Plan du cours
Introduction à la conteneurisation pour l'IA et le ML
- Concepts fondamentaux 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 les conteneurs pour l'expérimentation ML
- Utiliser efficacement la CLI Docker
Empaquetage des environnements ML
- Préparer les bases de code ML pour la conteneurisation
- Gérer les environnements Python et les dépendances
- Intégrer CUDA et le support GPU
Création de 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
Conteneurisation des modèles ML et des pipelines
- Empaquetage de modèles entraînés dans des conteneurs
- Gérer les stratégies de données et de stockage
- Déployer des workflows complets reproductibles
Exécuter des services ML conteneurisés
- Exposer des points de terminaison API pour l'inférence de modèles
- 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 des actifs ML confidentiels
Déploiement dans des environnements de production
- Publier des images dans des registres de conteneurs
- Déployer des conteneurs dans des configurations sur site ou cloud
- Versionner et mettre à jour les services en production
Résumé et étapes suivantes
Pré requis
- Une compréhension des workflows d'apprentissage automatique
- Une expérience avec Python ou des langages de programmation similaires
- Une familiarité avec les opérations de base de la ligne de commande Linux
Public cible
- Ingénieurs ML déployant des modèles en production
- Scientifiques de données gérant des environnements d'expérimentation reproductibles
- Développeurs AI construisant des applications conteneurisées évolutives
Nos clients témoignent (5)
OC est nouveau pour nous et nous avons beaucoup appris, les laboratoires étaient excellents.
sharkey dollie
Formation - OpenShift 4 for Administrators
Traduction automatique
Très informatif et direct au point. Pratique pratique (Note: "pratique pratique" is a literal translation but may sound redundant in French. A better phrasing could be "Pratique appliquée". However, since the guideline specifies not to modify or add content beyond what is provided, the above translation adheres strictly to the given text.)
Gil Matias - FINEOS
Formation - Introduction to Docker
Traduction automatique
Ateliers et discussions techniques.
Dinesh Panchal - AXA XL
Formation - Advanced Docker
Traduction automatique
Il a fourni une bonne base pour Docker et Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
Formation - Docker (introducing Kubernetes)
Traduction automatique
J'ai surtout apprécié les connaissances du formateur.
- Inverso Gesellschaft fur innovative Versicherungssoftware mbH
Formation - Docker, Kubernetes and OpenShift for Developers
Traduction automatique