Temario del curso
Introducción a la contenedorización para IA y ML
- Conceptos fundamentales de la contenedorización
- 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 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 su contenedorización
- Gestión de entornos de Python y dependencias
- Integración de soporte CUDA y GPU
Creación de Dockerfiles para el aprendizaje automático
- Estructuración de Dockerfiles para proyectos de ML
- Buenas prácticas para el rendimiento y la mantenibilidad
- Uso de compilaciones en varias etapas (multi-stage builds)
Contenedorización 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
- Escala de servicios con Docker Compose
- Monitoreo del comportamiento en tiempo de ejecución
Consideraciones de seguridad y cumplimiento
- Aseguramiento de configuraciones de contenedores seguras
- Gestión de accesos 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
- Versionado 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 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 en contenedores 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
