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.
25
Lecciones
20
Prácticas
5
Quizzes
Filtro de calidad
Público solo si tiene profundidad, práctica y evaluación.
Aprendizaje aplicable
Lecciones orientadas a entregables, casos y decisiones reales.
Listo para equipos
Podemos adaptar rutas para onboarding, upskilling o ventas.
Evidencia de calidad
13.149
Caracteres promedio por lección
20
Lecciones con práctica
5
Quizzes evaluables
0
Pendientes antes de publicar
Vas a practicar con
- Estructura de proyectos ML para containerización eficiente
- Exponiendo modelos como APIs REST en contenedores
- Implementación del proyecto completo
- Evaluación final del proyecto integrador
Containerización y Despliegue de Modelos ML con Docker y Kubernetes
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
Cursos relacionados
Seguí aprendiendo dentro de la misma ruta.
GitHub Actions para CI/CD: Automatización de Builds, Tests y Deploys
Curso práctico para DevOps Engineers que desean dominar GitHub Actions implementando pipelines de CI/CD completas. Aprenderás a configurar workflows automatizados para builds, ejecución de tests y despliegues en entornos modernos, aplicando buenas prácticas desde el primer día.
Terraform en AWS: Infraestructura como Código para DevOps
Curso práctico para implementar infraestructura cloud reproducible en AWS usando Terraform. Aprenderás a diseñar, desplegar y gestionar recursos AWS mediante código, automatizando procesos y asegurando consistencia en entornos de producción.
Docker para Desarrolladores
Domina Docker para optimizar tu flujo de desarrollo, crear entornos reproducibles y desplegar aplicaciones como un profesional. Aprende a containerizar aplicaciones, gestionar múltiples contenedores y aplicar mejores prácticas de la industria.
Para estudiantes y creadores
Aprendé este tema o creá una versión para tu audiencia.
Empezá el curso o postulá tu experiencia si querés publicar una ruta revisada en el marketplace.
Para empresas
Capacitación a medida
Si querés este contenido para un equipo, armamos rutas con objetivos, seguimiento y cursos propios.
Hablar por equipos