Jouw resultaat

Na afloop van deze training kun je:

• RAG-pipelines uitrollen op Kubernetes met Helm en NVIDIA NIM Operator
• NVIDIA NIM's gebruiken voor schaalbare, containerized Large Language Models (LLM's) en embeddingmodellen
• Applicatiecomponenten koppelen, aanpassen, uitbreiden en autoschalen
• Applicatieperformances monitoren met Prometheus en Grafana
• Load testen en optimaliseren van RAG-pipelines

Voor wie

Deze training is bedoeld voor:

• Machine Learning Engineers die RAG-toepassingen willen uitrollen in productieomgevingen
• AI-developers die schaalbare AI-diensten willen implementeren
• DevOps Engineers die Kubernetes-omgevingen beheren waarin AI-workloads draaien
• Software Architects die robuuste AI-architecturen ontwerpen
• Technical Leads die Proof-of-Concepts willen opschalen naar enterprise-productiesystemen

Aanpak

De training is praktijkgericht en interactief. Je werkt hands-on in een Kubernetes-cluster en leert:

• Een infrastructuur opzetten
• Een RAG-pipeline uitrollen en configureren
• Monitoring inrichten
• Autoscaling implementeren
• Performance optimaliseren
• Alle onderdelen worden ondersteund met heldere uitleg, demonstraties en realistische labs.

Voorkennis

• Basiskennis van Kubernetes en containerorkestratie.
• Ervaring met AI-modellen en LLM's is een pré.
• Bekendheid met Helm, Prometheus en Grafana is handig, maar niet verplicht.

Studiemateriaal

• Toegang tot interactieve labs in een Kubernetes-cluster
• Stapsgewijze instructies via digitale leeromgeving
• Technische documentatie over NIM's, Helm, monitoringtools en scalingtechnieken

Certificaat

Na afloop van deze training ontvang je het deelnamecertificaat ‘Introduction to Deploying RAG Pipelines for Production at Scale’ van Computrain. 

Inhoud

• Introductie: productieklare RAG-pipelines op schaal
• Kerncomponenten: NVIDIA NIM's, Kubernetes, Helm, Prometheus, Grafana
• Set-up Kubernetes: inrichten van de interactieve leeromgeving en basis-Kubernetes-commando's
• Deployment: end-to-end deployment van een RAG-pipeline met Helm en gebruik van individuele NIM-services
• Monitoring: toepassen van DCGM, configuratie van Prometheus en Grafana voor performance monitoring
• Autoscaling: implementatie van horizontale autoscaling (HPA) op basis van aangepaste metrics
• Load Testing: belastingstesten uitvoeren en prestatie-analyses maken