Ponte en Contacto

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
 14 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas