Contacta con nosotros

Temario del curso

Fundamentos de Producción de Tencent Hunyuan

  • Visión general de los escenarios de servicio del modelo Tencent Hunyuan
  • Características de producción de modelos grandes y MoE
  • Principales cuellos de botella de latencia, throughput y costos
  • Definición de objetivos de nivel de servicio (SLO) para cargas de trabajo de inferencia

Arquitectura de Despliegue y Flujo de Servicio

  • Componentes principales de una pila de inferencia en producción
  • Elección entre modelos de despliegue en contenedores, on-premise y en la nube
  • Conceptos básicos de carga de modelos, enrutamiento de solicitudes y asignación de GPU
  • Diseño para confiabilidad y simplicidad operativa

Optimización de Latencia en la Práctica

  • Uso de motores de inferencia optimizados como TensorRT, según corresponda
  • Conceptos del KV-cache y ajuste práctico del caché
  • Reducción de la sobrecarga de inicio, calentamiento (warmup) y respuesta
  • Medición del tiempo hasta el primer token y la velocidad de generación de tokens

Throughput, Agrupación (Batching) y Eficiencia de GPU

  • Estrategias de agrupación continua y de solicitudes
  • Gestión de la concurrencia y el comportamiento de las colas
  • Mejora de la utilización de GPU sin afectar la experiencia del usuario
  • Manejo de solicitudes de contexto largo y cargas de trabajo mixtas

Cuantización y Control de Costos

  • Importancia de la cuantización para el servicio en producción
  • Compromisos prácticos entre FP16, INT8 y otras opciones comunes de precisión
  • Equilibrio entre calidad del modelo, latencia y costos de infraestructura
  • Elaboración de una lista de verificación simple para optimización de costos

Operaciones, Monitoreo y Revisión de Listo

  • Disparadores (triggers) para el autoescalado de servicios de inferencia
  • Monitoreo de latencia, throughput, uso de caché y salud de la GPU
  • Conceptos básicos de registro (logging), alertas y respuesta a incidentes
  • Revisión de un despliegue de referencia y creación de un plan de mejora

Requerimientos

  • Comprensión básica de los flujos de trabajo de despliegue e inferencia de modelos de lenguaje grande (LLM)
  • Experiencia con contenedores, infraestructura en la nube o on-premise y servicios basados en API
  • Conocimiento práctico de Python o tareas de ingeniería de sistemas

Audiencia Objetivo

  • Ingenieros de ML que despliegan LLMs en producción
  • Ingenieros de plataforma responsables de servicios de inferencia basados en GPU
  • Arquitectos de soluciones que diseñan plataformas de servicio de IA escalables
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas