Plan Szkolenia
Wprowadzenie do konteneryzacji dla AI i ML
- Podstawowe koncepcje konteneryzacji
- Dlaczego kontenery są idealne dla obciążeń ML
- Kluczowe różnice między kontenerami a maszynami wirtualnymi
Praca z obrazami i kontenerami Docker
- Zrozumienie obrazów, warstw i rejestrów
- Zarządzanie kontenerami w celach eksperymentowania z ML
- Efektywne korzystanie z interfejsu wiersza poleceń Docker
Pakowanie środowisk ML
- Przygotowywanie baz kodu ML do konteneryzacji
- Zarządzanie środowiskami Pythona i zależnościami
- Integracja CUDA i wsparcia dla GPU
Budowanie Dockerfile'ów dla machine learningu
- Struktura Dockerfile'ów dla projektów ML
- Najlepsze praktyki dotyczące wydajności i utrzymania
- Użycie multi-stage buildów
Konteneryzacja modeli ML i potoków
- Pakowanie wytrenowanych modeli do kontenerów
- Zarządzanie strategiami danych i przechowywania
- Wdrażanie powtarzalnych przepływów pracy od początku do końca
Uruchamianie konteneryzowanych usług ML
- Odsłanianie punktów końcowych API dla wnioskowania modelu
- Skalowanie usług za pomocą Docker Compose
- Monitorowanie zachowania w czasie wykonywania
Rozważenia dotyczące zabezpieczeń i zgodności
- Zapewnianie bezpiecznych konfiguracji kontenerów
- Zarządzanie dostępem i poświadczeniami
- Obsługa poufnych zasobów ML
Wdrażanie w środowiskach produkcyjnych
- Publikowanie obrazów do rejestrów kontenerów
- Wdrażanie kontenerów w lokalnych lub chmurowych konfiguracjach
- Wersjonowanie i aktualizacja usług produkcyjnych
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie przepływów pracy machine learningu
- Doświadczenie w Pythonie lub podobnych językach programowania
- Znajomość podstawowych operacji na linii poleceń Linux
Adresaci
- Inżynierowie ML wdrażający modele do produkcji
- Data scientists zarządzający powtarzalnymi środowiskami eksperymentów
- Rozwijać programistów AI tworzących skalowalne aplikacje konteneryzowane
Opinie uczestników (5)
Interaktywny sposób prowadzenia szkolenia.
Krzysztof Kupisz - Kredyt Inkaso S.A. Centrum Operacyjne w Lublinie
Szkolenie - Managing Kubernetes with Rancher
Cała specyfika szkolenia, tj. praktyczne (poprzez pisanie kodu, konfiguracji) zaznajamianie się z tematyką szkolenia
Adam Dereszewski - ATOS PGS sp. z o.o.
Szkolenie - Building Microservices with Spring Cloud and Docker
Bardzo informacyjny i trafiony w sedno. Praktyka w działaniu.
Gil Matias - FINEOS
Szkolenie - Introduction to Docker
Przetłumaczone przez sztuczną inteligencję
Najbardziej podobały mi się przykłady, które uzupełniały teorię na prezentacji.
Milosz Galazka - LPP S.A.
Szkolenie - OpenShift for Administrators
Laboratorium i dyskusje techniczne.
Dinesh Panchal - AXA XL
Szkolenie - Advanced Docker
Przetłumaczone przez sztuczną inteligencję