Contacta con nosotros

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

Trabajando con imágenes y contenedores de Docker

  • Comprensión de imágenes, capas y registros
  • Gestión de contenedores para experimentación en aprendizaje automático
  • Uso eficiente de la CLI de Docker

Empaquetado de entornos de aprendizaje automático

  • Preparación de bases de código de aprendizaje automático para su contenedorización
  • Gestión de entornos de Python y dependencias
  • 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 compilaciones multietapa

Contenedorización de modelos y flujos de trabajo 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 containerizados

  • Exposición de puntos finales 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 configuraciones locales o en la nube
  • Versionado 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 operaciones básicas de línea de comandos en Linux

Público objetivo

  • Ingenieros de aprendizaje automático que despliegan modelos en producción
  • Científicos de datos que gestionan entornos experimentales reproducibles
  • Desarrolladores de IA que construyen aplicaciones escalables y containerizadas
 14 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas