Temario del curso
Introducción a la contenerización para IA y aprendizaje automático
- Conceptos fundamentales de la contenerización
- Por qué los contenedores son ideales para cargas de trabajo de aprendizaje automático
- Principales diferencias entre contenedores y máquinas virtuales
Trabajo con imágenes y contenedores de Docker
- Comprensión de imágenes, capas y registros
- Gestión de contenedores para experimentación en aprendizaje automático
- Uso eficiente de la línea de comandos de Docker
Empaquetado de entornos de aprendizaje automático
- Preparación de bases de código de aprendizaje automático para su contenerización
- Gestión de entornos de Python y dependencias
- Integración de CUDA y soporte para GPU
Creación de Dockerfiles para aprendizaje automático
- Estructuración de Dockerfiles para proyectos de aprendizaje automático
- Mejores prácticas para el rendimiento y la mantenibilidad
- Uso de compilaciones de múltiples etapas
Contenerización de modelos y pipelines de aprendizaje automático
- Empaquetado de modelos entrenados en contenedores
- Estrategias de gestión de datos y almacenamiento
- Implementación de flujos de trabajo end-to-end reproducibles
Ejecución de servicios de aprendizaje automático contenerizados
- Exposición de puntos de acceso de API para la inferencia de modelos
- Escalar servicios con Docker Compose
- Monitorización del comportamiento en tiempo de ejecución
Consideraciones de seguridad y cumplimiento
- Aseguramiento de configuraciones de contenedores seguras
- Gestión de accesos y credenciales
- Manejo de activos confidenciales de aprendizaje automático
Implementación en entornos de producción
- Publicación de imágenes en registros de contenedores
- Implementación de contenedores en configuraciones locales 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 aprendizaje automático que implementan modelos en producción
- Científicos de datos que gestionan entornos de experimentos reproducibles
- Desarrolladores de IA que construyen aplicaciones contenerizadas escalables
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