Módulo
Configuração
Personalize e otimize o comportamento do KServe para diferentes cenários.
- 01Configuração avançada de InferenceService: recursos, timeout e batchAjustar CPU, memória, storage, timeouts e batching no KServe é essencial para garantir performance, estabilidade e custo sob controle em produção. Esta lição mostra como configurar cada parâmetro crítico do InferenceService, com exemplos reais e boas práticas.
- 02Gerenciamento de versões e rollout seguro de modelosO KServe permite versionar modelos e realizar rollout progressivo sem downtime, usando divisão de tráfego entre versões. O controle é feito pelo campo 'traffic', que distribui porcentagens de requisições para cada predictor. Monitoramento e rollback são essenciais para garantir segurança e performance durante o rollout.
Voltar ao curso KServe avançado: deploy, automação e escala de modelos IA abertos
