お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 21 時間
コース概要
AI強化型Kubernetes運用の入門
- なぜAIが現代的クラスタ運用に重要か
- 従来のスケーリングおよびスケジューリングロジックの限界
- リソース管理におけるMLの主要概念
Kubernetesリソース管理の基礎
- CPU、GPU、メモリ割り当ての基礎
- クォータ、制限、リクエストの理解
- ボトルネックと非効率性の特定
スケジューリングのための機械学習アプローチ
- ワークロード配置のための教師ありおよび教師なしモデル
- リソース需要のための予測アルゴリズム
- カスタムスケジューラーにおけるML特徴の使用
インテリジェントなオートスケーリングのための強化学習
- RLエージェントがクラスタの動作からどのように学習するか
- 効率のための報酬関数の設計
- RL駆動のオートスケーリング戦略の構築
メトリクスとテレメトリを用いた予測オートスケーリング
- Prometheusデータを予測に使用する方法
- オートスケーリングへの時系列モデルの適用
- 予測精度の評価とモデルのチューニング
AI駆動型最適化ツールの実装
- MLフレームワークをKubernetesコントローラーに統合する方法
- インテリジェントな制御ループのデプロイ
- KEDAを拡張してAI支援の意思決定を行う方法
コストとパフォーマンスの最適化戦略
- 予測スケーリングによる計算コストの削減
- ML駆動の配置によるGPU利用率の向上
- レイテンシ、スループット、効率のバランス調整
実践シナリオと実世界のユースケース
- AIを用いた高負荷アプリケーションのオートスケーリング
- ヘテロニアスなノードプールの最適化
- マルチテナント環境へのMLの適用
まとめと次のステップ
要求
- Kubernetesの基本知識
- コンテナ化アプリケーションのデプロイ経験
- クラスタ運用とリソース管理の習熟度
対象読者
- 大規模分散システムで働くSRE
- 高負荷ワークロードを管理するKubernetesオペレーター
- 計算インフラを最適化するためのプラットフォームエンジニア
お客様の声 (2)
以前申し上げたように、私のような(経験がない)者にとって、これはこれらのプログラムやツールなどの機能や働きを理解するための入り口となりました。
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
コース - Docker and Kubernetes
機械翻訳
コンテナとKubernetesの基本的な理解、およびそれらがどのように連携するか OpenShiftプラットフォームの特徴
Eric Scholze - NOW IT GmbH
コース - Introduction to Containers, Kubernetes & OpenShift
機械翻訳