Kurzusleírás

A Mastra architektúrájának és működési fogalmainak megértése

  • Alapvető komponensek és azok termelési szerepei
  • Támogatott integrációs minták vállalati környezetekhez
  • Biztonsági és irányítási szempontok

Környezetek előkészítése az ügynökök üzembe helyezéséhez

  • Konténer futási környezetek konfigurálása
  • Kubernetes klaszterek előkészítése AI ügynök munkaterhelésekhez
  • Titkos kulcsok, hitelesítő adatok és konfigurációs tárolók kezelése

Mastra AI ügynökök üzembe helyezése

  • Ügynökök csomagolása üzembe helyezéshez
  • GitOps és CI/CD használata automatizált szállításhoz
  • Üzembe helyezések ellenőrzése strukturált teszteléssel

Skálázási stratégiák termelési AI ügynökökhöz

  • Vízszintes skálázási minták
  • Automatikus skálázás HPA, KEDA és eseményvezérelt triggerekkel
  • Terheléselosztás és kéréskezelési stratégiák

Megfigyelhetőség, monitorozás és naplózás AI ügynökökhöz

  • Telemetria instrumentálásának ajánlott gyakorlatai
  • Prometheus, Grafana és naplózási stackek integrálása
  • Ügynökök teljesítményének, elmozdulásának és működési anomáliáinak nyomon követése

Teljesítmény- és erőforrás-hatékonyság optimalizálása

  • Ügynök munkaterhelések profilozása
  • Inferencia teljesítmény javítása és késleltetés csökkentése
  • Költségoptimalizálási megközelítések nagyméretű ügynök üzembe helyezésekhez

Megbízhatóság, rugalmasság és hibakezelés

  • Tervezés rugalmasság érdekében terhelés alatt
  • Áramkörszakadás, újrapróbálkozások és sebességkorlátozás implementálása
  • Katasztrófa-helyreállítási tervezés ügynök-alapú rendszerekhez

Mastra integrálása vállalati ökoszisztémákba

  • Kapcsolódás API-khoz, adatcsatornákhoz és eseménybusokhoz
  • Ügynök üzembe helyezések összehangolása vállalati DevSecOps-szal
  • Architektúrák adaptálása meglévő platformkörnyezetekhez

Összefoglalás és következő lépések

Követelmények

  • A konténerizálás és orchestration ismerete
  • Tapasztalat CI/CD munkafolyamatokkal
  • Ismeret az AI modell üzembe helyezésének fogalmaival

Közönség

  • DevOps mérnökök
  • Backend fejlesztők
  • AI munkaterhelésekért felelős platformmérnökök
 21 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák