Quando os estudantes de IA superam a sandbox: como a DSTI expandiu seu acesso à GPU com a Hivenet

No DSTI, os primeiros sinais de um problema de acesso à GPU apareceram no trabalho dos alunos.

Antes de sua parceria com Hivenet, estudantes da Escola de Engenharia DSTI usou uma sandbox educacional controlada da AWS. Isso lhes deu acesso limitado à GPU por meio de instâncias educacionais em nuvem por um período limitado. Isso foi suficiente para pequenos experimentos, mas limitou os projetos que os alunos poderiam levar adiante.

O corpo docente viu o teto rapidamente. Os alunos podiam experimentar pequenas tarefas, mas os limites do modelo chegaram rapidamente. O ambiente era controlado, as instâncias eram pequenas e os créditos eram limitados. Para os estudantes que estão aprendendo a IA moderna, esses limites moldaram o que eles poderiam tentar.

A questão se tornou mais urgente para estudantes em programas de aprendizagem. Eles estudam enquanto trabalham em empresas, onde se espera que o conhecimento em sala de aula se traduza em resultados práticos. Quando o acesso à GPU não estava disponível, alguns foram bloqueados no trabalho conectado a seus empregadores.

Foi quando o DSTI começou a procurar uma resposta de longo prazo.

(Este artigo é baseado em entrevistas com as equipes administrativas e docentes da DSTI após a primeira fase do lançamento da Hivenet.)

O limite era a disponibilidade

O acesso à GPU geralmente é discutido como um problema de custo. Para o DSTI, o custo importava, mas a disponibilidade criou a primeira pressão.

Os estudantes precisavam de um ambiente em que pudessem confiar. A configuração anterior lhes dava acesso controlado, mas não a continuidade necessária para projetos maiores. Isso dificultou a transição dos exercícios em sala de aula para um trabalho real de aprendizado profundo.

O líder do corpo docente descreveu a configuração anterior como “um sandbox educacional da AWS organizado e controlado com acesso limitado a pequenas instâncias e créditos limitados”. Era a única configuração disponível para experimentação baseada em GPU e não era suficiente para estudantes que tentavam executar projetos.

“Os limites do modelo foram atingidos muito rapidamente, pois os alunos estavam trabalhando em um ambiente de sandbox”, disse o líder do corpo docente.

Esse tipo de limite afeta o aprendizado em si. Os alunos simplificam projetos, evitam certas abordagens, aguardam o acesso ou tratam a infraestrutura como algo para contornar, em vez de algo com o qual eles possam construir.

Para a educação precoce em IA, uma sandbox pode ajudar. Para estudantes que treinam modelos, ajustam, experimentam a destilação ou aplicam suas habilidades no trabalho da empresa, a mesma caixa de areia pode se tornar uma restrição.

A DSTI precisava de acesso à GPU que pudesse apoiar o trabalho real dos estudantes sem tornar os recursos de computação inacessíveis.

A busca por uma opção viável

A DSTI avaliou outros fornecedores antes de escolher a Hivenet.

A escola encontrou uma desvantagem familiar. A maioria das alternativas surgiu como acordos de licenciamento para plataformas controladas pelo fornecedor, com custos descritos pela DSTI como “não desprezíveis” e com influência limitada sobre o tipo ou a configuração das instâncias de GPU.

Isso não se encaixava no problema.

O DSTI precisava de um ambiente que pudesse apoiar o ensino em programas de mestrado, lidar com a experimentação dos alunos e dar ao corpo docente confiança suficiente para incluir a plataforma nos cursos.

A decisão se resumiu a várias necessidades ao mesmo tempo.

O preço importava primeiro. A DSTI disse que o preço da Hivenet foi a primeira coisa que chamou sua atenção. Na estimativa da DSTI, a Hivenet custou cerca de um terço das ofertas concorrentes que avaliou. Isso deve ser lido como o relato da DSTI sobre sua própria avaliação, não como uma comparação universal de preços em todas as cargas de trabalho na nuvem.

