Programa do Curso

Introdução à implementação da IA

  • Visão geral do ciclo de vida da implantação da IA
  • Desafios na implantação de agentes de IA na produção
  • Principais considerações: escalabilidade, confiabilidade e capacidade de manutenção

Containerização e orquestração

  • Introdução a Docker e noções básicas de conteinerização
  • Usando Kubernetes para orquestração de agente de IA
  • Práticas recomendadas para gerenciar aplicativos de IA em contêineres

Servindo modelos de IA

  • Visão geral das estruturas de veiculação de modelos (por exemplo, TensorFlow Serving, TorchServe)
  • Criação de APIs REST para inferência de agente de IA
  • Manipulação de previsões em lote ou em tempo real

CI/CD para AI Agents

  • Configurar pipelines de CI/CD para implantações de IA
  • Automatização de testes e validação de modelos de IA
  • Actualizações contínuas e gestão do controlo de versões

Monitorização e otimização

  • Implementação de ferramentas de monitorização para o desempenho do agente de IA
  • Analisar a deriva do modelo e as necessidades de reciclagem
  • Otimizar a utilização de recursos e a escalabilidade

Segurança e Governança

  • Garantir a conformidade com os regulamentos de privacidade de dados
  • Proteger pipelines e APIs de implantação de IA
  • Auditoria e registo para aplicações de IA

Práticas Activities

  • Containerizando um agente de IA com Docker
  • Implantando um agente de IA usando Kubernetes
  • Configurando o monitoramento do desempenho da IA e do uso de recursos

Resumo e próximas etapas

Requisitos

  • Proficiência em programação Python
  • Compreensão dos fluxos de trabalho de aprendizado de máquina
  • Familiaridade com ferramentas de contentorização como Docker
  • Experiência com práticas DevOps (recomendado)

Público

  • MLOps engenheiros
  • DevOps profissionais
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas