Docker pour l'IA/ML

Aperçu

This course features Coursera Coach! A smarter way to learn with interactive, real-time conversations that help you test your knowledge, challenge assumptions, and deepen your understanding as you progress through the course.

In this course, you will gain a deep understanding of how Docker integrates with Machine Learning (ML) and Artificial Intelligence (AI). Docker is a powerful tool that streamlines the deployment and management of ML/AI applications, making it a crucial technology for efficient workflows.

You will start by learning the importance of Docker in the context of ML and AI, then move on to setting up Docker on your system, configuring tools, and diving into hands-on projects. The course is structured around practical scenarios, such as building a development environment for MLFlow and Jupyter, containerizing ML applications, and simulating production-grade ML systems using Docker Compose.

Each section builds on the previous, ensuring a comprehensive understanding of Docker's role in AI/ML workflows. The course progresses with focused topics, including integrating Large Language Models (LLMs) and using Docker Model Runner for local deployment.

This course is perfect for developers, data scientists, and AI/ML practitioners who wish to enhance their ability to deploy and manage machine learning systems using Docker. It is suitable for those with a basic understanding of Docker, AI/ML principles, and software development, as the course focuses on hands-on experience.

The difficulty level is intermediate. By the end of the course, you will be able to set up ML/AI environments with Docker, containerize applications, simulate production-grade ML systems, and deploy and manage AI models in Docker containers.

Programme

• Introduction
Dans ce module, nous explorerons l'importance de Docker dans le contexte de l'apprentissage automatique et de l'intelligence artificielle. Vous apprendrez comment Docker facilite la gestion efficace et le déploiement des systèmes AI/ML. De plus, vous acquerrez une expérience pratique de l'installation de Docker Desktop et de la configuration de votre environnement pour le cours.
• Lancer et Exploiter des Environnements de Développement ML avec Docker
Dans ce module, nous approfondirons le lancement et la gestion des environnements de développement d'apprentissage automatique en utilisant Docker. Vous acquerrez une expérience pratique des concepts Docker et des opérations de conteneur, ainsi que comment configurer et intégrer MLFlow et Jupyter pour un suivi des expériences et un développement de modèles fluides.
• Emballer des Applications ML en tant qu'Images de Conteneurs avec Dockerfiles
Dans ce module, nous nous concentrerons sur l'emballage des applications d'apprentissage automatique en tant que conteneurs Docker. Vous apprendrez à créer et tester des images Docker, à construire des applications à l'aide de Dockerfiles, et à déployer votre application ML conteneurisée sur des plateformes comme Hugging Face pour le partage et la collaboration.
• Simuler des Systèmes ML de Grade Production en Dev avec Docker Compose
Dans ce module, nous simulerons des systèmes d'apprentissage automatique de grade production en utilisant Docker Compose. Vous apprendrez à construire et déployer des applications, à automatiser les workflows ML et à gérer plusieurs services, tout en assurant une interaction fluide entre divers conteneurs dans un environnement de développement.
• Exécuter des LLMs Localement avec Docker Model Runner
Dans ce module, nous nous concentrerons sur l'exécution de Modèles de Langage Large localement en utilisant Docker Model Runner. Vous gagnerez une expérience pratique en configurant et lançant des LLMs dans un conteneur Docker, ainsi qu'en apprenant à configurer ces systèmes pour la compatibilité avec les API OpenAI et des plateformes similaires.
• Explorer le Protocole de Contexte de Modèle avec l'Outil MCP de Docker
Dans ce module, nous explorerons l'Outil MCP de Docker et son intégration avec Agentic AI. Vous apprendrez les fondamentaux du Protocole de Contexte de Modèle, travaillerez sur des projets pratiques, et apprendrez à gérer et automatiser les révisions de code tout en vous connectant en sécurité avec GitHub pour la collaboration.

---

Enseigné par

Packt - Course Instructors

---

Matières

Computer Science