Description
Cette formation de trois jours permet aux participants de déployer, administrer et exploiter Nutanix Enterprise AI (NAI), la plateforme d'inférence GenAI de Nutanix permettant de déployer des modèles de langage sur site ou en cloud, tout en gardant le contrôle des données et de l'infrastructure. Elle couvre la préparation de l'environnement Kubernetes et GPU, l'installation de NAI, les tâches d'administration courantes (gestion des utilisateurs, import de modèles, configuration des endpoints, gestion des clés API), ainsi que la supervision, l'audit et le dépannage. Une attention particulière est portée aux scénarios de déploiement en environnement déconnecté (dark site / air-gapped), pertinents pour les organisations soumises à de fortes exigences de souveraineté et de sécurité des données.
Objectifs pédagogiques
- À l'issue de la formation, les participants seront en mesure de :
- Comprendre l'architecture et le positionnement de Nutanix Enterprise AI
- Identifier les exigences, limitations et prérequis de licence de la plateforme
- Sélectionner les versions de Kubernetes et les configurations GPU adaptées
- Préparer un environnement Kubernetes compatible avec NAI (stockage, DNS, certificats, registry)
- Déployer la plateforme sur un environnement de référence, et comprendre les variantes de déploiement sur NKP, EKS, AKS et GKE
- Installer NAI et réaliser les tâches d'administration essentielles
- Gérer les utilisateurs, importer des modèles, configurer les endpoints et les clés API
- Superviser les performances à l'aide de métriques en temps réel et exploiter les outils d'audit
- Diagnostiquer et résoudre les problèmes courants
- Comprendre les spécificités d'un déploiement en environnement déconnecté
Public concerné
Administrateurs IT et administrateurs d'infrastructure
Administrateurs IA/ML et ingénieurs plateforme
Ingénieurs DevOps amenés à déployer et exploiter des solutions d'IA
Personnel technique en charge du déploiement et de la gestion des solutions d'IA de l'organisation
Prérequis
Disposer d'une connaissance pratique de Kubernetes : installation, gestion et dépannage
Disposer de notions d'infrastructure virtualisée (machines virtuelles, hyperviseurs, réseau virtuel)
Disposer de notions de stockage, de GPU et d'environnements cloud / IaaS
Une familiarité avec la ligne de commande Linux est recommandée
Cette formation s'adresse à un public technique et n'est pas une introduction à l'intelligence artificielle
Déroulé du programme
1
Jour 1 · Architecture, prérequis et environnement (7 heures)
7h
2
Module 1 — Introduction à Nutanix Enterprise AI (1h30)
1h
3
• Positionnement de NAI comme plateforme d'inférence GenAI d'entreprise
4
• Concepts : entraînement, fine-tuning et inférence
5
• Architecture de la plateforme et composants
6
• Cas d'usage en entreprise et en environnement souverain
7
• Intégration avec les fournisseurs de modèles (NVIDIA NIM, Hugging Face)
8
Module 2 — Exigences, licences et préparation de l'environnement (3h00)
3h
9
• Exigences et limitations de NΑΙ
10
• Licences et droits d'accès, fichiers produits (product files)
11
• DNS, URL et certificats
12
• Registry et Nutanix Docker Hub private repository
13
• Stockage RWX et classes de stockage
14
• Prérequis GPU et drivers
15
• Choix des versions de Kubernetes et configurations GPU adaptées à l'inférence
16
Module 3 — Environnement Kubernetes de référence et variantes de déploiement (2h00)
2h
17
• Préparation d'un environnement Kubernetes compatible avec NAI
18
• Déploiement sur Nutanix Kubernetes Platform (NKP)
19
• Variantes de déploiement sur Amazon EKS, Azure AKS et Google GKE (présentation comparée)
20
• Points de vigilance transverses : stockage, GPU, DNS, certificats, registry, tokens
21
• TP: préparation et vérification d'un cluster de référence
22
Jour 2 — Installation et administration de NAI (7 heures)
7h
23
Module 4 — Installation de NAI (2h30)
2h
24
• Distinction entre installation manuelle, installation sur NKP et installation sur cluster Kubernetes existant
25
• Processus d'installation de la plateforme
26
• Vérification et validation du déploiement
27
• Configuration initiale
28
• TP : installation guidée de NAI sur un environnement préparé
29
Module 5 — Administration des utilisateurs et des accès (2h00)
2h
30
• Gestion des utilisateurs
31
• Contrôle d'accès basé sur les rôles (RBAC)
32
• Bonnes pratiques de gestion des accès
33
• TP: configuration des utilisateurs et des rôles
34
Module 6 — Gestion des modèles et des endpoints (2h30)
2h
35
• Import de modèles
36
• Ajout et gestion des access tokens Hugging Face et NVIDIA NGC
37
• Accès aux modèles gated Hugging Face et autorisations spécifiques
38
• Configuration des endpoints
39
• Gestion des clés API
40
• Déploiement et exposition de modèles GenAI
41
• TP : import d'un modèle, ajout d'un token et configuration d'un endpoint
42
Jour 3 — Supervision, déploiement déconnecté et dépannage (7 heures)
7h
43
Module 7 — Supervision, audit et exploitation (2h30)
2h
44
• Monitoring des modèles, des API, des endpoints et de l'infrastructure
45
• Kubernetes Resource Monitoring et GPU Usage Monitoring
46
• Audit des événements (Event Auditing) et traçabilité
47
• Sélection d'un LLM selon qualité, performance et coût
48
• Connexion d'une application consommatrice à un endpoint NΑΙ
49
• TP : supervision d'une instance et connexion d'une application
50
Module 8 — Déploiement en environnement déconnecté (1h30)
1h
51
• Principes des déploiements dark site / air-gapped
52
• Bundle dark site et conditions de licence/support
53
• Contraintes et points d'attention
54
• Pertinence pour les organisations soumises à des exigences de souveraineté
55
• TP : préparation d'un scénario de déploiement déconnecté
56
Module 9 — Dépannage (2h30)
2h
57
• Méthodologie de dépannage
58
• Échec de prérequis, erreurs DNS et certificats
59
• Problèmes d'accès au registry
60
• Échec d'import de modèle, endpoint non créé, clé API invalide
61
• Ressources GPU insuffisantes et erreurs de performance
62
• Problèmes de santé du cluster (health checks)
63
• TP de synthèse : résolution de scénarios
64
Synthèse et clôture (30 min)
65
• Récapitulation des acquis
66
• Échanges et questions
Informations
Durée
3 jour(s)
21h
Tarif
Sur demande
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse bayésienne (4-107)
3 jour(s)
Sur demande