Temario del curso
Introducción a la Contenerización para IA y ML
- Conceptos básicos de la contenerización
- Por qué los contenedores son ideales para cargas de trabajo de ML
- Principales diferencias entre contenedores y máquinas virtuales
Trabajo con Imágenes y Contenedores de Docker
- Comprensión de imágenes, capas y registros
- Gestión de contenedores para la experimentación en ML
- Uso eficiente de la CLI de Docker
Empaquetado de Entornos de ML
- Preparación de bases de código de ML para la contenerización
- Gestión de entornos y dependencias de Python
- Integración de soporte para CUDA y GPU
Construcción de Dockerfiles para Aprendizaje Automático
- Estructuración de Dockerfiles para proyectos de ML
- Mejores prácticas para el rendimiento y la mantenibilidad
- Uso de compilaciones multinivel (multi-stage builds)
Contenerización de Modelos y Pipelines de ML
- Empaquetado de modelos entrenados en contenedores
- Estrategias para la gestión de datos y almacenamiento
- Despliegue de flujos de trabajo de extremo a extremo reproducibles
Ejecución de Servicios de ML Contenerizados
- Exposición de puntos finales de API para la inferencia de modelos
- Escala de servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de Seguridad y Cumplimiento Normativo
- Garantía de configuraciones de contenedores seguras
- Gestión de acceso y credenciales
- Manejo de activos de ML confidenciales
Despliegue en Entornos de Producción
- Publicación de imágenes en registros de contenedores
- Despliegue de contenedores en configuraciones locales (on-prem) o en la nube
- Control de versiones y actualización de 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 las operaciones básicas de la línea de comandos en Linux
Audiencia
- Ingenieros de ML que despliegan modelos en producción
- Científicos de datos que gestionan entornos de experimentación reproducibles
- Desarrolladores de IA que construyen aplicaciones contenerizadas escalables
Reseñas (2)
Como mencioné anteriormente, para una persona como yo (sin experiencia), esto supuso una puerta de entrada para comprender las funciones y características de estos programas, herramientas y demás.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Curso - Docker and Kubernetes
Traducción Automática
programa de cursos estructurado en múltiples niveles.
Bert Paelinckx - Cube SoftwareSolutions
Curso - Introduction to Docker
Traducción Automática
