Contacta con nosotros

Temario del curso

Introducción a EXO y agrupamiento local de IA

  • Vista general del marco EXO y el ecosistema exo-explore
  • Comparación entre inferencia centralizada en la nube e inferencia distribuida local
  • Arquitectura: descubrimiento de dispositivos libp2p, backend MLX, panel de control y capas de API
  • Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

  • Configuración de Xcode, Metal ToolChain y prerequisitos de macOS
  • Instalación de uv, Node.js y la cadena de herramientas Rust nightly
  • Instalación de la bifurcación establecida de macmon para monitoreo en Apple Silicon
  • Clonar el repositorio y compilar el panel de control con npm
  • Ejecutar EXO desde el código fuente y verificar el panel de control en localhost:52415

Instalación de EXO en Linux

  • Instalación de dependencias vía apt o Homebrew en Linux
  • Configuración de uv, Node.js 18+ y Rust nightly
  • Compilación del panel de control y ejecución de EXO en modo solo CPU
  • Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento automático de dispositivos y formación de clústeres

  • Comprensión del auto-descubrimiento basado en libp2p a través de redes locales
  • Configuración de espacios de nombres personalizados con EXO_LIBP2P_NAMESPACE para aislamiento del clúster
  • Verificación de la pertenencia del nodo en la vista del panel de control del clúster
  • Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA sobre Thunderbolt 5

  • Arquitectura de RDMA y la afirmación de reducción del 99% en la latencia
  • Habilitación de RDMA en modo Recuperación de macOS con rdma_ctl
  • Requisitos de cableado y restricciones de topología de puertos en Mac Studio
  • Igualdad de versiones de macOS en todos los nodos del clúster
  • Solución de problemas del descubrimiento de RDMA y configuración DHCP

Implementación de modelos de vanguardia

  • Uso del panel de control para cargar y segmentar modelos DeepSeek v3.1, Qwen3-235B y familia Llama
  • Vista previa de las ubicaciones de instancias con el punto final /instance/previews de la API
  • Creación de instancias de modelos con segmentación por tubería o paralelismo de tensor
  • Configuración de tarjetas de modelo personalizadas desde el hub HuggingFace

Monitoreo y solución de problemas

  • Lectura de registros de EXO y comprensión del rastreo distribuido
  • Interpretación de la salud del clúster en la vista del panel de control del clúster
  • Diagnóstico de fallos de nodos trabajadores y comportamiento de reconexión
  • Uso de EXO_TRACING_ENABLED para análisis de cuellos de botella de rendimiento

Mantenimiento del clúster y actualizaciones

  • Actualización de binarios de EXO y procedimientos de reconstrucción del panel de control
  • Migración de cachés de modelos y gestión de modelos previamente descargados mediante NFS
  • Eliminación ordenada de nodos y reequilibrio de cargas de trabajo

Requerimientos

  • Comprensión de los fundamentos de redes (IP, subredes, firewalls)
  • Experiencia con la administración de línea de comandos en macOS o Linux
  • Conocimiento de la gestión de paquetes de Python (pip/uv) y herramientas de Node.js

Audiencia objetivo

  • Administradores de sistemas
  • Ingenieros de DevOps
  • Arquitectos de infraestructura de IA responsables del despliegue local de LLM
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas