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 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.
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 de apoyo (p. ej., seguimiento, almacenamiento).
Versionado de Modelos de ML y Gestión del Ciclo de Vida
- Seguimiento de modelos, imágenes y componentes del pipeline.
- Entornos contenerizados controlados por versión.
- Integración de MLflow o herramientas similares.
Despliegue y Escalado 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 contenerizados.
CI/CD para MLOps con Docker
- Automatización de la compilación y el despliegue de componentes de ML.
- Pruebas de pipelines en entornos de pruebas contenerizados.
- Aseguramiento de la reproducibilidad y los retrocesos (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.
Público Objetivo
- Ingenieros de MLOps.
- Profesionales de DevOps.
- Equipos de plataformas de datos.
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 4350 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (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
