Ponte en Contacto

Temario del curso

Introducción a la Contenedorización para IA y ML

  • Conceptos básicos de la contenedorización
  • Por qué los contenedores son ideales para cargas de trabajo de ML
  • Diferencias clave entre contenedores y máquinas virtuales

Trabajo con Imágenes y Contenedores de Docker

  • Comprensión de imágenes, capas y registros
  • Gestión de contenedores para experimentación de ML
  • Uso eficiente de la CLI de Docker

Empaquetado de Entornos de ML

  • Preparación de bases de código de ML para contenedorización
  • Gestión de entornos y dependencias de Python
  • Integración de soporte CUDA y GPU

Creación de Dockerfiles para Aprendizaje Automático

  • Estructuración de Dockerfiles para proyectos de ML
  • Mejores prácticas para el rendimiento y la mantenibilidad
  • Uso de compilaciones de múltiples etapas

Contenedorización de Modelos y Flujos de Trabajo de ML

  • Empaquetado de modelos entrenados en contenedores
  • Estrategias de gestión de datos y almacenamiento
  • Despliegue de flujos de trabajo de extremo a extremo reproducibles

Ejecución de Servicios de ML en Contenedores

  • Exposición de puntos finales de API para inferencia de modelos
  • Escalar servicios con Docker Compose
  • Monitoreo del comportamiento en tiempo de ejecución

Consideraciones de Seguridad y Cumplimiento

  • Asegurar configuraciones de contenedor seguras
  • Gestión de accesos y credenciales
  • Manejo de activos de ML confidenciales

Despliegue en Entornos de Producción

  • Publicación de imágenes en registros de contenedores
  • Despliegue de contenedores en configuraciones locales o en la nube
  • Gestión de versiones y actualizaciones de servicios de producción

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático.
  • Experiencia con Python o lenguajes de programación similares.
  • Familiaridad con las operaciones básicas de la línea de comandos de Linux.

Audiencia

  • Ingenieros de ML que despliegan modelos a producción.
  • Científicos de datos que gestionan entornos de experimentación reproducibles.
  • Desarrolladores de IA que construyen aplicaciones contenedorizadas a escala.
 14 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas