Plan du cours
Introduction à la conteneurisation pour l'IA et le ML
- Concepts de base de la conteneurisation
- Pourquoi les conteneurs sont idéaux pour les charges de travail ML
- Principales différences entre les conteneurs et les machines virtuelles
Travailler avec des images et des conteneurs Docker
- Comprendre les images, les couches et les registres
- Gérer des conteneurs pour l'expérimentation ML
- Utiliser efficacement la CLI Docker
Empaqueter des environnements ML
- Préparer les bases de code ML pour la conteneurisation
- Gérer des environnements Python et leurs dépendances
- Intégrer le support CUDA et GPU
Construire des Dockerfiles pour l'apprentissage automatique
- Structurer des Dockerfiles pour les projets ML
- Meilleures pratiques pour la performance et la maintenabilité
- Utiliser des builds multi-étapes
Conteneuriser des modèles et pipelines ML
- Empaqueter des modèles formés dans des conteneurs
- Gérer les stratégies de données et de stockage
- Déployer des workflows end-to-end reproductibles
Exécuter des services ML conteneurisés
- Exposer des points de terminaison API pour l'inférence de modèle
- Évoluer les services avec Docker Compose
- Surveiller le comportement en temps d'exécution
Considérations sur la sécurité et la conformité
- Assurer des configurations de conteneurs sécurisées
- Gérer l'accès et les identifiants
- Gérer les actifs ML confidentiels
Déploiement dans des environnements de production
- Publier des images dans des registres de conteneurs
- Déployer des conteneurs en local ou dans le cloud
- Versionner et mettre à jour les services de production
Résumé et étapes suivantes
Pré requis
- Une compréhension des flux de travail en apprentissage automatique
- Une expérience avec Python ou des langages de programmation similaires
- Une familiarité avec les opérations de base sur la ligne de commande Linux
Public cible
- Ingénieurs ML déployant des modèles en production
- Scientifiques de données gérant des environnements d'expérimentation reproductibles
- Développeurs IA construisant des applications conteneurisées évolutives
Nos clients témoignent (5)
L'OC est nouveau pour nous et nous avons beaucoup appris, les laboratoires étaient excellents.
sharkey dollie
Formation - OpenShift 4 for Administrators
Traduction automatique
Tres informatif et concis. Pratique pratique.
Gil Matias - FINEOS
Formation - Introduction to Docker
Traduction automatique
Labos et discussions techniques.
Dinesh Panchal - AXA XL
Formation - Advanced Docker
Traduction automatique
Cela a fourni de solides bases pour Docker et Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
Formation - Docker (introducing Kubernetes)
Traduction automatique
J'ai principalement apprécié les connaissances du formateur.
- Inverso Gesellschaft fur innovative Versicherungssoftware mbH
Formation - Docker, Kubernetes and OpenShift for Developers
Traduction automatique