Ultimate Docker Bootcamp for ML | Complete Course 2026

Ultimate Docker Bootcamp for ML is a comprehensive, hands-on course designed to take you from the fundamentals to advanced, real-world mastery of docker. Whether you are just starting out or looking to level up, this course gives you the structured path and practical projects you need to succeed.

Throughout the lessons you will build genuine confidence with docker and agentic, learning through clear explanations and step-by-step examples you can apply immediately. Below you will find everything the course covers, who it is for, and a full breakdown of the curriculum before you download.

Course Description

دوره [New] Ultimate Docker Bootcamp for ML, GenAI and Agentic AI. این دوره یک برنامه آموزشی کاملاً عملی است که به طور خاص برای متخصصان این حوزه طراحی شده است. این دوره با استفاده از پروژه‌های واقعی، نحوه بهره‌گیری کامل از Docker برای توسعه، استقرار و تضمین سازگاری در پروژه‌های ML، هوش مصنوعی مولد و عامل‌محور را آموزش می‌دهد. محتوای دوره شامل کانتینرسازی نوت‌بوک‌ها، سرویس‌دهی مدل‌ها با FastAPI، ساخت داشبوردهای Streamlit، استقرار پشته‌های چندسرویسی و اجرای مدل‌های زبانی بزرگ در محیط‌های Dockerized می‌شود. هر ماژول به عنوان یک پروژه مستقل ارائه شده که قابل استفاده در محیط کار یا پورتفولیو شخصی است. ویژگی متمایز این دوره، تمرکز ویژه بر نیازهای خاص متخصصان AI/ML و پوشش مباحث پیشرفته‌ای مانند اجرای مدل‌های LLM با Docker Model Runner و راه‌اندازی جریان‌های کاری با Docker MCP Toolkit است. شرکت‌کنندگان مدیریت کانتینرها، بسته‌بندی مدل‌ها، انتشار در Hugging Face Spaces، کار با DockerHub و استقرار برنامه‌های کاربردی با Docker Compose را به صورت عملی فرا می‌گیرند. خروجی دوره شامل توانایی استانداردسازی محیط‌های توسعه، استقرار مطمئن مدل‌ها در پلتفرم‌های مختلف، بازتولید آزمایش‌ها و ایجاد جریان‌های کاری قابل حمل و مقیاس‌پذیر است.

What You Will Learn

اجرا و مدیریت کانتینرهای Docker که به‌طور خاص برای جریان‌های کاری AI/ML تنظیم شده‌اند.
کانتینری‌سازی دفترچه‌های Jupyter، داشبوردهای Streamlit و محیط‌های توسعه ML.
بسته‌بندی و استقرار مدل‌های یادگیری ماشینی با استفاده از Dockerfile.
انتشار پروژه‌های ML در Hugging Face Spaces.
Push و Pull کردن ایمیج‌ها از DockerHub و مدیریت چرخه حیات ایمیج‌های Docker.
به‌کارگیری بهترین شیوه‌های Docker برای تحقیقات ML قابل بازتولید و پروژه‌های مشارکتی.
Inference مدل‌های LLM (Large Language Model) با استفاده از Docker Model Runner.
راه‌اندازی جریان‌های کاری Agentic AI با استفاده از Toolkit پروتکل بافتار مدل Docker (MCP).
ساخت و استقرار برنامه‌های کاربردی ML کانتینری با استفاده از Docker Compose.

Who This Course Is For

دانشمندان داده و مهندسان ML که می‌خواهند جریان‌های کاری خود را به مرحله تولید برسانند.
متخصصان AI/ML که به دنبال کانتینرسازی و استقرار آسان مدل‌ها هستند.
مهندسان DevOps که از تیم‌های هوش مصنوعی پشتیبانی می‌کنند و به دنبال ساخت خطوط لوله آماده برای ML هستند.
علاقه‌مندان و دانش‌آموزان هوش مصنوعی که می‌خواهند LLMها یا داشبوردها را به صورت محلی با استفاده از کانتینرها اجرا کنند.
هر کسی که از مشکلات “روی دستگاه من کار می‌کرد” در محیط‌های ML خسته شده است.

Course Features & Specifications

ناشر: Udemy
مدرس: Gourav J. Shah, School of Devops
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 6 ساعت و 4 دقیقه
تعداد دروس: 45

Prerequisites

Basic understanding of Python — you don’t need to be an expert, but you should be comfortable running scripts or working in notebooks.
Familiarity with Machine Learning concepts — knowing what a model is, and having used libraries like scikit-learn, pandas, or TensorFlow will help.
Laptop with Docker/Rancher installed — we’ll walk you through setting up Docker Desktop for Windows, macOS, or Linux.
A GitHub account (recommended) — for accessing project code and pushing your own.
Curiosity to build real-world AI/ML projects with Docker — no prior Docker experience is required!