A soberania também importava. O DSTI ensina soberania de dados para seus alunos, então a escolha da infraestrutura tinha um significado educacional e técnico. A escola queria um parceiro europeu porque o próprio provedor se tornaria parte do ambiente de aprendizagem.

“Ser um participante da UE também é uma grande vantagem para nós, pois defendemos a soberania de dados para nossos alunos”, disse o DSTI. “A parceria com alguém local é definitivamente uma causa que nos preocupa.”

O ajuste também importava. O DSTI precisava de uma configuração que pudesse ser moldada de acordo com seus requisitos de instalação, em vez de um ambiente fixo com pouco espaço para adaptação.

Essa combinação é onde Computação com Hivenet tornou-se relevante. A Hivenet deu acesso ao DSTI à computação da GPU, mas o valor se estendeu além do hardware. O DSTI precisava de acesso acessível, alinhamento europeu e um ambiente configurado em torno das necessidades de ensino.

A DSTI descreveu a oferta em uma frase: “Oferta local e personalizada que oferece GPU acessível e acessível para você”.

Por que a soberania era importante

O ângulo da soberania deve ser entendido em termos práticos. A DSTI não escolheu a Hivenet apenas por princípio. A disponibilidade criou a pressão original. O preço importava. Configuração, flexibilidade e suporte importavam.

Isso tornou a Hivenet uma opção ainda mais atraente.

As instituições trabalham com orçamentos, calendários de cursos, expectativas dos alunos, necessidades do corpo docente e restrições de aquisição. Um fornecedor europeu ainda precisa trabalhar. Ainda precisa ser acessível. Ele ainda precisa ser utilizável. Ainda precisa fazer sentido no dia a dia de uma escola.

Para o DSTI, a soberania fez parte da decisão porque se conecta ao que a escola ensina. Uma escola que treina estudantes em dados, inteligência artificial, cibersegurança e engenharia digital não pode tratar a infraestrutura como invisível. As ferramentas que os alunos usam devem estar alinhadas com os princípios que lhes são ensinados.

Quando Hivenet e DSTI anunciaram a parceria, o foco estava na computação de GPU europeia acessível para estudantes. As entrevistas por trás deste artigo mostram o que isso significava na prática: os estudantes haviam superado o ambiente disponível e o DSTI precisava de uma opção que combinasse tanto com o trabalho quanto com a instituição.

Do acesso ao uso real

Uma plataforma só importa na educação se estudantes e professores a usarem.

A DSTI implementou o Hivenet em todos os programas de nível de mestrado usando a plataforma hoje: Ciência de dados e IA, engenharia de dados para IA, análise de dados e segurança cibernética. A escola planeja expandir o acesso aos estudantes de bacharelado.

A fase de co-design foi importante porque a infraestrutura acadêmica precisa se adequar a um ambiente de ensino real. O corpo docente precisa confiar nisso. Os estudantes precisam entender isso rapidamente. Os administradores precisam de alguma habilidade para planejar o uso. Uma configuração pode ser tecnicamente capaz e ainda falhar se for difícil introduzi-la nos cursos.

O DSTI disse que a fase de implementação foi tranquila. A Hivenet aconselhou a escola sobre o planejamento de créditos e o uso esperado e, em seguida, configurou o ambiente para atender às necessidades de instalação do DSTI. Os professores estavam engajados e motivados a promover a plataforma internamente.

Do lado estudantil, o tempo até o primeiro uso foi curto o suficiente para preservar o ímpeto. De acordo com o líder do corpo docente, os alunos normalmente levam de alguns minutos a uma hora para se familiarizar com a plataforma e começar a executar trabalhos.

Esse detalhe é importante. Em uma sala de aula, o tempo perdido na configuração drena a atenção do trabalho que os alunos devem fazer. Uma plataforma de GPU para educação precisa fazer mais do que fornecer acesso bruto. Tem que ajudar os alunos a cruzar a distância entre “Eu tenho uma conta” e “meu trabalho está funcionando”.

