Ponte en Contacto

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
 14 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas