Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la Escalabilidad de Ollama

  • Arquitectura de Ollama y consideraciones de escalado
  • Cuellos de botella comunes en implementaciones multiusuario
  • Buenas prácticas para la preparación de la infraestructura

Asignación de Recursos y Optimización de GPU

  • Estrategias eficientes para la utilización de CPU/GPU
  • Consideraciones de memoria y ancho de banda
  • Restricciones de recursos a nivel de contenedor

Implementación con Contenedores y Kubernetes

  • Contenerización de Ollama con Docker
  • Ejecución de Ollama en clústeres de Kubernetes
  • Equilibrado de carga y descubrimiento de servicios

Escalado Automático y Agrupación (Batching)

  • Diseño de políticas de escalado automático para Ollama
  • Técnicas de inferencia por lotes para la optimización del rendimiento
  • Compromisos entre latencia y rendimiento

Optimización de Latencia

  • Perfiles de rendimiento de la inferencia
  • Estrategias de caché y calentamiento de modelos
  • Reducción de la sobrecarga de E/S y comunicaciones

Monitoreo y Observabilidad

  • Integración de Prometheus para métricas
  • Creación de tableros con Grafana
  • Alertas y respuesta a incidentes para la infraestructura de Ollama

Gestión de Costos y Estrategias de Escalado

  • Asignación de GPU consciente de costos
  • Consideraciones sobre implementación en la nube frente a local (on-prem)
  • Estrategias para un escalado sostenible

Resumen y Próximos Pasos

Requerimientos

  • Experiencia en administración de sistemas Linux
  • Comprensión de la contenerización y la orquestación
  • Conocimiento sobre la implementación de modelos de aprendizaje automático

Público Objetivo

  • Ingenieros DevOps
  • Equipos de infraestructura de ML
  • Ingenieros de fiabilidad de sitios (SRE)

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas