- Суть
- Практическое применение Docker в задачах машинного обучения, генеративного и агентного искусственного интеллекта.
- Формат
- интенсив
- На выходе
- Контейнеризация ML-окружений и блокнотов Jupyter; Создание Docker-образов для моделей машинного обучения; Оркестрация многоконтейнерных приложений через Docker Compose; Развертывание моделей и приложений на платформе Hugging Face; Локальный запуск LLM в изолированных контейнерах
- Навыки
- Docker · Docker Compose · Docker Model Runner · FastAPI · Streamlit · Model Context Protocol (MCP)
- Кому подойдёт
- Специалисты по анализу данных и инженеры машинного обучения; Инженеры DevOps и специалисты по MLOps; Разработчики и исследователи
- Знать заранее
- Базовые навыки программирования на Python; Общие представления о машинном обучении и знакомство с scikit-learn, pandas или TensorFlow; Компьютер с установленным Docker Desktop или Rancher под Windows, macOS или Linux; Аккаунт на GitHub для работы с репозиториями