Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Đề cương khóa học
Giới thiệu về Triển khai AI
- Tổng quan về vòng đời triển khai AI
- Thách thức khi triển khai AI agents vào môi trường sản xuất
- Các yếu tố quan trọng: khả năng mở rộng, độ tin cậy và khả năng bảo trì
Đóng gói (Containerization) và Điều phối (Orchestration)
- Giới thiệu về Docker và cơ bản về đóng gói
- Sử dụng Kubernetes để điều phối AI agents
- Các thực tiễn tốt nhất để quản lý ứng dụng AI được đóng gói
Cung cấp Mô hình AI (Serving AI Models)
- Tổng quan về các framework phục vụ mô hình (ví dụ: TensorFlow Serving, TorchServe)
- Xây dựng REST API cho suy luận (inference) của AI agents
- Xử lý dự đoán theo lô (batch) so với dự đoán thời gian thực (real-time)
CI/CD cho AI Agents
- Cấu hình các pipeline CI/CD cho triển khai AI
- Tự động hóa kiểm thử và xác thực các mô hình AI
- Cập nhật dần dần (rolling updates) và quản lý phiên bản
Theo dõi và Tối ưu hóa
- Triển khai các công cụ theo dõi hiệu suất AI agents
- Phân tích sự dịch chuyển mô hình (model drift) và nhu cầu huấn luyện lại
- Tối ưu hóa việc sử dụng tài nguyên và khả năng mở rộng
Bảo mật và Quản trị
- Đảm bảo tuân thủ các quy định về quyền riêng tư dữ liệu
- Bảo mật các pipeline triển khai AI và API
- Thẩm định và ghi log cho các ứng dụng AI
Hoạt động Thực hành
- Đóng gói một AI agent bằng Docker
- Triển khai một AI agent sử dụng Kubernetes
- Cấu hình theo dõi hiệu suất AI và mức sử dụng tài nguyên
Tóm tắt và Các bước Tiếp theo
Yêu cầu
- Thành thạo lập trình Python
- Hiểu biết về quy trình làm việc (workflow) của machine learning
- Quen thuộc với các công cụ đóng gói (containerization) như Docker
- Kinh nghiệm với các thực tiễn DevOps (khuyến khích)
Đối tượng
- Kỹ sư MLOps
- Chuyên gia DevOps
14 Giờ
