Composants clés
L'infrastructure doit prendre en charge à la fois les systèmes Web et les services d'IA.
- Cluster Proxmox
- Kubernetes
- Écosystème Docker
- Serveurs d'inférence GPU
- surveillance des ressources
- CI/CD pour le déploiement
Infrastructure
Cloud, DevOps et infrastructure : serveurs, Kubernetes, Docker, CI/CD et inférence IA
Les solutions d'IA ont besoin non seulement de modèles, mais également d'infrastructures : serveurs, conteneurs, files d'attente de tâches, surveillance, services d'inférence et déploiement reproductible.
DevOpsKubernetesDockerProxmoxInférence GPU
Contexte
L'infrastructure comme base des projets d'IA
Le laboratoire dispose de sa propre infrastructure informatique et l'utilise pour des tâches pédagogiques, de recherche et appliquées. Cela permet de valider les hypothèses et de déployer des prototypes plus rapidement.
Une approche DevOps est importante pour tout projet sérieux : le code doit s'exécuter de manière cohérente dans les environnements de test et de production, et les erreurs doivent être visibles grâce à la surveillance.
Pourquoi c'est important
L'infrastructure de serveur permet d'exécuter des modèles, des API, des bases de données, des files d'attente, des environnements d'analyse et d'éducation sans dépendre d'un seul ordinateur local.
Fiabilité
Les systèmes sérieux nécessitent des sauvegardes, une journalisation, un contrôle de la charge, des mises à jour ordonnées et une compréhension des services critiques.
Travaux liés
Projets et recherches du laboratoire
Recherche Système de reconnaissance d'instruments chirurgicaux pour l'hôpital Saint-Panteleimon Le laboratoire a étudié et développé un système de vision par ordinateur basé sur une caméra pour reconnaître, former et cataloguer numériquement des milliers d'instruments chirurgicaux.
Recherche Recherche et développement d'un système CRM pour l'hôpital Unbroken Le laboratoire a recherché et développé un système CRM de démonstration pour un établissement médical : patients, personnel, services, tâches, diagnostics NK 025:2021, rapports PDF, autorisations et journaux d'audit.
FAQ
Questions fréquentes des partenaires
Pourquoi les projets d’IA ont-ils besoin de serveurs GPU ?
Les GPU accélèrent la formation et l'inférence de modèles pour la vision par ordinateur, le NLP et d'autres scénarios de ML dans lesquels les processeurs peuvent être trop lents.
Kubernetes est-il toujours requis ?
Non. Kubernetes est utile pour de nombreux services, pour une mise à l'échelle et un déploiement stable. Pour les petits prototypes, Docker Compose ou une configuration plus simple peut suffire.
Peut-on demander des ressources pour des tâches pédagogiques ?
Oui, pour les tâches pédagogiques, les étudiants peuvent contacter le laboratoire avec l'objectif, la durée d'utilisation et les besoins en ressources CPU ou GPU.
Coopération
Vous avez une tâche dans ce domaine ?
Le laboratoire est prêt à discuter de recherche, prototypes et projets non commerciaux avec des universités, laboratoires, entreprises, hôpitaux et institutions publiques.