Glossário
InferenceService
Recurso customizado do KServe que define como um modelo IA será servido em Kubernetes.
Recurso customizado do KServe que define como um modelo IA será servido em Kubernetes.
Onde isto aparece
- Logs, métricas e tracing: o tripé da observabilidade em KServe
- Laboratório: Deploy e Escala de um Modelo IA Aberto com KServe em Kubernetes
- Rumo ao MLOps completo: integração de KServe com pipelines de ML
- Modelos serverless, GPU e inferência distribuída no KServe
- Case: serving de modelos de visão computacional em larga escala
- Case: deploy de modelos NLP com pipelines de pré-processamento
- Gestão de custos e eficiência operacional em serving de IA
- Padrões de naming, versionamento e documentação de modelos
- Diagnóstico de falhas em endpoints e pods do KServe
- KServe, KFServing e Seldon: o que muda, o que fica
- Pipelines de CI/CD para deploy automatizado de modelos
- Gerenciamento de versões e rollout seguro de modelos
- Configuração avançada de InferenceService: recursos, timeout e batch
- Deploy de um modelo aberto: do bucket ao endpoint
- Estratégias de escalabilidade horizontal e vertical com KServe
- Escolha de modelos, formatos e pipelines de inferência
- Como o KServe usa Istio, Knative e sidecars
- Componentes internos do KServe: Controller, Webhook e InferenceService
