Temario del curso
Introducción a la contenedorización para IA y aprendizaje automático
- Conceptos fundamentales de la contenedorización
- Por qué los contenedores son ideales para cargas de trabajo de aprendizaje automático
- 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 aprendizaje automático
- Uso eficiente de la interfaz de línea de comandos (CLI) de Docker
Empaquetado de entornos de aprendizaje automático
- Preparación de bases de código para contenedorización
- Gestión de entornos y dependencias de Python
- Integración de soporte CUDA y GPU
Construcción de Dockerfiles para aprendizaje automático
- Estructuración de Dockerfiles para proyectos de aprendizaje automático
- Mejores prácticas para rendimiento y mantenibilidad
- Uso de construcciones multi-etapa
Contenerización de modelos y pipelines de aprendizaje automático
- Empaquetado de modelos entrenados en contenedores
- Gestión de estrategias de datos y almacenamiento
- Despliegue de flujos de trabajo completos reproducibles
Ejecución de servicios de aprendizaje automático contenerizados
- Exposición de endpoints de API para inferencia de modelos
- Escalado de servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de seguridad y cumplimiento
- Garantizar configuraciones seguras de contenedores
- Gestión de accesos y credenciales
- Manejo de activos confidenciales de aprendizaje automático
Despliegue en entornos de producción
- Publicación de imágenes en registros de contenedores
- Despliegue de contenedores en instalaciones locales o en la nube
- Control de versiones y actualización de servicios en producción
Resumen y siguientes 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 de Linux
Público objetivo
- Ingenieros de aprendizaje automático que despliegan modelos en producción
- Científicos de datos que gestionan entornos de experimentación reproducibles
- Desarrolladores de IA que construyen aplicaciones contenerizadas 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