Универсальный интенсив по Docker для машинного обучения, генерации искусственного интеллекта и агентного ИИ

Гурав Шах (Gourav J. Shah) разбирает практическое применение Docker в задачах машинного обучения, генеративного и агентного искусственного интеллекта — от контейнеризации блокнотов до локального запуска больших языковых моделей и связки сервисов через Compose.

О чём интенсив

Интенсив сосредоточен на настройке рабочих окружений для задач ИИ и машинного обучения, чтобы избавиться от ошибок несовместимости при переносе кода между компьютерами разработчиков и серверами. Автор показывает, как изолировать зависимости, стандартизировать процессы в командах и публиковать готовые проекты на платформе Hugging Face Spaces.

В программе детально рассматриваются современные инструменты экосистемы контейнеризации. Вы изучите локальный запуск больших языковых моделей через Docker Model Runner, сборку контейнеров с помощью Dockerfile, многосервисную оркестрацию в Docker Compose и применение инструментария Docker Model Context Protocol (MCP) для построения рабочих процессов агентного ИИ.

Практические проекты

Обучение выстроено вокруг создания прикладных решений, которые можно сразу использовать в работе:

• воспроизводимая среда разработки на базе Jupyter и библиотеки scikit-learn;
• контейнеризация модели машинного обучения с интерфейсом FastAPI;
• панель мониторинга Streamlit для инференса моделей в реальном времени;
• среда выполнения LLM с помощью Docker Model Runner;
• многосервисная система на Docker Compose, связывающая интерфейс, API и саму модель;
• конвейер CI/CD для автоматической сборки и публикации образов в Docker Hub.

Для кого

Материал рассчитан на разработчиков и инженеров, работающих с искусственным интеллектом:

• специалистов по анализу данных и инженеров машинного обучения, которым необходимо переносить модели в производственную среду;
• инженеров DevOps и специалистов по MLOps, поддерживающих команды ИИ-разработки и создающих надёжные пайплайны;
• разработчиков и исследователей, желающих запускать LLM и веб-панели локально в изолированных контейнерах без рутинных проблем с зависимостями.

Требования к участникам

Для прохождения уроков достаточно базовых навыков программирования на Python: умения запускать скрипты и взаимодействовать с блокнотами. Пригодятся общие представления о машинном обучении и знакомство с такими библиотеками, как scikit-learn, pandas или TensorFlow.

Потребуется компьютер с установленным Docker Desktop или Rancher под управлением Windows, macOS или Linux, а также аккаунт на GitHub для работы с репозиториями. Предварительный опыт работы с Docker не обязателен — настройка среды демонстрируется с нуля.

Формат и материалы

Интенсив состоит из 6 тематических разделов, включающих 45 лекций общей продолжительностью 6 часов 4 минуты. Оригинальный язык видеоматериалов — английский.