연락처 정보

코스 개요

Edge AI와 Kubernetes 소개

  • 엣지에서 AI의 역할 이해
  • 분산 환경을 위한 오케스트레이터로서의 Kubernetes
  • 업종별 일반적인 사용 사례

엣지 환경을 위한 Kubernetes 배포판

  • K3s, MicroK8s, KubeEdge 비교
  • 설치 및 구성 워크플로우
  • 노드 요구 사항 및 배포 패턴

Edge AI 배포 아키텍처

  • 중앙 집중형, 탈중앙화형 및 하이브리드 엣지 모델
  • 제한된 노드 간의 자원 할당
  • 멀티 노드 및 원격 클러스터 토폴로지

엣지에서의 머신러닝 모델 배포

  • 컨테이너를 이용한 추론 워크로드 패키징
  • 사용 가능한 경우 GPU 및 가속기 하드웨어 활용
  • 분산 장치에서의 모델 업데이트 관리

통신 및 연결성 전략

  • 간헐적 및 불안정한 네트워크 조건 처리
  • 엣지-클라우드 데이터 동기화 기법
  • 메시지 큐 및 프로토콜 고려 사항

엣지에서의 관찰 가능성(Observability) 및 모니터링

  • 경량 모니터링 접근법
  • 원격 노드에서 원격 측정(Telemetry) 수집
  • 분산 추론 워크플로우 디버깅

Edge AI 배포 보안

  • 제한된 장치에서 데이터 및 모델 보호
  • 보안 부팅 및 신뢰할 수 있는 실행 전략
  • 노드 간 인증 및 인가

엣지 워크로드 성능 최적화

  • 배포 전략을 통한 지연 시간 감소
  • 저장소 및 캐싱 고려 사항
  • 추론 효율성을 위한 계산 자원 튜닝

요약 및 향후 단계

요건

  • 컨테이너화 된 애플리케이션에 대한 이해
  • Kubernetes 관리 경험
  • 엣지 컴퓨팅 개념에 대한 친숙함

대상 수강생

  • 분산 장치 배포를 담당하는 IoT 엔지니어
  • 지능형 애플리케이션을 구축하는 클라우드 네이티브 개발자
  • 연결된 환경을 설계하는 엣지 아키텍트
 21 시간

참가자 수


참가자별 가격

회원 평가 (4)

예정된 코스

관련 카테고리