Contacta con nosotros

Temario del curso

Introducción a las Operaciones de Kubernetes Mejoradas con IA

  • Por qué la IA es importante para las operaciones modernas de clúster
  • Limitaciones de la lógica tradicional de escalado y programación
  • Conceptos clave del AP para la gestión de recursos

Fundamentos de la Gestión de Recursos en Kubernetes

  • Fundamentos de la asignación de CPU, GPU y memoria
  • Comprensión de cuotas, límites y solicitudes
  • Identificación de cuellos de botella e ineficiencias

Enfoques de Aprendizaje Automático para la Programación

  • Modelos supervisados y no supervisados para la ubicación de cargas de trabajo
  • Algoritmos predictivos para la demanda de recursos
  • Uso de características de AP en programadores personalizados

Aprendizaje por Refuerzo para el Escalado Automático Inteligente

  • Cómo los agentes de aprendizaje por refuerzo aprenden del comportamiento del clúster
  • Diseño de funciones de recompensa para la eficiencia
  • Construcción de estrategias de escalado automático basadas en RP

Escalado Automático Predictivo con Métricas y Telemetría

  • Uso de datos de Prometheus para la previsión
  • Aplicación de modelos de series temporales al escalado automático
  • Evaluación de la precisión de las predicciones y ajuste de modelos

Implementación de Herramientas de Optimización Impulsadas por IA

  • Integración de marcos de AP con controladores de Kubernetes
  • Despliegue de bucles de control inteligentes
  • Extensión de KEDA para la toma de decisiones asistida por IA

Estrategias de Optimización de Costos y Rendimiento

  • Reducción de costos de cómputo mediante escalado predictivo
  • Mejora de la utilización de GPU con la ubicación impulsada por AP
  • Equilibrio entre latencia, rendimiento y eficiencia

Escenarios Prácticos y Casos de Uso del Mundo Real

  • Escalado automático de aplicaciones con alta carga mediante IA
  • Optimización de grupos heterogéneos de nodos
  • Aplicación de AP a entornos multiinquilino

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento fundamental de Kubernetes
  • Experiencia con despliegues de aplicaciones en contenedores
  • Familiaridad con operaciones de clúster y gestión de recursos

Público objetivo

  • Ingenieros de Fiabilidad de Servicios (SRE) que trabajan con sistemas distribuidos a gran escala
  • Operadores de Kubernetes que gestionan cargas de trabajo de alta demanda
  • Ingenieros de plataforma que optimizan la infraestructura de cómputo
 21 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas