Contattataci
 Durata 14 ore

Struttura del corso

Introduzione all'inferenza AI con Docker

  • Comprensione dei carichi di lavoro di inferenza AI
  • Vantaggi dell'inferenza containerizzata
  • Scenari e vincoli di deployment

Creazione di contenitori per l'inferenza AI

  • Selezione di immagini base e framework
  • Pacchettizzazione di modelli pre-addestrati
  • Strutturazione del codice di inferenza per l'esecuzione in container

Sicurezza dei servizi AI containerizzati

  • Riduzione della superficie d'attacco dei container
  • Gestione di segreti e file sensibili
  • Strategie sicure per rete ed esposizione delle API

Tecniche di deployment portabile

  • Ottimizzazione delle immagini per la portabilità
  • Garantire ambienti runtime prevedibili
  • Gestione delle dipendenze tra piattaforme

Deployment e test locali

  • Esecuzione di servizi locali con Docker
  • Debugging dei container di inferenza
  • Test di prestazioni e affidabilità

Deployment su server e VM cloud

  • Adattamento dei container per ambienti remoti
  • Configurazione di un accesso sicuro ai server
  • Deployment delle API di inferenza su VM cloud

Utilizzo di Docker Compose per sistemi AI multi-servizio

  • Orchestrazione dell'inferenza con componenti di supporto
  • Gestione di variabili d'ambiente e configurazioni
  • Scalabilità dei microservizi con Compose

Monitoraggio e manutenzione dei servizi di inferenza AI

  • Approcci a logging e osservabilità
  • Rilevamento dei guasti nelle pipeline di inferenza
  • Aggiornamento e versioning dei modelli in produzione

Riepilogo e prossimi passi

Requisiti

  • Conoscenza dei concetti fondamentali del machine learning
  • Esperienza con Python o nello sviluppo backend
  • Familiarità con i concetti fondamentali dei container

Pubblico target

  • Sviluppatori
  • Ingegneri backend
  • Team che deployano servizi AI

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative