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.
- Administración de contenedores para la experimentación de ML.
- Uso eficiente de la línea de comandos de Docker (CLI).
Empaquetado de entornos de ML
- Preparación de bases de código de ML para la contenedorización.
- Administración de entornos y dependencias de Python.
- Integración de soporte para 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 multinivel.
Contenedores de modelos y tuberías de ML
- Empaquetado de modelos entrenados en contenedores.
- Gestión de estrategias de datos y almacenamiento.
- Despliegue de flujos de trabajo reproducibles de extremo a extremo.
Ejecución de servicios de ML contenedores
- Exposición de puntos de extremos de API para inferencia de modelos.
- Escalado de servicios con Docker Compose.
- Monitoreo del comportamiento en tiempo de ejecución.
Consideraciones de seguridad y cumplimiento
- Aseguramiento de configuraciones seguras de contenedores.
- Gestión de accesos y credenciales.
- Manejo de activos confidenciales de ML.
Despliegue en entornos de producción
- Publicación de imágenes en registros de contenedores.
- Despliegue de contenedores en configuraciones locales 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 o lenguajes de programación similares.
- Familiaridad con operaciones básicas de la línea de comandos de Linux.
Audiencia
- Ingenieros de ML que despliegan modelos en producción.
- Científicos de datos que gestionan entornos de experimentos reproducibles.
- Desarrolladores de IA que crean aplicaciones escalables y contenedores.
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
