Temario del curso
Fundamentos de la contenerización para MLOps
- Comprensión de los requisitos del ciclo de vida de ML
- Conceptos clave de Docker para sistemas de ML
- Mejores prácticas para entornos reproducibles
Construcción de Pipelines de Entrenamiento de ML Contenerizados
- Empaquetado del código de entrenamiento de modelos y sus dependencias
- Configuración de trabajos de entrenamiento mediante imágenes de Docker
- Gestión de conjuntos de datos y artefactos en contenedores
Contenerización de la Validación y Evaluación de Modelos
- Reproducción de entornos de evaluación
- Automatización de flujos de trabajo de validación
- Captura de métricas y registros desde contenedores
Inferencia y Servicio Contenerizados
- 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 con múltiples contenedores
- Aislamiento de entornos y gestión de configuración
- Integración de servicios complementarios (por ejemplo, seguimiento, almacenamiento)
Versionamiento y Gestión del Ciclo de Vida de Modelos de ML
- Seguimiento de modelos, imágenes y componentes de pipelines
- Entornos de contenedores con control de versiones
- Integración de MLflow o herramientas similares
Despliegue y Escalado de Cargas de Trabajo de ML
- Ejecución de pipelines en entornos distribuidos
- Escalado de microservicios mediante enfoques nativos de Docker
- Monitoreo de sistemas de ML contenerizados
CI/CD para MLOps con Docker
- Automatización de la compilación y el despliegue de componentes de ML
- Prueba de pipelines en entornos de preparación contenerizados
- Garantía de reproducibilidad y mecanismos de reversión
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático
- Experiencia con Python para desarrollo de datos o modelos
- Familiaridad con los fundamentos de contenedores
Público Objetivo
- Ingenieros de MLOps
- Practicantes de DevOps
- Equipos de plataformas de datos
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
