Lidiar con los entornos de desarrollo y producción en proyectos de ML (y los que no son de ML) se puede convertir en una auténtica pesadilla si no se tienen las herramientas y las técnicas adecuadas. Desde la gestión de dependencias hasta la flexibilización y automatización del proceso de despliegue, pasando por la reutilización de librerías personalizadas son solo algunos de las problemáticas más comunes a las que nos enfrentamos. Acompáñanos en esta sesión y descubre por qué Docker es la plataforma idónea para unir entornos y desplegar nuestros proyectos de ML en Azure.