A documentação pública da Hivenet abrange as etapas práticas para criando uma primeira instância de computação, e seus documentos de referência listam o atual Tipos e tamanhos de GPU. Para o DSTI, o ponto importante era que essa infraestrutura pudesse se tornar parte do ambiente de ensino sem assumir o controle do ensino em si.

O que mudou para os estudantes

Quando os alunos tiveram mais acesso utilizável às GPUs, a categoria de trabalho mudou.

Os estudantes do DSTI agora estão realizando principalmente trabalhos de treinamento de aprendizado profundo na Hivenet. Um exemplo exigente do líder do corpo docente foi o ajuste fino FLAN-T5-Large em um conjunto de dados de 10.000 linhas para uma tarefa de tradução de idiomas.

Os alunos também estão trabalhando em uma combinação de inferência, ajuste fino, treinamento e destilação professor-aluno.

Essa faixa mostra uma mudança na ambição. A parceria não apenas tornou os exercícios antigos mais rápidos, mas deu aos alunos espaço para trabalhar em projetos que antes estavam fora de alcance.

“O acesso à GPU permitiu que eles trabalhassem em projetos reais de aprendizado profundo, que de outra forma seriam impossíveis de realizar”, disse o líder do corpo docente.

Essa é a mudança educacional central. Agora, os alunos podem experimentar um verdadeiro trabalho de aprendizado profundo. Eles podem se aproximar das condições que enfrentarão em pesquisas, equipes de engenharia e funções aplicadas de IA.

Na educação em IA, essa diferença é importante. Os alunos não aprendem o julgamento prático ficando dentro de pequenos exemplos para sempre. Eles aprendem isso quando os modelos demoram para serem treinados, quando os dados precisam ser preparados, quando a configuração é importante, quando os trabalhos falham e quando as escolhas sobre escala e método têm consequências.

O acesso computacional oferece suporte ao ensino, permitindo que os alunos executem os tipos de trabalho que estão estudando.

O hackathon como teste

O exemplo público mais claro veio do DIRISI Hackathon.

De acordo com o DSTI, os estudantes foram selecionados para participar ao lado de um pequeno grupo de instituições reconhecidas por seus programas de IA. O desafio envolveu treinar modelos de aprendizado profundo em dados de séries temporais para prever anomalias de rede. Os estudantes precisavam de um ambiente de GPU para criar e treinar sua solução, e a DSTI lhes deu acesso à Hivenet.

Eles ficaram em segundo lugar geral, de acordo com o DSTI.

Esse é o exemplo mais forte de sucesso porque criou um antes e um depois claros. O DSTI era a mesma instituição que tinha estudantes limitados por uma área restrita e agora podia apoiar estudantes no treinamento de modelos de aprendizado profundo para um desafio aplicado exigente.

O Hackathon não é toda a história, nem para nós da Hivenet nem para a DSTI. A maior parte do aprendizado dos alunos é menos pública do que o resultado de uma competição. Mostra, no entanto, o que se torna possível quando os estudantes têm acesso a uma infraestrutura que corresponde ao nível de trabalho que lhes é solicitado.

Uma caixa de areia pode introduzir conceitos. Um ambiente de GPU utilizável permite que os alunos testem esses conceitos sob pressão.

O atrito que permanece

A parceria funcionou bem o suficiente para a renovação do DSTI, mas a experiência ainda tem atritos práticos.

O líder do corpo docente do DSTI apontou para uma área em que os estudantes precisam de mais apoio: conexões SSH e criação de chaves. Estudantes menos experientes podem diminuir a velocidade durante a configuração, especialmente se não estiverem acostumados com esse tipo de ambiente.

Esse detalhe tem consequências reais no ensino. Em um curso técnico, um aluno bloqueado pela configuração do SSH é bloqueado antes do início da tarefa de aprendizado. Se um número suficiente de alunos atingir o mesmo ponto, isso pode mudar o ritmo de uma aula.

