آموزش داکر برای هوش مصنوعی و یادگیری ماشین (Docker for AI/ML) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• چرا و چگونه داکر برای یادگیری ماشین و هوش مصنوعی اهمیت دارد Why and How Docker is important for Machine Learning / Artificial Intelligence

• چرا و چگونه داکر برای یادگیری ماشین و هوش مصنوعی اهمیت دارد (مرور مجدد) Why and How Docker is important for Machine Learning / Artificial Intelligence (Revisit)

• داکر در دنیای LLMها و هوش مصنوعی عامل‌محور (Agentic AI) Docker in the world of LLMs and Agentic AI

• نصب و تایید صحت Docker Desktop Installing and validating Docker Desktop

• راه‌اندازی ابزارها و محیط مورد نیاز برای این دوره Setting up tools and environment for this course

راه‌اندازی و مدیریت محیط‌های توسعه ML با داکر Launch and Operate ML Dev Environments with Docker

• پروژه: راه‌اندازی محیط توسعه ML با داکر (MLFlow و Jupyter) Project - Setup ML Dev Environment with Docker (MLFlow and Jupyter)

• مفاهیم داکر: تصاویر، کانتینر، رجیستری، ریپوزیتوری و دریافت تصاویر Docker Concepts - Images, Container, Registry, Repository. Pulling Images

• اجرا، تحلیل و اتصال به کانتینر MLFlow Launch, Analyse, and Connect to MLFlow Container

• عملیات کانتینر: گزینه‌های رایج، Detaching، لیست کردن و مدیریت کانتینرها Container Operations - Common options, Detaching, Listing, Managing Containers

• راه‌اندازی محیط JupyterLabs با استفاده از Volume مشترک با سیستم میزبان Launch JupyterLabs Notebook Environment with a Volume shared with Host

• نوشتن و اجرای یک پروژه ساده ML با نوت‌بوک Jupyter میزبانی شده در کانتینر Writing and executing a simple ML Project with Container Hosted Jupyter Notebook

• اتصال نوت‌بوک به کانتینر MLFlow برای ردیابی آزمایش‌ها Connect Notebook with MLFlow Container for Experiment Tracking

بسته‌بندی برنامه‌های ML به عنوان تصاویر کانتینری با Dockerfiles Packaging ML Apps as Container Images with Dockerfiles

• پروژه Nebula: کانتینری کردن برنامه ML مشاور تکنولوژی و میزبانی آن در Hugging Face Project Nebula - Containerize Tech Stack Advisor ML App and Host it on Hugging Face

• ساخت و تست پروژه ML و آموزش مدل Build and test the ML Project and Train the Model

• چرا و چگونه ابتدا تصاویر کانتینر را به صورت دستی بسازیم؟ Why and how to build Container Images Manually First?

• ساخت گام‌به‌گام تصویر کانتینر با استفاده از رویکرد امری (Imperative) Building a container image step by step using the Imperative Approach

• ساخت و تست تصویر با استفاده از Dockerfile Building and Testing the Image using Dockerfile

• تحلیل، تگ‌گذاری و انتشار تصاویر کانتینر Analyzing, Tagging and Publishing Container Images

• چگونه Dockerfile بنویسیم؟ بررسی سریع دستورات How to write Dockerfile? Instructions Quick Dive

• استقرار و میزبانی برنامه کانتینری در Hugging Face Spaces Deploy and Host Containerized App to Hugging Face Spaces

شبیه‌سازی سیستم‌های ML سطح عملیاتی در محیط توسعه با Docker Compose Simulating Production Grade ML Systems in Dev with Docker Compose

• پروژه: ساخت و استقرار برنامه ML پیش‌بینی قیمت خانه در محیط توسعه با Docker Compose Project - Build and Deploy House Price Predictions ML App in Dev with Docker Compose

• درک پشته برنامه (Application Stack) و جریان کاری ML Understanding the Application Stack and the ML Workflow

• خودکارسازی اجرای MLFlow با کد از طریق نوشتن Compose Spec و یادگیری سینتکس Compose Automate MLFlow Launch with Code by writing Compose Spec, Learn Compose Syntax

• اجرای خط لوله پردازش داده‌ها، مهندسی ویژگی و آموزش مدل برای پیش‌بینی قیمت خانه Run the Data Processing, Feature Engineering and Model Training Pipeline for House Price Prediction

• ترکیب برنامه‌های FastAPI و Streamlit با استفاده از Multi Service Compose Spec Composing FastAPI and Streamlit Apps with Multi Service Compose Spec

• اتصال سرویس‌ها با استفاده از Service Discovery مبتنی بر DNS در Docker Compose Connecting Services using DNS-Based Service Discovery offered by Docker Compose

اجرای مدل‌های زبانی بزرگ (LLM) به صورت محلی با Docker Model Runner Running LLMs Locally with Docker Model Runner

• پروژه: ادغام برنامه LocalGPT با LLM محلی با استفاده از Docker Model Runner Project - Integrate LocalGPT App with Locally Running LLM using Docker Model Runner

• Docker Model Runner چیست؟ چگونه آن را با Docker Desktop راه‌اندازی کنیم؟ What is Docker Model Runner? How to Set it up with Docker Desktop?

• بررسی Docker Model Runner: دریافت یک مدل LLM از کاتالوگ Gen AI و اجرای آن Exploring Docker Model Runner - Pull a LLM Model from Gen AI Catalogue and Run it

• اجرای برنامه LocalGPT با Docker Model Runner و اتصال سازگار با OpenAI Launching LocalGPT App with Docker Model Runner with OpenAI Compatible Connection

• پیکربندی Docker Model Runner به عنوان یک Provider برای Compose Configuring Docker Model Runner as a Provider to Compose

بررسی پروتکل کانتکست مدل با Docker MCP Toolkit Exploring Model Context Protocol with Docker MCP Toolkit

• پروژه: بررسی Docker MCP Toolkit Project - Explore Docker MCP Toolkit

• پروتکل کانتکست مدل (MCP) چیست و چگونه زیربنای هوش مصنوعی عامل‌محور را می‌سازد What is Model Context Protocol (MCP) and how it sets the foundation for Agentic AI

• شروع کار با Docker MCP Toolkit و کاتالوگ MCP با Gordon AI Getting started with Docker MCP Toolkit and MCP Catalogue with Gordon AI

• استفاده از Filesystem MCP Server Using Filesystem MCP Server

• اتصال امن به GitHub MCP Server و استفاده از دسترسی Read Only Securely connecting to GitHub MCP Server and using Read-Only Access

• تولید خودکار کد، کنترل نسخه و ارسال به گیت‌هاب با استفاده از MCP Auto-generating Code, Revision Controlling it, and Pushing it to GitHub with MCP