Wersja polska
Wdrożenie Mistral: Chmura i hosting własny
Wdrażaj Mistral wszędzie: AI Studio, Azure AI, Google Vertex, AWS Bedrock, Snowflake oraz hosting własny z wykorzystaniem vLLM, TensorRT-LLM i TGI.
14 lekcji ok. 1 h 45 min Zaawansowany
Czego się nauczysz
- Porównanie AI Studio, Azure AI, Vertex, Bedrock i Snowflake pod kątem hostowania modeli Mistral
- Strukturyzacja organizacji, obszarów roboczych i poziomów cenowych w ramach Mistral AI Studio
- Uruchomienie klienta MistralAzure w języku Python i wdrożenie do środowiska produkcyjnego
- Wdrożenie modelu Mistral poprzez hosting własny z wykorzystaniem vLLM, TensorRT-LLM lub TGI
- Dobór infrastruktury GPU i wybór między zarządzanym API a hostingiem wewnętrznym
Karta kursu
- Dla kogo
- Deweloperzy, inżynierowie i integratorzy chcący wykorzystać Mistral AI poprzez API w swoich aplikacjach.
- Wymagania wstępne
- Potwierdzone doświadczenie w tworzeniu aplikacji i ich wdrażaniu do środowiska produkcyjnego.
- Czas trwania
- 1 h 45 min — 14 lekcji
- Forma
- Kurs online w 100% we własnym tempie, dostępny 24/7 z poziomu przeglądarki. Postępy są zapisywane, możliwe jest wznowienie w dowolnym momencie. Szacowany czas trwania: 1 h 45 min.
- Weryfikacja wiedzy
- Samoocena oparta na kluczowych wnioskach kończących każdą lekcję oraz bezpośrednie wdrażanie przykładów na własnych danych. Końcowy quiz składający się z 5 pytań z odpowiedziami na ostatniej lekcji potwierdza nabytą wiedzę.
- Dostępność
- Kurs we własnym tempie dostępny dla osób z niepełnosprawnościami: treść tekstowa kompatybilna z czytnikami ekranu, nawigacja za pomocą klawiatury i zgodne kontrasty. W przypadku potrzeb dostosowania prosimy o kontakt pod adresem [email protected].
- Cena
- Bezpłatnie
Program kursu
- 01 Przegląd Mistral AI Studio
- 02 Organizacje i obszary robocze
- 03 Poziomy dostępu i cennik
- 04 Azure AI: Model jako usługa
- 05 Klient MistralAzure w Pythonie
- 06 Azure w środowisku produkcyjnym
- 07 Google Vertex AI
- 08 AWS Bedrock
- 09 Snowflake, IBM watsonx i Outscale
- 10 Wprowadzenie do samodzielnego hostowania
- 11 Wdrażanie z vLLM
- 12 TensorRT-LLM i TGI
- 13 Infrastruktura i karty GPU
- 14 Wybór strategii wdrażania