Os documentos da Hivenet incluem orientações sobre gerando e adicionando chaves SSH no Linux, junto com outras etapas de configuração, e a interface já fornece dicas rápidas. O feedback do DSTI é que estudantes menos familiarizados com esses fluxos de trabalho se beneficiariam de documentação e suporte mais detalhados.

Como em todas as parcerias, a nossa com o DSTI ainda é uma implantação em funcionamento, com os detalhes normais de configuração que vêm com a infraestrutura real. Na educação, esses detalhes são importantes porque os alunos chegam com diferentes níveis de confiança técnica.

O objetivo é reduzir esse atrito para que os alunos possam passar menos tempo negociando o acesso e mais tempo fazendo o trabalho.

Por que o DSTI foi renovado

A DSTI já renovou a parceria com a Hivenet. A escola descreveu a renovação como “uma demonstração de confiança mútua”.

O sinal interno mais claro, de acordo com o DSTI, é o uso. A escola também descreveu “entusiasmo genuíno” no corpo discente. Esses não são números de referência, mas são significativos em um ambiente acadêmico. Uma plataforma que os estudantes evitam falhou, mesmo que pareça boa em um processo de aquisição. Uma plataforma que os alunos usam muda o que o corpo docente pode atribuir e o que os alunos acreditam que podem tentar.

O DSTI agora planeja expandir a parceria para estudantes de bacharelado. Também espera incluir a Hivenet em cursos adicionais relacionados à IA, incluindo redes neurais artificiais e ética de dados.

Isso é importante porque nem todo curso de ética exige computação de GPU. Para o DSTI, a questão mais ampla é sobre coerência. Os alunos estão aprendendo inteligência artificial, dados, cibersegurança e soberania em um ambiente técnico real. A infraestrutura faz parte desse mundo.

É por isso que a parceria é mais do que apenas uma forma mais barata de alugar GPUs. Para o DSTI, faz parte da capacidade da escola de ensinar IA moderna sem pedir aos alunos que trabalhem dentro de limites que não correspondem mais à área.

O que o caso DSTI mostra

A história da DSTI não é um modelo universal. Instituições diferentes têm necessidades diferentes. Alguns exigem notebooks gerenciados. Alguns precisam de clusters dedicados. Alguns precisam de controles rígidos de conformidade. Alguns precisam de acesso ocasional às GPUs para um pequeno grupo de estudantes avançados.

Mas o padrão é reconhecível.

Os alunos estão sendo convidados a aprender IA de maneiras mais práticas. Os professores estão sendo convidados a prepará-los para um trabalho que depende da infraestrutura real. As instituições estão sendo solicitadas a controlar os custos e, ao mesmo tempo, manter a soberania, a conformidade e a disponibilidade. Uma sandbox controlada que funciona para pequenas tarefas pode não funcionar quando os alunos se dedicam a um trabalho de IA mais exigente.

Para o DSTI, o limite ficou visível quando os alunos começaram a pedir ajuda. Eles precisavam de um acesso que pudesse apoiar cursos, experiências e trabalhos relacionados ao aprendizado. O corpo docente precisava de um ambiente que pudesse apoiar projetos reais de aprendizado profundo. A instituição precisava de um provedor que fizesse sentido financeiramente e alinhasse com sua posição europeia.

A DSTI escolheu a Hivenet porque essas necessidades se uniram em um arranjo viável.

O valor da parceria fica mais claro no movimento da história: os estudantes deixaram de atingir limites em uma sandbox para realizar trabalhos de treinamento em aprendizado profundo, aperfeiçoar modelos, usar o acesso à GPU em um hackathon nacional e se preparar para um acesso mais amplo em toda a escola.

Essa é uma lição útil. Na educação em IA, a infraestrutura molda o que os alunos podem construir, o que o corpo docente pode ensinar e se o ambiente técnico de uma escola corresponde ao trabalho que ela pede que os alunos façam.

Quando os alunos superam a área restrita, o acesso à GPU se torna parte da educação.

---

Explorar Computação com Hivenet para programas acadêmicos de IA, ou fale com a Hivenet sobre o acesso à GPU para cargas de trabalho de ensino, pesquisa e alunos.