Contacta con nosotros

Temario del curso

Fundamentos de Tencent Hunyuan para Producción

  • Visión general de los escenarios de servicio de modelos Tencent Hunyuan.
  • Características de producción de modelos grandes y MoE.
  • Cuellos de botella comunes en latencia, capacidad de procesamiento (throughput) y costos.
  • Definición de objetivos de nivel de servicio 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 contenedorizado, in situ (on-premise) y en la nube.
  • Conceptos básicos de carga de modelos, enrutamiento de solicitudes y asignación de GPU.
  • Diseño para la fiabilidad y simplicidad operativa.

Optimización de Latencia en la Práctica

  • Uso de motores de inferencia optimizados como TensorRT cuando sea aplicable.
  • Conceptos del KV-cache y ajuste práctico de 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.

Capacidad de Procesamiento (Throughput), Agrupación (Batching) y Eficiencia de GPU

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

Cuantización y Control de Costos

  • Por qué es importante la cuantización para el servicio en producción.
  • Compromisos prácticos de FP16, INT8 y otras opciones de precisión comunes.
  • Equilibrio entre calidad del modelo, latencia y costo de infraestructura.
  • Creación de una lista de comprobación sencilla para la optimización de costos.

Operaciones, Monitoreo y Revisión de Preparación

  • Disparadores de escalado automático para servicios de inferencia.
  • Monitoreo de latencia, capacidad de procesamiento (throughput), uso de caché y salud de la GPU.
  • Conceptos básicos de registro de eventos (logging), alertas y respuesta a incidentes.
  • Revisión de una implementación de referencia y creación de un plan de mejora.

Requerimientos

  • Comprensión básica del despliegue de modelos de lenguaje grande y flujos de trabajo de inferencia.
  • Experiencia con contenedores, infraestructura en la nube o in situ (on-premise) y servicios basados en API.
  • Conocimientos prácticos de Python o tareas de ingeniería de sistemas.

Público 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