Runtime de ciencia de datos para GPUs en la nube
- Rubro
- Infraestructura de datos
- Tipo de trabajo
- DevOps / MLOps
- Período
- 2026
Arquitectura
- Acceso nginx → JupyterLabsshdwebsockets
- Análisis uv en venv aisladoJupyterLabDuckDBclaude · gemini · codex
- Operación tini (PID 1)cron persistentewatchdog de inactividad
- Datos rcloneawscligsutilhuggingface-cli
- Base ubuntu:24.04onvidia/cuda runtime
Objetivo
Tener un entorno de análisis idéntico en cualquier instancia arrendada, sin reinstalar herramientas cada vez ni pagar horas ociosas.
Lo que hice
- Hice un Dockerfile único parametrizado por imagen base: Ubuntu para CPU o CUDA runtime para GPU.
- Dejé JupyterLab detrás de nginx en un entorno aislado con uv, más DuckDB y CLIs de IA.
- Agregué un watchdog que apaga la instancia por inactividad y un crontab persistente.
- Publiqué las imágenes en GHCR con GitHub Actions.