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.
Trabajar con imágenes y contenedores de Docker
- Comprender imágenes, capas y registros.
- Administrar contenedores para experimentación con ML.
- Utilizar la interfaz de línea de comandos (CLI) de Docker de manera eficiente.
Empaquetado de entornos de ML
- Preparar códigos fuente de ML para su contenedorización.
- Administrar entornos de Python y sus dependencias.
- Integrar soporte para CUDA y GPU.
Construcción de Dockerfiles para aprendizaje automático
- Estructurar Dockerfiles para proyectos de ML.
- Mejores prácticas para rendimiento y mantenibilidad.
- Uso de compilaciones multicapa (multi-stage builds).
Contenedorización de modelos y pipelines de ML
- Empaquetar modelos entrenados dentro de contenedores.
- Administrar estrategias de datos y almacenamiento.
- Desplegar flujos de trabajo reproducibles de extremo a extremo.
Ejecución de servicios de ML contenedorizados
- Exponer puntos de acceso (endpoints) de API para inferencia de modelos.
- Escalar servicios con Docker Compose.
- Monitorear el comportamiento en tiempo de ejecución.
Consideraciones de seguridad y cumplimiento normativo
- Garantizar configuraciones seguras para los contenedores.
- Administrar accesos y credenciales.
- Manejar activos confidenciales de ML.
Despliegue en entornos de producción
- Publicar imágenes en registros de contenedores.
- Desplegar contenedores en instalaciones locales (on-prem) o en la nube.
- Gestionar versiones y actualizar servicios en 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 en Linux.
Público objetivo
- Ingenieros de ML que despliegan modelos en producción.
- Científicos de datos que administran entornos reproducibles para experimentos.
- Desarrolladores de IA que crean aplicaciones contenedorizadas y escalables.
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
