お問い合わせ
 期間 21 時間

コース概要

ハイブリッドAI導入の基礎

  • 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
  • 最適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推論コンテナの構築
  • 安全なイメージとレジストリ管理
  • AI向け再現可能環境の実装

クラウド環境へのAIサービスのデプロイ

  • Docker経由でのAWS、Azure、GCPでの推論実行
  • モデルサービングのためのクラウドコンピューティングのプロビジョニング
  • クラウドベースのAIエンドポイントのセキュリティ確保

エッジおよびオンプレミスデプロイ技術

  • IoTデバイス、ゲートウェイ、マイクロサーバーでの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性の管理

ハイブリッドネットワークと安全な接続

  • エッジとクラウド間の安全なトンネリング
  • 証明書、シークレット、トークンベースアクセス
  • 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AIデプロイのオーケストレーション

  • ハイブリッドセットアップ向けにK3s、K8s、または軽量オーケストレーションの使用
  • 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
  • 複数拠点へのロールアウト戦略の自動化

環境全体での監視と可観測性

  • 拠点間での推論パフォーマンスの追跡
  • ハイブリッドAIシステムの集中ログ管理
  • 障害検出と自動回復

ハイブリッドAIシステムの拡張と最適化

  • エッジクラスタとクラウドノードのスケーリング
  • 帯域幅の使用量とキャッシュの最適化
  • クラウドとエッジ間の計算負荷のバランス調整

まとめと次のステップ

要求

  • コンテナ化コンセプトの理解
  • Linuxコマンドライン操作の経験
  • AIモデルデプロイメントワークフローの習熟

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

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー