Kom i kontakt

Kursplan

Introduktion till CI/CD för AI-arbetsflöden

  • Särskilda utmaningar med pipelinear för leverans av AI-modeller.
  • Jämförelse av traditionella DevOps- och MLOps-processer.
  • Komponenter i automatisk modelldistribution.

Att containerisera AI-modeller med Docker

  • Designa effektiva Dockerfiles för ML-inferens.
  • Hantera beroenden och modellartefakter.
  • Bygga säkra och optimerade bilder.

Konfiguration av CI/CD-pipelinear

  • Val av CI/CD-verktyg och deras ekosystem.
  • Bygg pipelinear för automatisk modellpaketering.
  • Validera pipelinear med automatiserade kontroller.

Testning av AI-modeller i CI

  • Automatisering av kontroller för dataintegritet.
  • Enhets- och integrationstester för modelltjänster.
  • Validering av prestanda och regressioner.

Automatisk distribution av Docker-baserade AI-tjänster

  • Distribuera AI-containrar till molnmiljöer.
  • Implementera blue-green- och canary-distributioner.
  • Rullback-strategier vid misslyckade distributioner.

Hantering av modellversioner och artefakter

  • Använda registri för versionshantering av modeller och containrar.
  • Taggning, signering och promotion av bilder.
  • Synkronisera modelluppdateringar över tjänster.

Påövervakning och observabilitet i CI/CD för AI

  • Följa pipeline-prestanda och modellprestanda.
  • Larma vid misslyckade byggen eller modelleringsdrift (model drift).
  • Spåra inferensbeteenden över miljöer.

Skalning av CI/CD-pipelinear för AI-system

  • Parallelisera byggen för stora modeller.
  • Optimera beräknings- och lagringsresurser.
  • Integrera distribuerade och fjärrkörningar (runners).

Sammanfattning och nästa steg

Krav

  • En grundläggande förståelse för livscykeln för maskininlärningsmodeller.
  • Erfarenhet av containerisering med Docker.
  • Kunskap om CI/CD-koncept och pipelinear.

Målgrupp

  • DevOps-engineers
  • MLOps-team
  • AI-ops-engineers
 21 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier