Módulo
Projeto
Aprenda a desenhar uma solução de serving de modelos aberta, segura e escalável.
- 01Escolha de modelos, formatos e pipelines de inferênciaA escolha correta do formato do modelo e do pipeline de inferência é decisiva para performance, portabilidade e segurança em produção. KServe suporta diversos formatos, mas cada um impõe limitações e exige decisões técnicas conscientes.
- 02Planejamento de recursos: CPU, memória e storage para IADimensionar CPU, memória e storage é essencial para garantir performance e estabilidade em inferência de IA com KServe. Cada framework de IA tem perfil de consumo distinto, e o uso de MinIO, cotas Kubernetes e autoscaling impacta diretamente o planejamento.
Voltar ao curso KServe avançado: deploy, automação e escala de modelos IA abertos
