Saltar al contenido
Cursos/Fundamentos para Aulafy/Docker para servicios de IA
Revisión pendiente desde 21 ago 20262 fuentes primarias

Docker para servicios de IA

Docker te permite arrancar servicios repetibles sin instalar media internet en tu ordenador.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Docker para servicios de IA».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Cuándo usar Docker

Úsalo para servicios persistentes: bases vectoriales, n8n, Open WebUI, Postgres, Redis o herramientas que quieras poder reiniciar igual mañana. Para scripts pequeños de Python, normalmente basta con uv.

Compose mínimo

Terminal
services:
  qdrant:
    image: qdrant/qdrant:latest
    ports:
      - "6333:6333"
    volumes:
      - qdrant_data:/qdrant/storage

volumes:
  qdrant_data:
Terminal
docker compose up -d
docker compose ps
docker compose logs -f qdrant

Errores típicos

  • Puerto ocupado: cambia el puerto izquierdo, por ejemplo 6334:6333.
  • Datos que desaparecen: falta un volumen persistente.
  • Ollama no conecta desde Docker: prueba host.docker.internal en macOS/Windows.
  • Permisos raros en Linux: revisa usuario, grupo docker y rutas montadas.

Regla de mantenimiento

Todo servicio que vayas a usar más de una vez debería tener un docker-compose.yml, un README corto y un comando de verificación.

Si has guardado la evidencia de esta lección, continúa con «Proyecto base listo para Aulafy». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo