Infraestructura de IA: tipos de implementación

Overview

Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off

One annual plan covers every course and certificate on Coursera. 40% off for a limited time.

En este curso, se proporciona una guía completa para implementar, administrar y optimizar cargas de trabajo de IA y computación de alto rendimiento (HPC) en Google Cloud. A través de una serie de lecciones y demostraciones prácticas, explorarás diversas estrategias de implementación, que van desde entornos altamente personalizables que utilizan Google Compute Engine (GCE) hasta soluciones administradas como Google Kubernetes Engine (GKE). Específicamente, aprenderás a crear clústeres y a implementar GKE para realizar inferencia.

Syllabus

Descripción general del curso

En este módulo, se ofrece una descripción general del curso y se describen los objetivos de aprendizaje.

Proceso de creación de clústeres

En este módulo, se detalla el proceso de creación de un clúster de AI Hypercomputer. Se abordan las decisiones clave necesarias, como elegir un tipo de máquina, una opción de consumo, una opción de implementación, un organizador y una imagen de clúster.

Crea un clúster con Compute Engine

En este módulo, se identifican las opciones de configuración clave y las técnicas de optimización para implementar un clúster de AI Hypercomputer en Google Compute Engine (GCE). Se aborda la selección de tipos de máquinas, imágenes de SO del acelerador, opciones de implementación y estrategias para optimizar el rendimiento de la red.

Compila con Google Kubernetes Engine (GKE)

En este módulo, se identifican las opciones de configuración para implementar un clúster de AI Hypercomputer en Google Kubernetes Engine (GKE). Se abordan la creación de contenedores, los modos de operación de GKE, la configuración de red y las técnicas de optimización de cargas de trabajo, como el entrenamiento distribuido y el uso compartido de GPU.

Implementa con GKE para realizar inferencia

En este módulo, se examinan las técnicas de optimización para diseñar la arquitectura de carga de trabajo de inferencia en GKE. Se explican el flujo de trabajo de inferencia de GKE, la infraestructura clave y las optimizaciones a nivel de modelo.