevolen)

Doelgroep

  • MLOps-ingenieurs
  • DevOps-professionals
 14 Uren

Aantal deelnemers


Prijs per deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën