Ce cours intègre la fonctionnalité « Coursera Coach » !

Une façon plus intelligente d’apprendre grâce à des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos idées reçues et à approfondir votre compréhension au fur et à mesure que vous avancez dans le cours. Dans ce cours, vous acquerrez une compréhension approfondie de la manière dont Docker s’intègre au Machine Learning (ML) et à l’Intelligence Artificielle (IA). Docker est un outil puissant qui rationalise le déploiement et la gestion des applications de ML/IA, ce qui en fait une technologie essentielle pour des flux de travail efficaces. Vous commencerez par découvrir l’importance de Docker dans le contexte du ML et de l’IA, puis vous passerez à l’installation de Docker sur votre système, à la configuration des outils et à la réalisation de projets pratiques. Le cours s’articule autour de scénarios pratiques, tels que la création d’un environnement de développement pour MLFlow et Jupyter, la conteneurisation d’applications ML et la simulation de systèmes ML de niveau production à l’aide de Docker Compose. Chaque section s’appuie sur la précédente, garantissant ainsi une compréhension complète du rôle de Docker dans les workflows d’IA et de ML. La formation aborde ensuite des thèmes spécifiques, notamment l’intégration de grands modèles linguistiques (LLM) et l’utilisation de Docker Model Runner pour le déploiement local. Ce cours est idéal pour les développeurs, les data scientists et les professionnels de l’IA/ML qui souhaitent améliorer leurs compétences en matière de déploiement et de gestion de systèmes d’apprentissage automatique à l’aide de Docker. Il s’adresse à ceux qui possèdent des connaissances de base sur Docker, les principes de l’IA/ML et le développement logiciel, car le cours met l’accent sur l’expérience pratique. Le niveau de difficulté est intermédiaire. À l’issue de cette formation, vous serez en mesure de configurer des environnements d’IA et d’apprentissage automatique avec Docker, de conteneuriser des applications, de simuler des systèmes d’apprentissage automatique de niveau production, ainsi que de déployer et de gérer des modèles d’IA dans des conteneurs Docker.