Contacta con nosotros

Temario del curso

Introducción a la contenedorización para IA y ML

  • Conceptos fundamentales 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 en ML
  • Uso eficiente de la CLI de Docker

Empaquetado de entornos de ML

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

Construcción de Dockerfiles para aprendizaje automático

  • Estructuración de Dockerfiles para proyectos de ML
  • Mejores prácticas para rendimiento y mantenibilidad
  • Uso de compilaciones multi-etapa

Contenedorización de modelos y pipelines de ML

  • Empaquetado de modelos entrenados en contenedores
  • Gestión de estrategias de datos y almacenamiento
  • Despliegue de flujos de trabajo completos reproducibles

Ejecución de servicios de ML en contenedores

  • Exposición de puntos finales 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 del acceso y las credenciales
  • Manejo de activos confidenciales de ML

Despliegue en entornos de producción

  • Publicación de imágenes en registros de contenedores
  • Despliegue de contenedores en configuraciones on-premise o en la nube
  • Versionado y actualización de servicios de producción

Resumen y próximos pasos

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático
  • Experiencia con Python u otros lenguajes de programación similares
  • Conocimiento básico de las operaciones en la línea de comandos de Linux

Público objetivo

  • Ingenieros de ML que despliegan modelos en producción
  • Científicos de datos que gestionan entornos experimentales reproducibles
  • Desarrolladores de IA que construyen aplicaciones contenerizadas escalables
 14 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas