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
Trabajo con imágenes y contenedores de Docker
- Comprensión de imágenes, capas y registros
- Gestión de contenedores para experimentación en ML
- Uso eficiente de la CLI de Docker
Empaquetado de entornos de ML
- Preparación de bases de código de ML para la contenerización
- Gestión de entornos y dependencias de Python
- Integración de soporte para CUDA y GPUs
Creación de archivos Docker para aprendizaje automático
- Estructuración de archivos Docker para proyectos de ML
- Mejores prácticas para el rendimiento y la mantenibilidad
- Uso de construcciones de múltiples etapas (multi-stage builds)
Contenerización de modelos y pipelines de ML
- Empaquetado de modelos entrenados en contenedores
- Estrategias de gestión de datos y almacenamiento
- Despliegue de flujos de trabajo completos reproducibles
Ejecución de servicios de ML empaquetados en contenedores
- Exposición de puntos finales de API para inferencia de modelos
- Escala de servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de seguridad y cumplimiento
- Garantizar configuraciones seguras de contenedores
- 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 (on-prem) o en la nube
- Gestión de versiones y actualización 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.
- Conocimiento de las operaciones básicas de la línea de comandos de Linux.
Público objetivo
- Ingenieros de ML que despliegan modelos en producción.
- Científicos de datos que gestionan entornos de experimentación reproducibles.
- Desarrolladores de IA que construyen aplicaciones escalables basadas en contenedores.
Reseñas (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