Contattataci

Struttura del corso

Introduzione al CI/CD per i flussi di lavoro dell'IA

  • Le sfide uniche delle pipeline di consegna dei modelli di IA.
  • Confronto tra i processi DevOps tradizionali e quelli MLOps.
  • Componenti fondamentali del deployment automatizzato dei modelli.

Containerizzazione dei modelli di IA con Docker

  • Progettazione di Dockerfile efficienti per l'inferenza ML.
  • Gestione delle dipendenze e degli artifact dei modelli.
  • Creazione di immagini sicure e ottimizzate.

Configurazione delle pipeline CI/CD

  • Opzioni di tooling CI/CD e relativi ecosistemi.
  • Realizzazione di pipeline per il confezionamento automatizzato dei modelli.
  • Validazione delle pipeline mediante verifiche automatizzate.

Testing dei modelli di IA in fase di CI

  • Automazione dei controlli di integrità dei dati.
  • Test unitari e di integrazione per i servizi del modello.
  • Validazione delle prestazioni e regressione.

Deployment automatizzato dei servizi di IA basati su Docker

  • Deployment dei container IA negli ambienti cloud.
  • Implementazione di rilasci blue-green e canary.
  • Strategie di rollback per i deployment falliti.

Gestione delle versioni degli artifact e dei modelli

  • Utilizzo di registry per il controllo delle versioni di modelli e container.
  • Tagging, firma e promozione delle immagini.
  • Coordinamento degli aggiornamenti dei modelli tra i diversi servizi.

Monitoraggio e osservabilità nel CI/CD per l'IA

  • Tracciamento delle prestazioni della pipeline e del modello.
  • Sistemi di allerta per build fallite o drift dei modelli.
  • Tracciamento del comportamento dell'inferenza attraverso gli ambienti.

Scalabilità delle pipeline CI/CD per i sistemi IA

  • Parallelizzazione delle build per modelli di grandi dimensioni.
  • Ottimizzazione delle risorse di calcolo e archiviazione.
  • Integrazione di runner distribuiti e remoti.

Sintesi e prossimi passi

Requisiti

  • Conoscenza dei cicli di vita dei modelli di machine learning.
  • Esperienza con la containerizzazione mediante Docker.
  • Conoscenza dei concetti e delle pipeline CI/CD.

Pubblico target

  • Ingegneri DevOps.
  • Team MLOps.
  • Ingegneri AI-ops.
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative