Temario del curso
Introducción a las operaciones de Kubernetes mejoradas con IA
- Por qué la IA es importante para las operaciones modernas de clúster
- Limitaciones de la lógica tradicional de escalado y programación
- Conceptos clave de ML para la gestión de recursos
Fundamentos de la gestión de recursos en Kubernetes
- Fundamentos de asignación de CPU, GPU y memoria
- Comprensión de cuotas, límites y solicitudes (requests)
- Identificación de cuellos de botella e ineficiencias
Enfoques de aprendizaje automático para la programación
- Modelos supervisados y no supervisados para la ubicación de cargas de trabajo
- Algoritmos predictivos para la demanda de recursos
- Uso de características de ML en programadores personalizados (custom schedulers)
Aprendizaje por refuerzo para autoscaling inteligente
- Cómo los agentes de RL aprenden del comportamiento del clúster
- Diseño de funciones de recompensa para la eficiencia
- Construcción de estrategias de autoscaling basadas en RL
Autoscaling predictivo con métricas y telemetría
- Uso de datos de Prometheus para pronósticos
- Aplicación de modelos de series temporales al autoscaling
- Evaluación de la precisión de las predicciones y ajuste de modelos
Implementación de herramientas de optimización impulsadas por IA
- Integración de marcos de trabajo ML con controladores de Kubernetes
- Despliegue de bucles de control inteligentes
- Extensión de KEDA para la toma de decisiones asistida por IA
Estrategias de optimización de costos y rendimiento
- Reducción de costos de cómputo mediante escalado predictivo
- Mejora de la utilización de GPU mediante ubicación impulsada por ML
- Equilibrio entre latencia, capacidad de transferencia (throughput) y eficiencia
Escenarios prácticos y casos de uso en el mundo real
- Autoscaling de aplicaciones de alta carga con IA
- Optimización de pools de nodos heterogéneos
- Aplicación de ML en entornos multi-tenant
Resumen y próximos pasos
Requerimientos
- Conocimiento de los fundamentos de Kubernetes
- Experiencia en el despliegue de aplicaciones contenedorizadas
- Familiaridad con la operación de clústeres y la gestión de recursos
Público objetivo
- SREs que trabajan con sistemas distribuidos a gran escala
- Operadores de Kubernetes que gestionan cargas de trabajo de alta demanda
- Ingenieros de plataforma que optimizan infraestructura de cómputo
Reseñas (4)
comprensión básica de contenedores/kubernetes y su interacción características de la plataforma Openshift
Eric Scholze - NOW IT GmbH
Curso - Introduction to Containers, Kubernetes & OpenShift
Traducción Automática
About the microservices and how to maintenance kubernetes
Yufri Isnaini Rochmat Maulana - Bank Indonesia
Curso - Advanced Platform Engineering: Scaling with Microservices and Kubernetes
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática
