感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間:
課程簡介
AI工作流CI/CD简介
- AI模型交付管道的独特挑战
- 传统DevOps与MLOps流程对比
- 自动化模型部署的核心组件
使用Docker容器化AI模型
- 为ML推理设计高效的Dockerfile
- 管理依赖项与模型工件
- 构建安全且优化的镜像
搭建CI/CD管道
- CI/CD工具选项及其生态系统
- 构建用于自动化模型打包的管道
- 通过自动化检查验证管道
在CI中测试AI模型
- 自动化数据完整性检查
- 模型服务的单元与集成测试
- 性能与回归验证
基于Docker的AI服务自动化部署
- 将AI容器部署到云环境
- 实施蓝绿部署与金丝雀发布
- 部署失败时的回滚策略
管理模型版本与工件
- 使用注册表进行模型与容器版本控制
- 标记、签名与提升镜像
- 跨服务协调模型更新
面向AI的CI/CD监控与可观测性
- 跟踪管道与模型性能
- 构建失败或模型漂移告警
- 跨环境追踪推理行为
扩展AI系统的CI/CD管道
- 大型模型构建并行化
- 优化计算与存储资源
- 集成分布式与远程运行器
总结与后续步骤
最低要求
- 了解机器学习模型生命周期
- 具有Docker容器化经验
- 熟悉CI/CD概念与管道
目标受众
- DevOps工程师
- MLOps团队
- AI运维工程师