Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Escalarización de Ollama
- Arquitectura de Ollama y consideraciones para el escalado
- Cuellos de botella comunes en implementaciones multiusuario
- Prácticas recomendadas para la preparación de la infraestructura
Asignación de Recursos y Optimización de GPU
- Estrategias de uso eficiente de CPU/GPU
- Consideraciones sobre 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
- Balanceo de carga y descubrimiento de servicios
Escalado Automático y Procesamiento por Lotes
- Diseño de políticas de escalado automático para Ollama
- Técnicas de inferencia por lotes para optimizar el rendimiento (throughput)
- Compromisos entre latencia y rendimiento (throughput)
Optimización de Latencia
- Perfiles de rendimiento de la inferencia
- Estrategias de almacenamiento en caché y calentamiento de modelos
- Reducción de la sobrecarga de E/S y comunicación
Monitoreo y Observabilidad
- Integración de Prometheus para métricas
- Creación de tableros (dashboards) con Grafana
- Alertas y respuesta a incidentes para la infraestructura de Ollama
Gestión de Costos y Estrategias de Escalado
- Asignación de GPU consciente de los costos
- Consideraciones sobre implementación en la nube frente a local (on-premises)
- Estrategias para un escalado sostenible
Resumen y Próximos Pasos
Requerimientos
- Experiencia en administración de sistemas Linux
- Comprensión de la contenerización y orquestación
- Conocimiento sobre la implementación de modelos de aprendizaje automático
Público Objetivo
- Ingenieros DevOps
- Equipos de infraestructura de IA/ML
- Ingenieros de confiabilidad de sitios (SRE)
21 Horas