Temario del curso
Introducción a la Contenerización para IA y ML
- Conceptos fundamentales de la contenerización
- 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 línea de comandos de Docker (CLI)
Empaquetado de Entornos de ML
- Preparación de bases de código de ML para contenerización
- Gestión 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 multi-estadio (multi-stage builds)
Contenerización de Modelos y Pipelines de ML
- Empaquetado de modelos entrenados en contenedores
- Estrategias de gestión de datos y almacenamiento
- Despliegue de flujos de trabajo de extremo a extremo reproducibles
Ejecución de Servicios de ML en Contenedores
- Exposición de puntos finales de API para inferencia de modelos
- Escalar servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de Seguridad y Cumplimiento Normativo
- Garantía de configuraciones seguras de contenedores
- Gestión de accesos y credenciales
- Gestión de activos de ML confidenciales
Despliegue en Entornos de Producción
- Publicación de imágenes en registros de contenedores
- Despliegue de contenedores en configuraciones on-premise 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 línea de comandos en Linux
Público Objetivo
- Ingenieros de ML que despliegan modelos en producción
- Científicos de datos que gestionan entornos de experimentos reproducibles
- Desarrolladores de IA que construyen aplicaciones escalables en contenedores
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