loading
議程簡介

可觀察性對於金融業內的AI科學家帶來的好處與挑戰

容器化(Containerization)幾乎已經成為現代服務部署的標準配備了。我們看到所有主要的雲供應商都支持通用容器編排框架,例如 Kubernetes、OpenShift。雖然金融業多半使用的服務都是受到限制的,無法完整得到開放源碼的好處,但考量在 AI/ML 的發展上,我們還是盡可能地在封閉的環境裡選擇開放的解決方案。而 Kubernetes 上也持續出現了許多 ML 的整合方案。這意味著科學家/工程師可以輕鬆地(?)將模型部署為雲平台上的容器並對其進行擴展和縮減。但,真的這麼美好嗎?

 

1. 以一個金融業內的 AI 科學家/工程師,在由 AI 核心為基礎所提供的服務,應該要以什麼樣的態度來與同伴們合作。

2. 在使用託管或是受限制的服務中想達成可觀察性(Observability)的技術挑戰。

3. 如何在非同步的分散式架構(如兩組人所維護的不同組 k8s cluster)中達成可觀察性。

4. 可觀察性如何能協助我們在服務突然出現異常時,儘速找到問題?

K8s 跨雲 容器與開發 微服務
中階 中文
宋政隆 Alan
宋政隆 Alan
中國信託商業銀行
副總經理
講者簡介

就職於中國信託商業銀行數據暨科技研發處智能研發部,帶領團隊包含架構師、資料科學家以及軟體工程師,以 AI 技術及大數據來加值業務場景的服務與產品。

曾擔任 HTC 健康醫療事業部產品研發處處長,開發雲端服務架構與深度學習平台。

最新消息

news photo

美國NSA與CISA發布《Kubernetes強化指南》

了解更多
news photo

Kubeflow框架再被用來對Kubernetes叢集發動挖礦攻擊

了解更多
news photo

伺服器端應用已在Kubernetes 1.22成為正式功能

了解更多
news photo

【臺灣SRE實例:Line臺灣】如何確保Line服務天天不中斷,專責SRE扮演開發與維運的橋樑

了解更多
報名購票