Contacta con nosotros

Temario del curso

Introducción a EXO y Clustering de IA Local

  • Visión general del framework EXO y el ecosistema exo-explore
  • Comparación entre inferencia centralizada en la nube e inferencia local distribuida
  • Arquitectura: descubrimiento de dispositivos libp2p, backend MLX, dashboard y capas API
  • Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

  • Configuración de Xcode, Metal ToolChain y prerequisitos de macOS
  • Instalación de uv, Node.js y Rust nightly toolchain
  • Instalación del fork macmon pinning para monitoreo de Apple Silicon
  • Clonado del repositorio y construcción del dashboard con npm
  • Ejecución de EXO desde el código fuente y verificación del dashboard en localhost:52415

Instalación de EXO en Linux

  • Instalación de dependencias mediante apt o Homebrew en Linux
  • Configuración de uv, Node.js 18+ y Rust nightly
  • Construcción del dashboard y ejecución de EXO en modo solo CPU
  • Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento automático de dispositivos y formación de clústeres

  • Comprensión del auto-descubrimiento basado en libp2p en redes locales
  • Configuración de namespaces personalizados con EXO_LIBP2P_NAMESPACE para aislamiento del clúster
  • Verificación de la membresía de nodos en la vista de clúster del dashboard
  • Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA sobre Thunderbolt 5

  • Arquitectura de RDMA y la afirmación de reducción de latencia del 99 por ciento
  • Habilitación de RDMA en el modo de recuperación de macOS con rdma_ctl
  • Requisitos de cables y restricciones de topología de puertos en Mac Studio
  • Emparejamiento de versiones de macOS en todos los nodos del clúster
  • Resolución de problemas de descubrimiento RDMA y configuración DHCP

Implementación de modelos avanzados

  • Uso del dashboard para cargar y fragmentar modelos DeepSeek v3.1, Qwen3-235B y la familia Llama
  • Vista previa de ubicaciones de instancia con el punto final /instance/previews API
  • Creación de instancias de modelos con segmentación por pipeline o tensor-parallel
  • Configuración de tarjetas de modelo personalizadas desde el hub HuggingFace

Monitoreo y resolución de problemas

  • Lectura de registros EXO y comprensión del rastreo distribuido
  • Interpretación de la salud del clúster en la vista de clúster del dashboard
  • Diagnóstico de fallos de nodos trabajadores y comportamiento de reconexión
  • Uso de EXO_TRACING_ENABLED para análisis de cuellos de botella de rendimiento

Mantenimiento del clúster y actualizaciones

  • Actualización de binarios EXO y procedimientos de reconstrucción del dashboard
  • Migración de cachés de modelos y gestión de modelos pre-descargados sobre NFS
  • Eliminación ordenada de nodos y reequilibrio de cargas de trabajo

Requerimientos

  • Comprensión de los fundamentos de redes (IP, segmentación de subredes, firewalls)
  • Experiencia con la administración de la línea de comandos de macOS o Linux
  • Conocimiento sobre gestión de paquetes de Python (pip/uv) y herramientas de Node.js

Público objetivo

  • Administradores de sistemas
  • Ingenieros de DevOps
  • Arquitectos de infraestructura de IA responsables del despliegue de LLM en instalaciones propias
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas