Containerización y Despliegue de Modelos ML con Docker y Kubernetes
Aprende a containerizar tus flujos de machine learning con Docker y desplegar modelos en producción usando Kubernetes. Este curso práctico te guiará desde los conceptos básicos hasta la implementación de pipelines escalables en entornos cloud.
Generando contenido con IA...
El contenido de este curso esta siendo generado por IA. Volve en unos minutos.
Contenido del curso
Comprenderás por qué Docker es esencial para reproducibilidad en ML y crearás tu primer contenedor con un entorno de datos completo, eliminando problemas de compatibilidad en tu equipo.
- 1.1Containerización: La solución a problemas de dependencias en MLLectura15 min
- 1.2Instalación y configuración de Docker en tu entornoLectura20 min
- 1.3Creación de tu primer Dockerfile para Python y librerías de datosLectura25 min
- 1.4Práctica: Containeriza un script de preprocesamiento de datosLectura30 min
- 1.5Evaluación de conceptos Docker para MLQuiz10 min
Aprenderás a empaquetar modelos entrenados y APIs de predicción en contenedores, permitiendo despliegues consistentes entre desarrollo y producción.
- 2.1Estructura de proyectos ML para containerización eficienteLectura20 min
- 2.2Creación de imágenes Docker con modelos entrenadosLectura25 min
- 2.3Exponiendo modelos como APIs REST en contenedoresLectura20 min
- 2.4Práctica: Containeriza un pipeline completo de clasificaciónLectura30 min
- 2.5Quiz: Dockerización de flujos MLQuiz15 min
Descubrirás cómo Kubernetes resuelve el escalado automático de modelos en producción y crearás tu primer clúster para gestionar múltiples contenedores de ML.
- 3.1Arquitectura de Kubernetes: Por qué es ideal para ML en producciónLectura20 min
- 3.2Configuración de Minikube para desarrollo localLectura15 min
- 3.3Desplegando tu primer contenedor ML en KubernetesLectura25 min
- 3.4Práctica: Despliega un servicio de predicción con múltiples réplicasLectura30 min
- 3.5Evaluación de conceptos Kubernetes básicosQuiz10 min
Aprenderás a configurar autoescalado, gestionar configuraciones sensibles y monitorear el rendimiento de tus modelos en producción, asegurando alta disponibilidad.
- 4.1ConfigMaps y Secrets: Gestión de parámetros de modelosLectura20 min
- 4.2Autoescalado horizontal de pods para picos de demandaLectura25 min
- 4.3Monitoreo de métricas de modelos desplegadosLectura20 min
- 4.4Práctica: Configura autoescalado para un modelo de recomendaciónLectura30 min
- 4.5Quiz: Gestión avanzada en KubernetesQuiz15 min
Aplicarás todo lo aprendido construyendo un sistema completo que entrena, containeriza y despliega un modelo en Kubernetes con monitoreo y escalado automático.
- 5.1Diseño del pipeline: Desde datos hasta predicciones en producciónLectura20 min
- 5.2Containerización del entrenamiento y servicio de predicciónLectura25 min
- 5.3Despliegue en Kubernetes con CI/CD básicoLectura25 min
- 5.4Implementación del proyecto completoLectura45 min
- 5.5Evaluación final del proyecto integradorQuiz20 min
Crea tu propio curso
La IA genera el contenido. Vos elegis el tema. En minutos tenes un curso completo para compartir.
Crear curso gratis