お問い合わせ

コース概要

ハイブリッドAIデプロイメントの基礎

  • ハイブリッド、クラウド、エッジデプロイメントモデルの理解
  • AIワークロードの特徴とインフラストラクチャの制約条件
  • 適切なデプロイメントトポロジーの選択

DockerによるAIワークロードのコンテナ化

  • GPUおよびCPU用推論コンテナの構築
  • 安全なイメージとレジストリの管理
  • AI用の再現可能な環境の実装

クラウド環境へのAIサービスのデプロイメント

  • Docker経由でAWS、Azure、GCP上で推論を実行する
  • モデルサービング用のクラウドコンピューティングプロビジョニング
  • クラウドベースのAIエンドポイントのセキュリティ強化

エッジおよびオンプレミスデプロイメント技術

  • IoTデバイス、ゲートウェイ、マイクロサーバー上でのAI実行
  • エッジ環境向けの軽量ランタイム
  • 断続的な接続性とローカル永続化の管理

ハイブリッドネットワークとセキュアな接続性

  • エッジとクラウド間のセキュアなトンネリング
  • 証明書、シークレット、トークンベースのアクセス制御
  • 低レイテンシ推論のためのパフォーマンスチューニング

分散型AIデプロイメントのオーケストレーション

  • K3s、K8s、または軽量オーケストレーションを使用したハイブリッド環境での運用
  • サービスディスカバリーとワークロードスケジューリング
  • 複数拠点への展開戦略の自動化

環境全体における監視と観測性

  • 各拠点間の推論パフォーマンスの追跡
  • ハイブリッドAIシステムのための中央集権型ログ管理
  • 障害検出と自動復旧

ハイブリッドAIシステムのスケールアップと最適化

  • エッジクラスターおよびクラウドノードのスケールアウト
  • 帯域幅の使用効率化とキャッシングの最適化
  • クラウドとエッジ間での計算負荷のバランス調整

要約と次のステップ

要求

  • コンテナ化の概念に関する理解
  • Linuxコマンドライン操作の実務経験
  • AIモデルデプロイメントワークフローへの親しみ

対象者

  • インフラストラクチャアーキテクト
  • サイト信頼性エンジニア(SRE)
  • エッジおよびIoT開発者
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (3)

今後のコース

関連カテゴリー