Entrar em Contato

Programa do Curso

Introdução às Operações Kubernetes Aprimoradas por IA

  • Por que a IA é importante para operações modernas de clusters
  • Limitações da lógica tradicional de escalonamento e agendamento
  • Conceitos-chave do ML para gerenciamento de recursos

Fundamentos do Gerenciamento de Recursos do Kubernetes

  • Fundamentos de alocação de CPU, GPU e memória
  • Compreensão de cotas, limites e solicitações
  • Identificação de gargalos e ineficiências

Abordagens de Aprendizado de Máquina para Agendamento

  • Modelos supervisionados e não supervisionados para posicionamento de cargas de trabalho
  • Algoritmos preditivos para demanda de recursos
  • Uso de recursos de ML em agendadores personalizados

Aprendizado por Reforço para Autoescalabilidade Inteligente

  • Como agentes de RL aprendem com o comportamento do cluster
  • Design de funções de recompensa para eficiência
  • Construção de estratégias de autoescalabilidade baseadas em RL

Autoescalabilidade Preditiva com Métricas e Telemetria

  • Uso de dados do Prometheus para previsão
  • Aplicação de modelos de série temporal na autoescalabilidade
  • Avaliação da precisão das previsões e ajuste dos modelos

Implementação de Ferramentas de Otimização Baseadas em IA

  • Integração de frameworks de ML com controladores do Kubernetes
  • Implantação de laços de controle inteligentes
  • Expansão do KEDA para tomada de decisão assistida por IA

Estratégias de Otimização de Custos e Desempenho

  • Redução de custos de computação por meio do escalonamento preditivo
  • Melhoria da utilização de GPU com posicionamento orientado por ML
  • Equilíbrio entre latência, throughput e eficiência

Cenários Práticos e Casos de Uso do Mundo Real

  • Autoescalabilidade de aplicativos com alta carga usando IA
  • Otimização de pools de nós heterogêneos
  • Aplicação de ML em ambientes multiinquilinos

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fundamentos do Kubernetes
  • Experiência com implantações de aplicativos em contêineres
  • Familiaridade com operações de cluster e gerenciamento de recursos

Público-Alvo

  • Engenheiros de Confiabilidade de Site (SREs) que trabalham com sistemas distribuídos em grande escala
  • Operadores do Kubernetes gerenciando cargas de trabalho de alta demanda
  • Engenheiros de plataforma otimizando a infraestrutura de computação
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas