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 de ML
- Différences clés entre conteneurs et machines virtuelles
Travail avec les images et conteneurs Docker
- Comprendre les images, les couches et les dépôts (registries)
- Gestion des conteneurs pour l'expérimentation ML
- Utilisation efficace de l'interface en ligne de commande Docker (CLI)
Encapsulation 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
- Bonnes pratiques pour la performance et la maintenabilité
- Utilisation de builds multi-étapes
Conteneurisation des modèles et pipelines ML
- Encapsulation des modèles entraînés dans des conteneurs
- Gestion des stratégies de données et de stockage
- Déploiement de workflows bout-en-bout reproductibles
Exécution de services ML conteneurisés
- Exposition de points d'accès API pour l'inférence de modèles
- Mise à l'échelle des services avec Docker Compose
- Surveillance du comportement en temps d'exécution
Considérations relatives à la sécurité et à la conformité
- Garantir 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 dépôts de conteneurs
- Déploiement de conteneurs dans des configurations locales ou cloud
- Gestion des versions et mise à jour des services de production
Résumé et prochaines étapes
Pré requis
- Une compréhension des workflows de machine learning
- Une expérience avec Python ou des langages de programmation similaires
- Une familiarité avec les opérations de base en ligne de commande Linux
Public cible
- Ingénieurs ML déployant des modèles en production
- Scientifiques des données gérant des environnements d'expérimentation reproductibles
- Développeurs IA créant des applications conteneurisées scalables
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