Перейти к основному содержимому

Полный учебный курс

DevOps / SRE + AI

Надёжная эксплуатация AI workloads

Serving, autoscaling, observability, контроль стоимости, безопасность и incident response.

0%0/8 уроков

Прогресс сохраняется локально в вашем браузере.

10–16 недель3 модулей8 уроков5 assessment

Модуль 1

Общий AI Core

Вероятностные режимы отказа и проверяемое поведение моделей.

РезультатSRE понимает эксплуатационные риски и ограничения AI-систем.

  1. AI-грамотность и границы моделей

    Основной

    Возможности, галлюцинации, ограничения контекста, приватность и ответственное использование.

    Материал →

  2. Prompt и context engineering

    Основной

    Инструкции, ограничения, примеры и проверка результата.

    Предпосылки: AI-грамотность и границы моделей

    Материал →

  3. Structured outputs и evaluation

    Основной

    Схемы ответов, детерминированные проверки и тестовые сценарии.

    Предпосылки: Prompt и context engineering

    Материал →Ресурс →

Модуль 2

AI runtime и serving

Inference, batching, очереди и scaling для production workloads.

РезультатКонтролируемый inference service с явными сигналами capacity и health.

  1. LLM serving

    Основнойpractice + assessment

    Managed APIs, self-hosting, health checks и компромиссы runtime.

    Материал →Практикум →Assessment →

  2. Autoscaling AI workloads

    Основнойpractice + assessment

    Capacity planning, warmup, saturation и cost-aware scaling.

    Материал →Практикум →Assessment →

Модуль 3

Observability и incidents

Tracing, расходы, alerts, rollback и операционные учения.

РезультатAI-платформа с измеримыми SLO и проверенным recovery path.

  1. AI tracing и monitoring

    Основнойpractice + assessment

    Latency, качество, token usage, retries, errors и service health.

    Материал →Практикум →Assessment →

  2. Проект: AI operations dashboard

    Проектpractice + assessment

    SLO, traces, token/cost metrics, alerts и контролируемая failure drill.

    Материал →Практикум →Assessment →

  3. AI incident response

    Основнойpractice + assessment

    Containment, fallback, rollback, коммуникация и postmortems.

    Материал →Практикум →Assessment →

Финальная практика и assessment

Курс завершается практическим артефактом и рубрикой приёмки. Результат считается готовым после прохождения acceptance criteria, а не только после чтения материалов.

LLM serving →Autoscaling AI workloads →AI tracing и monitoring →Проект: AI operations dashboard →AI incident response →Открыть roadmap →