Temario del curso
Introducción a la contenerización para IA y ML
- Conceptos fundamentales de la contenerización
- Por qué los contenedores son ideales para cargas de trabajo de ML
- Diferencias clave entre contenedores y máquinas virtuales
Trabajando con imágenes y contenedores de Docker
- Comprensión de imágenes, capas y registros
- Administración de contenedores para experimentación de ML
- Uso eficiente de la interfaz de línea de comandos (CLI) de Docker
Empaquetado de entornos de ML
- Preparación de repositorios de código para contenerización
- 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 rendimiento y mantenibilidad
- Uso de compilaciones en varias etapas (multi-stage builds)
Contenerización de modelos y pipelines de ML
- Empaquetado de modelos entrenados dentro de contenedores
- Gestión de estrategias de datos y almacenamiento
- Implementación de flujos de trabajo reproducibles de extremo a extremo
Ejecución de servicios de ML contenerizados
- Exposición de puntos finales de API para inferencia de modelos
- Escalado de servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de seguridad y cumplimiento
- Garantización de configuraciones seguras de contenedores
- Gestión de accesos y credenciales
- Manejo de activos confidenciales de ML
Implementación en entornos de producción
- Publicación de imágenes en registros de contenedores
- Despliegue de contenedores en instalaciones propias o configuraciones en la nube
- Versionado y actualización de servicios en producción
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo del aprendizaje automático
- Experiencia con Python u otros lenguajes de programación similares
- Familiaridad con las operaciones básicas de la línea de comandos de Linux
Audiencia objetivo
- Ingenieros de ML que implementan modelos en producción
- Científicos de datos que gestionan entornos reproducibles para experimentación
- Desarrolladores de IA que crean aplicaciones escalables y contenerizadas
Testimonios (3)
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
el formador tenía mucho conocimiento y paciencia para compartir con nosotros
Bogdan Olaru
Curso - Introduction to Docker
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática