Course Outline

Pengantar Penerapan AI

  • Tinjauan umum siklus hidup penerapan AI
  • Tantangan dalam penerapan agen AI ke produksi
  • Pertimbangan utama: skalabilitas, keandalan, dan pemeliharaan

Kontainerisasi dan Orkestrasi

  • Pengantar Docker dan dasar-dasar kontainerisasi
  • Menggunakan Kubernetes untuk orkestrasi agen AI
  • Praktik terbaik untuk mengelola aplikasi AI yang dikontainerisasi

Melayani Model AI

  • Tinjauan umum kerangka kerja penyajian model (misalnya, TensorFlow Penyajian, Torch Penyajian)
  • Membangun REST API untuk inferensi agen AI
  • Menangani prediksi batch vs real-time

CI/CD untuk AI Agents

  • Menyiapkan jalur CI/CD untuk penerapan AI
  • Mengotomatiskan pengujian dan validasi model AI
  • Pembaruan bergulir dan pengelolaan kontrol versi

Pemantauan dan Optimasi

  • Menerapkan alat pemantauan untuk kinerja agen AI
  • Menganalisis pergeseran model dan kebutuhan pelatihan ulang
  • Mengoptimalkan pemanfaatan sumber daya dan skalabilitas

Keamanan dan Gokeamanan

  • Memastikan kepatuhan terhadap peraturan privasi data
  • Mengamankan jalur penyebaran AI dan API
  • Audit dan pencatatan untuk aplikasi AI

Praktik Langsung Activiti

  • Mengontainerisasi agen AI dengan Docker
  • Menyebarkan agen AI menggunakan Kubernetes
  • Menyiapkan pemantauan untuk kinerja AI dan penggunaan sumber daya

Ringkasan dan Langkah Berikutnya

Requirements

  • Kemampuan dalam Python pemrograman
  • Pemahaman tentang alur kerja pembelajaran mesin
  • Keakraban dengan alat kontainerisasi seperti Docker
  • Pengalaman dengan DevOps praktik (disarankan)

Hadirin

  • MLOps insinyur
  • DevOps profesional
 14 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories