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
- Différences clés entre conteneurs et machines virtuelles
Travailler avec les images et les conteneurs Docker
- Comprendre les images, les couches et les registres
- Gérer les conteneurs pour l'expérimentation ML
- Utiliser efficacement la CLI Docker
Emballage des environnements ML
- Préparation des bases de code ML pour la conteneurisation
- Gestion des environnements Python et des dépendances
- Intégration du support CUDA et GPU
Création de Dockerfiles pour le machine learning
- Structuration des Dockerfiles pour les projets ML
- Meilleures pratiques pour la performance et la maintenabilité
- Utilisation des builds multi-étapes
Conteneurisation des modèles et des pipelines ML
- Emballage des modèles entraînés dans des conteneurs
- Gestion des stratégies de données et de stockage
- Déploiement de flux de travail bout-en-bout reproductibles
Exécution des services ML conteneurisés
- Exposition de points d'accès API pour l'inférence des modèles
- Évolutivité des services avec Docker Compose
- Surveillance du comportement en temps d'exécution
Considérations en matière de sécurité et de conformité
- Assurer des configurations de conteneurs sécurisées
- Gestion des accès et des identifiants
- Gestion des actifs ML confidentiels
Déploiement dans les environnements de production
- Publication des images dans les registres de conteneurs
- Déploiement des conteneurs dans des configurations on-premise ou cloud
- Gestion des versions et mises à jour des services de production
Synthèse et étapes suivantes
Pré requis
- Compréhension des flux de travail en machine learning
- Expérience avec Python ou des langages de programmation similaires
- Connaissance des opérations de base dans l'interface en ligne de commande Linux
Public cible
- Ingénieurs ML déployant des modèles en production
- Scientifiques des données gérant des environnements expérimentaux reproductibles
- Développeurs IA construisant des applications conteneurisées évolutives
Nos clients témoignent (3)
Comment les formateurs transmettent-ils efficacement leurs connaissances
Vu Thoai Le - Reply Polska sp. z o. o.
Formation - Certified Kubernetes Administrator (CKA) - exam preparation
Traduction automatique
le formateur avait beaucoup de connaissances et de patience à partager avec nous
Bogdan Olaru
Formation - Introduction to Docker
Traduction automatique
Les connaissances et les échanges avec Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Formation - Docker and Kubernetes
Traduction automatique