Ponte en Contacto

Temario del curso

Introducción a la escalabilidad de Ollama

  • Arquitectura de Ollama y consideraciones de escalado
  • Cuellos de botella comunes en despliegues de múltiples usuarios
  • Mejores prácticas para la preparación de la infraestructura

Asignación de Recursos y Optimización de GPU

  • Estrategias de uso eficiente de CPU/GPU
  • Consideraciones de memoria y ancho de banda
  • Restricciones de recursos a nivel de contenedor

Despliegue con Contenedores y Kubernetes

  • Contenerización de Ollama con Docker
  • Ejecución de Ollama en clusters de Kubernetes
  • Balanceo de carga y descubrimiento de servicios

Autoescalado y Loteo (Batching)

  • Diseño de políticas de autoescalado para Ollama
  • Técnicas de inferencia por lotes para optimizar el rendimiento
  • Compromisos entre latencia y rendimiento (throughput)

Optimización de Latencia

  • Perfilización del rendimiento de inferencia
  • Estrategias de caché y calentamiento de modelos
  • Reducción de la sobrecarga de E/S y comunicación

Monitoreo y Observabilidad

  • Integración de Prometheus para métricas
  • Creación de paneles de control (dashboards) con Grafana
  • Alertas y respuesta a incidentes para la infraestructura de Ollama

Gestión de Costos y Estrategias de Escalado

  • Asignación de GPU con enfoque en costos
  • Consideraciones de despliegue en la nube vs. en sitio (on-prem)
  • Estrategias para un escalado sostenible

Resumen y Siguientes Pasos

Requerimientos

  • Experiencia en administración de sistemas Linux
  • Conocimiento de la contenerización y la orquestación
  • Familiaridad con el despliegue de modelos de aprendizaje automático

Audiencia

  • Ingenieros de DevOps
  • Equipos de infraestructura de ML
  • Ingenieros de confiabilidad del sitio (SRE)
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas