문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
AI 기반 쿠버네티스 운영 소개
- 현대 클러스터 운영에서 AI의 중요성
- 전통적인 스케일링 및 스케줄링 기법의 한계점
- 리소스 관리에 적용되는 머신러닝 핵심 개념들
쿠버네티스 리소스 관리의 기초
- CPU, GPU 및 메모리 할당 관련 핵심 원리
- 쿼터, 제한 값 및 리소스 요청 설정 방법에 대한 이해
- 시스템 병목 현상 및 비효율적인 부분을 파악하는 법
작업 스케줄링을 위한 머신러닝 접근법
- 작업 배치를 최적화하기 위한 지도학습 및 비지도학습 모델 활용법
- 리소스 수요 예측을 위한 알고리즘 설계 방법
- 커스텀 스케줄러에 머신러닝 기능을 통합하는 방안
지능형 자동 스케일링을 위한 강화학습 활용
- 강화학습 에이전트가 클러스터 동작 패턴에서 어떻게 학습하는지
- 효율성을 극대화하기 위한 보상 함수 설계 방법
- 강화학습 기반 자동 스케일링 전략을 구축하는 절차
지표 및 텔레메트리 데이터를 활용한 예측형 자동 스케일링
- Prometheus 데이터 기반의 예측 모델 적용법
- 시계열 분석 모델을 자동 스케일링 체계에 활용하는 방안
- 예측 정확도 평가 및 모델 최적화 기법
AI 기반 최적화 도구 구현 방법
- 머신러닝 프레임워크와 쿠버네티스 컨트롤러 간의 통합 방안
- 지능형 제어 루프 구현 절차
- AI 기반 의사결정을 위해 KEDA를 확장하는 방법
비용 절감 및 성능 향상을 위한 최적화 전략
- 예측형 스케일링을 통한 컴퓨팅 비용 절감 방안
- 머신러닝 기반 배치 최적화로 GPU 활용도 개선 방법
- 지연 시간, 처리량 및 운영 효율성 간의 균형 유지 전략
실제 시나리오와 현장 적용 사례 분석
- AI를 활용한 고부하 애플리케이션의 자동 스케일링 방법
- 서로 다른 종류의 노드 풀 최적화 기법
- 다중 테넌트 환경에서 머신러닝을 활용하는 실제 사례
강좌 요약 및 향후 발전 방향
요건
- 쿠버네티스의 기본 개념에 대한 이해가 필요합니다.
- 컨테이너화된 애플리케이션 배포 경험이 권장됩니다.
- 클러스터 운영 및 리소스 관리에 대한 지식이 있으면 유용합니다.
수강 대상
- 대규모 분산 시스템을 다루는 SRE 담당자
- 고부하 작업 환경에서 쿠버네티스를 관리하는 운영자
- 컴퓨팅 인프라 최적화를 담당하는 플랫폼 엔지니어
21 시간
회원 평가 (4)
컨테이너와 쿠버네티스의 기본 이해 및 상호 작용 방식에 대한 개념 OpenShift 플랫폼의 주요 기능
Eric Scholze - NOW IT GmbH
코스 - Introduction to Containers, Kubernetes & OpenShift
기계 번역됨
마이크로서비스에 대한 내용과 쿠버네티스를 유지보수하는 방법
Yufri Isnaini Rochmat Maulana - Bank Indonesia
코스 - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
기계 번역됨
트레이너가 지식을 어떻게 효과적으로 전달하는지
Vu Thoai Le - Reply Polska sp. z o. o.
코스 - Certified Kubernetes Administrator (CKA) - exam preparation
기계 번역됨
Augustin과의 지식 및 교류
Laurent - L'Office national des vacances annuelles (ONVA)
코스 - Docker and Kubernetes
기계 번역됨