Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Edizione in italiano

Distribuzione di Mistral: Cloud e Self-Hosting

Distribuisci Mistral ovunque: AI Studio, Azure AI, Google Vertex, AWS Bedrock, Snowflake e self-hosting con vLLM, TensorRT-LLM e TGI.

14 lezioni ca. 1 h 45 min Avanzato

Cosa imparerai

  • Confrontare AI Studio, Azure AI, Vertex, Bedrock e Snowflake per l'hosting dei modelli Mistral
  • Strutturare organizzazioni, workspace e piani tariffari all'interno di Mistral AI Studio
  • Istanziare il client MistralAzure in Python ed eseguire il deployment in produzione
  • Distribuire un modello Mistral tramite self-hosting con vLLM, TensorRT-LLM o TGI
  • Dimensionare l'infrastruttura GPU e valutare il compromesso tra API gestita e hosting interno

Scheda del corso

Destinatari
Sviluppatori, ingegneri e integratori che intendono sfruttare Mistral AI tramite API nelle loro applicazioni.
Prerequisiti
Esperienza consolidata nello sviluppo di applicazioni e nel deployment in produzione.
Durata
1 h 45 min — 14 lezioni
Modalità
Corso online 100% autonomo, accessibile 24/7 da browser. Progressi salvati, ripresa in qualsiasi momento. Durata stimata: 1 h 45 min.
Valutazione
Autovalutazione basata sui punti chiave che concludono ogni lezione e implementazione diretta degli esempi sui propri casi d'uso. Un quiz finale di 5 domande corrette alla fine dell'ultima lezione convalida le conoscenze acquisite.
Accessibilità
Corso autonomo accessibile alle persone con disabilità: contenuti testuali compatibili con screen reader, navigazione da tastiera e contrasti conformi. Per eventuali esigenze di adattamento, scrivere a [email protected].
Prezzo
Gratis

Contenuto del corso

  1. 01 Panoramica di Mistral AI Studio
  2. 02 Organizzazioni e Workspace
  3. 03 Livelli e prezzi
  4. 04 Azure AI: Model as a Service
  5. 05 Il client MistralAzure in Python
  6. 06 Azure in produzione
  7. 07 Google Vertex AI
  8. 08 AWS Bedrock
  9. 09 Snowflake, IBM watsonx e Outscale
  10. 10 Introduzione al Self-Hosting
  11. 11 Distribuzione con vLLM
  12. 12 TensorRT-LLM e TGI
  13. 13 Infrastruttura e GPU
  14. 14 Scegliere la tua strategia di deployment