Entrar em Contato
 Duração 21 horas

Programa do Curso

Introdução às Operações do Kubernetes Aprimoradas por IA

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

Fundamentos do Gerenciamento de Recursos do Kubernetes

  • Fundamentos da alocação de CPU, GPU e memória
  • Compreendendo cotas, limites e requisições
  • Identificando gargalos e ineficiências

Abordagens de Aprendizado de Máquina para Agendamento

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

Aprendizado por Reforço para Autoescalonamento Inteligente

  • Como agentes de RL aprendem a partir do comportamento do cluster
  • Design de funções de recompensa para eficiência
  • Construção de estratégias de autoescalonamento baseadas em RL

Autoescalonamento Preditivo com Métricas e Telemetria

  • Uso de dados do Prometheus para previsão
  • Aplicação de modelos de séries temporais ao autoescalonamento
  • Avaliação da precisão das previsões e ajuste de modelos

Implementação de Ferramentas de Otimização Impulsionadas por IA

  • Integração de frameworks de ML com controladores do Kubernetes
  • Implantação de loops de controle inteligentes
  • Estendendo o KEDA para tomada de decisão assistida por IA

Estratégias de Otimização de Custo e Desempenho

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

Cenários Práticos e Casos de Uso do Mundo Real

  • Autoescalonamento de aplicações de alta carga com IA
  • Otimização de pools de nós heterogêneos
  • Aplicação de ML em ambientes multi-tenant

Resumo e Próximos Passos

Requisitos

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

Público-Alvo

  • Engineers de Confiableza de Serviço (SRE) trabalhando com sistemas distribuídos de grande escala
  • Operadores do Kubernetes gerenciando cargas de trabalho de alta demanda
  • Engenheiros de plataforma otimizando a infraestrutura de computação

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas