Cursusaanbod

Introductie tot AI-implementatie

  • Overzicht van het leven van de AI-implementatie
  • Uitdagingen bij het implementeren van AI-agents in productie
  • Belangrijke overwegingen: schaalbaarheid, betrouwbaarheid en onderhoudbaarheid

Containerization en Orchestratie

  • Introductie tot Docker en basisprincipes van containerization
  • Gebruik van Kubernetes voor AI-agent orchestratie
  • Beste praktijken voor het beheren van gecontaineriseerde AI-toepassingen

Serving AI-modellen

  • Overzicht van model serving frameworks (bijv. TensorFlow Serving, TorchServe)
  • Ontwikkelen van REST-API's voor AI-agent inferentie
  • Afhandeling van batch versus real-time voorspellingen

CI/CD voor AI-agents

  • Instellen van CI/CD-pipelines voor AI-implementaties
  • Automatiseren van testen en validatie van AI-modellen
  • Rolling updates en het beheren van versiebeheer

Monitoring en optimalisatie

  • Implementeren van monitoringtools voor AI-agentprestaties
  • Analyse van model drift en heropleidingbehoeften
  • Optimaliseren van brongebruik en schaalbaarheid

Beveiliging en governance

  • Naleving van gegevensprivacyvoorschriften
  • Beveiliging van AI-implementatiepipelines en API's
  • Audit en logboeken voor AI-toepassingen

Handson-activiteiten

  • Containeriseren van een AI-agent met Docker
  • Implementeren van een AI-agent met behulp van Kubernetes
  • Instellen van monitoring voor AI-prestaties en brongebruik

Samenvatting en volgende stappen

Vereisten

  • Vakkundigheid in Python-programmeren
  • Begrip van machine learning werkprocessen
  • Kennis van containerisatiegereedschappen zoals Docker
  • Ervaring met DevOps-praktijken (aanbevolen)

Doelgroep

  • MLOps engineers
  • DevOps professionals
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën