Temario del curso
Introducción a las operaciones de Kubernetes mejoradas con IA
- Por qué la IA es crucial para las operaciones modernas de clúster
- Limitaciones de la lógica tradicional de escalado y programación
- Conceptos clave del aprendizaje automático para la gestión de recursos
Fundamentos de la gestión de recursos en Kubernetes
- Fundamentos de la asignación de CPU, GPU y memoria
- Comprensión de cuotas, límites y solicitudes
- Identificación de cuellos de botella e ineficiencias
Enfoques de aprendizaje automático para la programación
- Modelos supervisados y no supervisados para la ubicación de cargas de trabajo
- Algoritmos predictivos para la demanda de recursos
- Uso de características de aprendizaje automático en programadores personalizados
Aprendizaje por refuerzo para el autoescalado inteligente
- Cómo los agentes de aprendizaje por refuerzo aprenden del comportamiento del clúster
- Diseño de funciones de recompensa para mejorar la eficiencia
- Desarrollo de estrategias de autoescalado impulsadas por aprendizaje por refuerzo
Autoescalado predictivo con métricas y telemetría
- Uso de datos de Prometheus para realizar pronósticos
- Aplicación de modelos de series temporales al autoescalado
- Evaluación de la precisión de las predicciones y ajuste de modelos
Implementación de herramientas de optimización impulsadas por IA
- Integración de marcos de aprendizaje automático con controladores de Kubernetes
- Implementación de bucles de control inteligentes
- Extensión de KEDA para la toma de decisiones asistida por IA
Estrategias de optimización de costos y rendimiento
- Reducción de costos de computación mediante escalado predictivo
- Mejora de la utilización de GPU con ubicación impulsada por aprendizaje automático
- Equilibrio entre latencia, rendimiento y eficiencia
Escenarios prácticos y casos de uso del mundo real
- Autoescalado de aplicaciones de alta carga con IA
- Optimización de grupos de nodos heterogéneos
- Aplicación de aprendizaje automático en entornos multiinquilino
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos de Kubernetes
- Experiencia en la implementación de aplicaciones contenidas
- Familiaridad con operaciones de clúster y gestión de recursos
Público objetivo
- Ingenieros de confiabilidad de sitios (SRE) que trabajan con sistemas distribuidos a gran escala
- Operadores de Kubernetes que gestionan cargas de trabajo de alta demanda
- Ingenieros de plataforma que optimizan la infraestructura de computación
Testimonios (4)
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Curso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
El buen manejo de los temas por parte del instructor.
Juan Gabriel Garcia Velasco - Banco de Mexico
Curso - Docker (introducing Kubernetes)
El conocimiento y la paciencia del formador para responder a nuestras preguntas.
Calin Avram - REGNOLOGY ROMANIA S.R.L.
Curso - Deploying Kubernetes Applications with Helm
Traducción Automática
