Temario del curso
Fundamentos de la Contenedorización para MLOps
- Comprensión de los requisitos del ciclo de vida del ML.
- Conceptos clave de Docker para sistemas de ML.
- Mejores prácticas para entornos reproducibles.
Construcción de Pipelines de Entrenamiento de ML Contenedorizados
- Empaquetado de código de entrenamiento de modelos y dependencias.
- Configuración de trabajos de entrenamiento utilizando imágenes de Docker.
- Gestión de conjuntos de datos y artefactos en contenedores.
Contenedorización de la Validación y Evaluación de Modelos
- Reproducción de entornos de evaluación.
- Automatización de flujos de trabajo de validación.
- Registro de métricas y registros (logs) desde contenedores.
Inferencia y Servidor de Modelo Contenedorizados
- Diseño de microservicios de inferencia.
- Optimización de contenedores de tiempo de ejecución para producción.
- Implementación de arquitecturas de servicio escalables.
Orquestación de Pipelines con Docker Compose
- Coordinación de flujos de trabajo de ML de múltiples contenedores.
- Aislamiento de entornos y gestión de configuración.
- Integración de servicios de soporte (por ejemplo, seguimiento, almacenamiento).
Versionamiento de Modelos de ML y Gestión del Ciclo de Vida
- Seguimiento de modelos, imágenes y componentes de pipelines.
- Entornos de contenedores con control de versiones.
- Integración de MLflow o herramientas similares.
Despliegue y Escalamiento de Cargas de Trabajo de ML
- Ejecución de pipelines en entornos distribuidos.
- Escala de microservicios utilizando enfoques nativos de Docker.
- Monitoreo de sistemas de ML contenedorizados.
CI/CD para MLOps con Docker
- Automatización de la compilación y el despliegue de componentes de ML.
- Pruebas de pipelines en entornos de staging contenedorizados.
- Aseguramiento de la reproducibilidad y los procesos de reversión (rollbacks).
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático.
- Experiencia con Python para el desarrollo de datos o modelos.
- Conocimiento de los fundamentos de los contenedores.
Audiencia
- Ingenieros de MLOps.
- Practicantes de DevOps.
- Equipos de plataformas de datos.
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
