Docker
Plataforma de contenedores que empaqueta código y dependencias de forma reproducible.
CategoríaMLOps
DificultadIntermedio
Tiempo de aprendizaje2-3 semanas
¿Qué puedes lograr con esta herramienta?
Los resultados prácticos que desbloquea.
- Empaquetar un modelo con todas sus dependencias exactas para que corra igual en cualquier máquina
- Eliminar el clásico 'en mi máquina sí funciona'
- Desplegar modelos como servicios portables en cualquier nube
Descripción
Docker empaqueta código, dependencias y configuración en contenedores ligeros y reproducibles. Para un data scientist, resuelve el problema de que un modelo entrenado localmente funcione igual en un servidor de producción o en la nube.
Casos de uso
- Empaquetado reproducible de entornos de ML
- Despliegue de modelos como servicios/APIs
- Desarrollo en entornos consistentes entre equipo
- Base para orquestadores como Kubernetes
Instalación
curl -fsSL https://get.docker.com | shEjemplo básico
FROM python:3.12-slim
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["python", "serve.py"]Ventajas y limitaciones
Ventajas
- Reproducibilidad total del entorno entre máquinas
- Estándar universal soportado por toda plataforma en la nube
- Facilita el paso de notebook a servicio en producción
Limitaciones
- Curva de aprendizaje si nunca se ha usado Linux/contenedores
- Imágenes mal optimizadas pueden pesar varios GB
Alternativas
Herramientas que resuelven un problema parecido de otra forma.