Soluzioni di Cloud Storage per Carichi di Lavoro AI e HPC

Selezionare la giusta architettura di storage è fondamentale per eseguire pipeline di machine learning efficienti e carichi di lavoro di high-performance computing (HPC). Senza una corretta configurazione dello storage, le tue risorse computazionali rimarranno inattive in attesa del caricamento dei dati. Questo corso solo testuale ti guida attraverso i concetti fondamentali dei sistemi di storage basati su cloud progettati specificamente per l'AI. Imparerai come analizzare i modelli di accesso ai dati, confrontare diverse classi di storage e scegliere le configurazioni ottimali per alimentare i tuoi modelli di training su larga scala. Cosa imparerai: - Comprendere i tipi di storage principali, inclusi sistemi di file object, block e paralleli per l'AI. - Analizzare i modelli unici di accesso ai dati e i requisiti di throughput dei carichi di lavoro di machine learning. - Confrontare le metriche di performance e l'efficienza dei costi tra i vari livelli di cloud storage. - Esplorare i moderni modelli di storage dei dati come i lakehouse e i requisiti di storage vettoriale. - Applicare le migliori pratiche per l'ingestione dei dati, il caching e l'integrazione delle pipeline di pre-elaborazione. Il corso inizia con la terminologia essenziale e i concetti fondamentali dello storage prima di illustrare modelli architetturali pratici e strategie di ottimizzazione per l'addestramento di modelli su larga scala. È progettato per principianti, appassionati di dati e professionisti del cloud che desiderano comprendere il lato storage dell'infrastruttura AI, senza alcuna esperienza pregressa in architettura cloud richiesta. Inizia oggi a costruire una solida base nell'infrastruttura dati AI.