코스 개요

엣지 AI와 Kubernetes 소개

  • 엣지에서 AI의 역할 이해하기
  • 분산 환경을 위한 Kubernetes 오케스트레이터
  • 산업별 일반적인 사용 사례

엣지 환경용 Kubernetes 분배판

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

엣지 AI 배포 아키텍처

  • 중앙집중식, 분산형, 하이브리드 엣지 모델
  • 제약된 노드 간 리소스 할당
  • 멀티 노드 및 원격 클러스터 토폴로지

엣지에서 머신 러닝 모델 배포하기

  • 컨테이너를 활용한 추론 작업 패키징
  • GPU 및 가속기 하드웨어 사용(가능할 경우)
  • 분산된 디바이스에서의 모델 업데이트 관리

통신 및 연결 전략

  • 간헐적이고 불안정한 네트워크 상태 처리하기
  • 엣지-클라우드 데이터 동기화 기술
  • 메시지 큐 및 프로토콜 고려 사항

엣지에서의 관찰성 및 모니터링

  • 경량화된 모니터링 접근법
  • 원격 노드로부터 텔레메트리 수집하기
  • 분산 추론 워크플로우 디버깅

엣지 AI 배포의 보안

  • 제약된 디바이스에서 데이터 및 모델 보호하기
  • 안전한 부팅 및 신뢰할 수 있는 실행 전략
  • 노드 간 인증 및 권한 부여

엣지 작업의 성능 최적화

  • 배포 전략을 통해 지연 시간 줄이기
  • 저장소 및 캐싱 고려 사항
  • 추론 효율성을 위한 컴퓨팅 리소스 튜닝

요약 및 다음 단계

요건

  • 컨테이너화된 애플리케이션에 대한 이해
  • Kubernetes 관리 경험
  • 엣지 컴퓨팅 개념에 대한 익숙함

대상자

  • 분산된 디바이스를 배포하는 IoT 엔지니어
  • 지능형 애플리케이션을 구축하는 클라우드 네이티브 개발자
  • 연결된 환경을 설계하는 엣지 아키텍트
 21 시간

참가자 수


참가자별 가격

회원 평가 (5)

예정된 코스

관련 카테고리