연락처 정보

코스 개요

하이브리드 AI 배포의 기초

  • 하이브리드, 클라우드 및 엣지 배포 모델 이해
  • AI 워크로드 특성과 인프라 제약 조건
  • 적절한 배포 토폴로지 선택

Docker를 사용한 AI 워크로드 컨테이너화

  • GPU 및 CPU 추론 컨테이너 빌드
  • 보안 이미지 및 레지스트리 관리
  • AI를 위한 재현 가능한 환경 구현

클라우드 환경으로 AI 서비스 배포

  • Docker를 통해 AWS, Azure, GCP에서 추론 실행
  • 모델 서빙을 위한 클라우드 컴퓨팅 프로비저닝
  • 클라우드 기반 AI 엔드포인트 보안 강화

엣지 및 온프레미스 배포 기술

  • IoT 장치, 게이트웨이 및 마이크로서버에서 AI 실행
  • 엣지 환경을 위한 경량 런타임
  • 간헐적 연결성 및 로컬 영구 저장소 관리

하이브리드 네트워킹 및 안전한 연결

  • 엣지와 클라우드 간 보안 터널링
  • 인증서, 비밀 키 및 토큰 기반 접근 제어
  • 저지연 추론을 위한 성능 튜닝

분산형 AI 배포 오케스트레이션

  • 하이브리드 설치를 위한 K3s, K8s 또는 경량 오케스트레이션 사용
  • 서비스 발견 및 워크로드 스케줄링
  • 다중 위치 롤아웃 전략 자동화

환경 전반의 모니터링 및 관찰 가능성

  • 위치 간 추론 성능 추적
  • 하이브리드 AI 시스템을 위한 중앙 집중식 로깅
  • 결함 감지 및 자동 복구

하이브리드 AI 시스템의 확장 및 최적화

  • 엣지 클러스터 및 클라우드 노드 확장
  • 대역폭 사용량 및 캐싱 최적화
  • 클라우드와 엣지 간 컴퓨팅 부하 균형 조정

요약 및 다음 단계

요건

  • 컨테이너화 개념에 대한 이해
  • 리눅스 명령줄 작업 경험
  • AI 모델 배포 워크플로우에 대한 친숙함

대상

  • 인프라 아키텍트
  • Site Reliability Engineers(SREs)
  • 엣지 및 IoT 개발자
 21 시간

참가자 수


참가자별 가격

회원 평가 (3)

예정된 코스

관련 카테고리