Getting Started - AI Factory 101#
AI Factoryのスキルを次のレベルに引き上げます - 複雑なアシスタント、高度なデータパイプライン、エンタープライズグレードのモデル提供をマスターします。
この道をとるべき人#
この中級学習パスは、次のことを目的としています。
AI機能を実稼働システムに統合する アプリケーション開発者
データエンジニア AI駆動のナレッジベースの堅牢なパイプラインを構築する
モデルの提供と可観測性を実装する AI＆プラットフォームエンジニア
Enterprise Teams ソブリンAIワークロードを大規模に展開する
前提条件 Getting Started - AI Factory 101 の完了または基本的なAI Factoryの概念に関する同等の経験。
学習成果#
このパスを完了すると、以下をマスターします。
OK 高度なAIオーケストレーション — 複雑なペルソナ、永続メモリ、ツール統合を備えたマルチステップアシスタントを構築します
OK エンタープライズデータパイプライン — マルチソースRAG、メタデータフィルタリング、ハイブリッド検索を使用してハイブリッドナレッジベースをデザインする
OK Production Model Serving — パフォーマンスチューニングを施したKServeを使用して、GPU搭載モデルを展開および最適化します
OK オペレーショナルエクセレンス — AI駆動型アプリケーションの包括的な可観測性、モニタリング、およびガバナンスを実装します。
推定合計時間 2〜3時間 | 難易度 中級
ラーニングパスモジュール#
1.高度なアシスタントと構造デザイン#
洗練されたAIオーケストレーションパターンをマスター
学習する内容
微妙なペルソナと状況記憶を備えたデザインアシスタント
エラー処理を使用して信頼性の高いマルチステップ構造を構築する
外部ツールとデータソースを安全に統合する
時間投資 30〜45分
モジュール#
** Assistants Reference Manual ** — アシスタントアーキテクチャ、ペルソナデザイン、およびメモリ管理の詳細
** Structures Reference Manual ** — 分岐ロジックと検証パターンを使用したマスターワークフローオーケストレーション
** Create an Assistant in Gen AI Builder ** — ハンズオン 統合ツールとナレッジベースを使用して制作アシスタントを構築する
** Create a Structure in Gen AI Builder ** — ハンズオン 条件付きロジックとエラーリカバリーを使用して複雑なワークフローを実装する
** Create a Tool in Gen AI Builder ** — ハンズオン 内部APIを管理された安全なAIツールとしてラップする
2.データエンジニアリングとハイブリッドナレッジベース#
AI用のエンタープライズグレードのデータパイプラインを構築
学習する内容
最適なパフォーマンスとコストを実現するハイブリッドナレッジベースをアーキテクト
マルチプルのデータソースを使用して高度なRAGパターンを実装する
メタデータのフィルタリングとランキングを使用したインテリジェントな検索を構成します
時間投資 30〜45分
モジュール#
** Best practices for Hybrid Knowledge Bases ** —データの鮮度、カバレッジ、運用コストのバランスを保つための実証済みのパターン
** Manage Knowledge Bases in Gen AI Builder ** — 運用ワークフロー 再埋め込み戦略、ソースライフサイクル管理、およびアクセス制御
** Create a Retriever in Gen AI Builder ** —ハンズオン 検索動作の微調整、高度なフィルタリングの実装、およびランキングアルゴリズムの最適化
3. KServeを使用したモデルサービング#
GPU搭載AIモデルの展開とスケーリング
学習する内容
GPUインフラストラクチャに高性能モデルを展開する
リソースの割り当てとランタイム構成を最適化する
完全なモデル展開のライフサイクルを管理する
時間投資 45〜60分
モジュール#
** Model Serving Concepts ** — KServeアーキテクチャと展開パターンを理解する
** How-To Configure a ClusterServingRuntime ** — 共有構成を使用してモデルファミリーの最適化されたランタイムを定義する
** How-To Deploy an NVIDIA NIM Microservices available on build.nvidia.comcontainer with KServe ** — ハンズオン NVIDIA NIMを活用して推論パフォーマンスを加速する
** How-To Update GPU Resources for an InferenceService ** — ハンズオン 最適なコストパフォーマンスを実現する適切なサイズのGPUとCPUリソース
** How-To Verify InferenceServices and GPU usage ** —エンドポイントを検証し、ハイブリッドマネージャーを介してGPU使用率を監視する
4.可観測性とプロダクションモニタリング#
信頼性の高い監視されたAIオペレーションを保証
学習する内容
AIパイプラインの包括的な可観測性を実装する
モデルのパフォーマンス、リソース使用量、およびシステムの状態を監視します
実稼働の準備状況とSLAコンプライアンスを確立する
時間投資 20〜30分
モジュール#
** Observability for Model Serving ** — モデルとデータパイプラインのメトリック、ロギング、およびアラートを構成する
** How-To Monitor deployed models with KServe ** — 実稼働環境でのエンドポイントの状態、レイテンシー、およびスループットを追跡する
** Observability for Model Serving ** —プラットフォームのダッシュボードと自動警告システムを活用する
学習の旅を続けます#
次は何ですか？#
高度なパターンの準備はできましたか? ** Advanced AI Factory Usage and Extensibility - AI Factory 301 ** に進んで、以下をマスターしてください
マルチエージェントオーケストレーションと複雑なワークフロー
高度な埋め込みパイプラインとベクトル最適化
エンタープライズガバナンスとコンプライアンスフレームワーク
大容量AIアプリケーションのスケーリングパターン
追加リソース#
理解が深まる
エンタープライズAIを構築する準備はできていますか?#
この201パスを完了して、 EDB Postgres AI を使用してモデル、データパイプライン、および運用インフラストラクチャを完全に制御しながら プロダクショングレードのソブリンAIアプリケーション を展開するために必要な専門知識を取得します。
最初のモジュールを開始します Assistants Reference Manual