Módulo 5: System Design
🏗️ Módulo 5: System Design para AI
Sección titulada «🏗️ Módulo 5: System Design para AI»Duración estimada: 8-10 semanas
🎯 Objetivos de Aprendizaje
Sección titulada «🎯 Objetivos de Aprendizaje»Al finalizar este módulo, serás capaz de:
- Diseñar sistemas distribuidos escalables y resilientes
- Desplegar aplicaciones AI en Kubernetes con Helm
- Gestionar infraestructura como código con Terraform
- Implementar patrones de serving: batch, streaming, online
- Elegir y optimizar estrategias de base de datos
- Orquestar sistemas event-driven con colas de mensajes
- Construir stack completo de observabilidad
📋 Contenido
Sección titulada «📋 Contenido»- CAP Theorem, Eventual Consistency, CQRS
- Service Mesh con Istio
- Lab: Sistema Distribuido con gRPC
- Herramientas: gRPC, Protocol Buffers, Istio, Consul
- Deployments, Services, Ingress, StatefulSets
- Helm charts para aplicaciones ML
- Lab: Desplegar LLM en K8s
- Herramientas: Kubernetes, Helm, K9s, Lens
- Terraform: Resources, Modules, State Management
- Multi-cloud: AWS + Azure + GCP
- Lab: Infraestructura Completa
- Herramientas: Terraform, Terragrunt, Atlantis
- Batch vs Streaming vs Online inference
- Model serving: vLLM, TorchServe, TensorFlow Serving
- Lab: API de Inference Escalable
- Herramientas: vLLM, Ray Serve, Triton Inference Server
- OLTP vs OLAP, Data Warehouse, Data Lake
- Postgres, Redis, MongoDB, ClickHouse
- Lab: Arquitectura Híbrida
- Herramientas: PostgreSQL, Redis, ClickHouse, S3
- RabbitMQ vs Kafka vs Redis Streams
- Event sourcing, SAGA pattern
- Lab: Pipeline Event-Driven
- Herramientas: Apache Kafka, RabbitMQ, Redis Streams
- Logs: Loki, Elasticsearch
- Métricas: Prometheus, Grafana
- Tracing: Jaeger, Tempo
- Lab: Stack Completo
- Herramientas: Grafana Stack, ELK Stack, OpenTelemetry
🎓 Proyectos Prácticos
Sección titulada «🎓 Proyectos Prácticos»- Plataforma ML Multi-Cloud: Terraform + K8s + Helm
- Sistema de Serving Híbrido: Batch + Streaming + Online
- Observability Stack: Logs + Métricas + Tracing integrados