Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione all'ottimizzazione e all'implementazione del modello
- Panoramica dei modelli DeepSeek e delle sfide di distribuzione
- Comprensione dell'efficienza del modello: velocità vs. accuratezza
- Metriche chiave delle prestazioni per i modelli di intelligenza artificiale
Ottimizzazione DeepSeek dei modelli per le prestazioni
- Tecniche per ridurre la latenza dell'inferenza
- Strategie di quantizzazione e potatura del modello
- Utilizzo di librerie ottimizzate per i modelli DeepSeek
Implementazione di MLOps per i modelli DeepSeek
- Controllo della versione e tracciamento del modello
- Automazione della riqualificazione e distribuzione del modello
- Pipeline CI/CD per applicazioni AI
Distribuzione di modelli DeepSeek in ambienti cloud e on-premise
- Scelta dell'infrastruttura giusta per l'implementazione
- Distribuzione con Docker e Kubernetes
- Gestione dell'accesso e dell'autenticazione API
Scalabilità e monitoraggio delle distribuzioni AI
- Strategie di bilanciamento del carico per i servizi di intelligenza artificiale
- Monitoraggio della deriva del modello e del degrado delle prestazioni
- Implementazione del ridimensionamento automatico per le applicazioni AI
Garantire la sicurezza e la conformità nelle distribuzioni di intelligenza artificiale
- Gestione della privacy dei dati nei flussi di lavoro dell'intelligenza artificiale
- Conformità alle normative aziendali in materia di intelligenza artificiale
- Le migliori pratiche per implementazioni di intelligenza artificiale sicure
Tendenze future e strategie di ottimizzazione dell'intelligenza artificiale
- Progressi nelle tecniche di ottimizzazione dei modelli di intelligenza artificiale
- Tendenze emergenti in MLOps e infrastrutture AI
- Creazione di una roadmap per l'implementazione dell'intelligenza artificiale
Riepilogo e passaggi successivi
Requisiti
- Esperienza con l'implementazione di modelli di intelligenza artificiale e infrastrutture cloud
- Competenza in un linguaggio di programmazione (ad esempio, Python, Java, C++)
- Comprensione di MLOps e ottimizzazione delle prestazioni del modello
Pubblico
- Ingegneri di intelligenza artificiale che ottimizzano e distribuiscono modelli DeepSeek
- Gli scienziati dei dati lavorano all'ottimizzazione delle prestazioni dell'intelligenza artificiale
- Specialisti di apprendimento automatico che gestiscono sistemi di intelligenza artificiale basati su cloud
14 ore
Recensioni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
