Prenez contact avec nous

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 les conteneurs et les machines virtuelles

Utilisation des images et conteneurs Docker

  • Comprendre les images, les couches et les registres
  • Gérer les conteneurs pour les expérimentations ML
  • Utiliser efficacement la CLI Docker

Emballage des environnements ML

  • Préparer les codebases ML pour la conteneurisation
  • Gérer les environnements Python et les dépendances
  • Intégrer le support CUDA et GPU

Création de Dockerfiles pour le machine learning

  • Structurer les Dockerfiles pour les projets ML
  • Bonnes pratiques pour les performances et la maintenabilité
  • Utiliser les builds multi-étapes

Conteneurisation des modèles et pipelines ML

  • Emballer les modèles entraînés dans des conteneurs
  • Gérer les stratégies de données et de stockage
  • Déployer des workflows de bout en bout reproductibles

Exécution des services ML conteneurisés

  • Exposer des points de terminaison API pour l'inférence de modèles
  • Mettre à l'échelle les services avec Docker Compose
  • Surveiller le comportement en temps d'exécution

Considérations relatives à la sécurité et à la conformité

  • Assurer des configurations de conteneurs sécurisées
  • Gérer les accès et les identifiants
  • Traiter les actifs ML confidentiels

Déploiement dans des environnements de production

  • Publier les images vers des registres de conteneurs
  • Déployer les conteneurs dans des infrastructures on-premise ou cloud
  • Gérer les versions et mettre à jour les services de production

Résumé et prochaines étapes

Pré requis

  • Une compréhension des workflows de machine learning
  • De l'expérience avec Python ou des langages de programmation similaires
  • Une familiarité avec les commandes de base de Linux

Public cible

  • Ingénieurs ML déployant des modèles en production
  • Scientifiques des données gérant des environnements reproductibles pour les expérimentations
  • Développeurs IA créant des applications conteneurisées évolutives
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires