UD00 — Presentación del módulo y curso rápido de Docker¶

1. Introducción¶

Esta primera unidad tiene un doble objetivo. Por una parte, situar el curso: qué es el curso de especialización en Inteligencia Artificial y Big Data, qué se va a aprender en el módulo 5071 Modelos de Inteligencia Artificial y cómo se va a evaluar. Por otra, dejar listo el entorno de trabajo: sin herramientas fiables y reproducibles, cualquier práctica de IA se convierte en una lucha contra configuraciones que no funcionan. Por eso el núcleo técnico de la unidad es un curso rápido de Docker, la tecnología que nos permitirá ejecutar el mismo entorno de Python y Jupyter en cualquier equipo.

2. Resultados de aprendizaje y objetivos¶

La UD00 es transversal (no desarrolla un RA propio del módulo): sirve de nivelador tecnológico y de presentación. Las competencias que trabaja se asocian a la ética y el cuidado del entorno de trabajo (RA7-i) y a los hábitos de trabajo del curso.

Nota sobre la tabla anterior.

3. Presentación del curso y del módulo (RA7-i)¶

3.1 El curso de especialización en IA y Big Data¶

El curso de especialización en Inteligencia Artificial y Big Data es un título de Grado Superior (familia Informática y Comunicaciones) de 600 horas y 36 ECTS establecido por el RD 279/2021. Su competencia general es programar y aplicar sistemas inteligentes que optimizan la gestión de la información y la explotación de datos masivos, garantizando la seguridad y la ética.

Se organiza en cinco módulos:

El acceso se realiza desde titulaciones de grado superior de la familia de informática y otras relacionadas (ASIR, DAM, DAW, telecomunicaciones, mecatrónica y robótica industrial).

3.2 El módulo 5071 Modelos de Inteligencia Artificial¶

El módulo 5071 se imparte a lo largo de todo el curso (90 horas, 3 horas semanales, 4 ECTS) y desarrolla 6 resultados de aprendizaje (RA1-RA6), más el RA7 de proyecto integrador transversal:

3.3 El proyecto integrador (RA7)¶

El RA7 es un proyecto común a todo el curso de especialización: se desarrolla en equipos durante el bloque final (semanas 25-29) y en él confluyen todos los módulos del título. El alumnado define un problema, obtiene datos, aplica modelos de IA, integra soluciones de Big Data, comunica resultados y evalúa críticamente el trabajo realizado.

Es transversal por dos razones: 1. Lo imparten todos los docentes del curso, no solo el del 5071. 2. La nota se consensúa entre el equipo docente, valorando la contribución de cada miembro.

4. Cómo se evalúa el módulo¶

La evaluación se rige por la Orden 8/2025 de la Comunitat Valenciana (modificada por la Orden 5/2026). Lo que debes saber desde el primer día:

Los pesos de cada RA, la nota mínima y el reparto 40/60 están en la página de información importante, que es la referencia única: si algún día cambian, cambian allí. Aquí van las reglas que conviene tener claras desde el primer día y que no dependen de los pesos:

Nota sobre la tabla anterior.

5. Entorno de trabajo del curso¶

El stack de IA del curso¶

Las prácticas se basan en Python con estas bibliotecas:

numpy, pandas, matplotlib, scikit-learn, scikit-fuzzy, nltk, spaCy, torch y experta.

Este stack se ejecutará en un contenedor de prácticas de IA que montaremos en el taller 2 de esta unidad.

5.2 Instalar Docker¶

Antes de nada, Docker tiene que funcionar en tu máquina. Estos pasos están probados en el aula.

Instalación en Ubuntu¶

https://www.digitalocean.com/community/tutorials/how-to-install-and-use-docker-on-ubuntu-20-04-es

Requisitos previos:

• apt-transport-https: permite que el administrador de paquetes transfiera datos a través de https
• ca-certificates: permite que el navegador web y el sistema verifiquen los certificados de seguridad
• curl: transfiere datos (similar a wget)
• software-properties-common: agrega scripts para administrar el software

1

sudo apt-get install  curl apt-transport-https ca-certificates software-properties-common

Agregamos repositorio

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

# Primero clave GPG
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

sudo apt update

sudo apt install docker-ce

sudo systemctl status docker

Por defecto, el comando docker solo puede ser ejecutado por el usuario root o un usuario del grupo docker, que se crea automáticamente durante el proceso de instalación de Docker.

Para evitar escribir sudo al ejecutar el comando docker, agregue su nombre de usuario al grupo docker:

1
2
3
4
5
6
7

sudo usermod -aG docker ${USER}

# Cerramos y abrimos sesión de nuevo o ejecutamos
su - ${USER}

# Confirmamos los grupos de nuestro usuario
id -nG

Docker Desktop¶

¿Qué es Docker Desktop?¶

Es la aplicación oficial de Docker que te da una interfaz gráfica (GUI) para manejar contenedores, además de la línea de comandos.

¿Para qué sirve?¶

• Gestión visual: Ver contenedores, imágenes y volúmenes de forma gráfica
• Configuración fácil: Ajustar recursos (CPU, RAM) con sliders
• Monitorización: Ver en tiempo tiempo real qué está pasando

Compatibilidad por Sistema Operativo¶

🪟 Windows

• Windows 10/11 64-bit (versiones Home, Pro, Enterprise, Education)
• Requisitos importantes:
• Habilitar WSL 2 (Windows Subsystem for Linux)
• Virtualización activada en BIOS/UEFI
• Windows Home necesita WSL 2, Pro/Enterprise puede usar Hyper-V

🍎 macOS

• macOS 12 Monterey o superior
• Tipos de chip:
• Apple Silicon (M1, M2, M3, etc.)
• Intel con procesador de 2010 o más nuevo
• Necesita macOS actualizado

🐧 Linux (versión nativa)

• Distribuciones compatibles:
• Ubuntu 20.04 LTS o superior
• Debian 11 o superior
• Fedora 36 o superior
• Arch Linux (y derivados)
• Requisitos: kernel 5.10+, systemd, 64-bit

Guía Rápida de Instalación¶

Windows:

1. Descarga desde docker.com/products/docker-desktop
2. Ejecuta el instalador .exe
3. Sigue el asistente (marca "Use WSL 2" si tienes Windows Home)
4. Reinicia cuando termine
5. ¡Listo! Docker se inicia automáticamente

macOS:

1. Descarga desde la web oficial
2. Arrastra Docker.app a la carpeta Applications
3. Ejecuta desde Launchpad
4. Autoriza con contraseña del sistema
5. Espera a que configure todo (puede tardar unos minutos)

Linux (Ubuntu/Debian ejemplo):

1
2
3
4
5
6
7
8

# Paso 1: Descargar el .deb oficial (siempre la última versión)
wget https://desktop.docker.com/linux/main/amd64/docker-desktop-amd64.deb

# Paso 2: Instalar
sudo apt install ./docker-desktop-*.deb

# Paso 3: Iniciar
systemctl --user start docker-desktop

Ventajas docker desktop (GUI) vs Línea de Comandos (CLI)¶

✅ Ventajas de Docker Desktop:

• Más fácil para empezar - Ideal para principiantes
• Todo integrado - No necesitas instalar nada más
• Debugging visual - Ves los logs y estados de un vistazo
• Gestión de recursos - Controlas CPU/RAM fácilmente

❌ Desventajas:

• Más pesado - Consume más recursos de tu PC
• Menos flexible - Algunas opciones avanzadas solo por comandos
• Dependes de la GUI - Si se cierra la app, pierdes la interfaz

🎯 Conclusión:

• Empezad con Docker Desktop para aprender sin frustraciones
• Aprended también los comandos básicos para ser más versátiles
• Usad ambos: la GUI para lo cotidiano y la terminal para lo avanzado

6. Curso rápido de Docker: conceptos (RA7-i)¶

6.1 El problema: entornos que no se reproducen¶

¿Cuántas veces funciona "en mi ordenador" y no en el del compañero? La causa es que los entornos difieren: versiones de Python, bibliotecas, sistema operativo, configuraciones. Docker resuelve este problema empaquetando la aplicación y todo lo que necesita en un contenedor.

6.2 Contenedores frente a máquinas virtuales¶

Nota sobre la tabla anterior.

La arquitectura de Docker en imágenes¶

6.3 Imágenes y contenedores¶

• Imagen: plantilla de solo lectura (un paquete inmutable con el SO base, la aplicación y las dependencias). Se construye por capas.
• Contenedor: instancia ejecutable creada a partir de una imagen. Añade una capa de escritura por encima de la imagen.

6.4 El registro y el primer contenedor¶

Docker Hub es el registro público por defecto: se usa pull para descargar imágenes y push para subirlas. Nuestro primer comando será:

1

docker run hello-world

La primera vez, Docker descarga la imagen hello-world, crea un contenedor a partir de ella, ejecuta un mensaje de confirmación y lo detiene. Ese es exactamente el ciclo completo de Docker en una sola línea.

1
2

docker --version
docker run hello-world

6.5 Mismo código, dos entornos: el caso de experta¶

El argumento definitivo a favor de los contenedores se ve mejor con una biblioteca que usaremos de verdad en este módulo: experta, el motor de reglas de la UD02 y la UD05.

Monta dos contenedores con el mismo código y compara:

1
2
3
4
5
6
7

# Contenedor A: Python 3.9, experta funciona tal cual
docker run --rm python:3.9-slim bash -c \
  "pip install -q experta && python -c 'from experta import KnowledgeEngine; print(1)'"

# Contenedor B: Python 3.12, el mismo codigo revienta
docker run --rm python:3.12-slim bash -c \
  "pip install -q experta && python -c 'from experta import KnowledgeEngine; print(1)'"

El contenedor B falla con AttributeError: module 'collections' has no attribute 'Mapping', y se arregla con tres líneas antes del import, las mismas que verás en los notebooks de la UD02:

1
2
3
4
5
6

import collections, collections.abc
for nombre in ("Mapping", "Iterable", "MutableMapping"):
    if not hasattr(collections, nombre):
        setattr(collections, nombre, getattr(collections.abc, nombre))

from experta import KnowledgeEngine   # ahora sí

7. Curso rápido de Docker: uso básico (RA7-i)¶

7.1 El ciclo de vida de un contenedor¶

Nota sobre la tabla anterior.

7.2 Flags clave de docker run¶

7.3 Qué ocurre dentro de docker run¶

Cuando ejecutas docker run, el demonio hace lo siguiente:

1. Comprueba si la imagen está en la caché local; si no, la descarga (pull).
2. Crea el contenedor: añade una capa de escritura sobre las capas de solo lectura.
3. Monta el filesystem (y los volúmenes o binds indicados) y crea la interfaz de red.
4. Arranca el proceso principal (el comando indicado, o el CMD de la imagen).
5. Cuando ese proceso termina, el contenedor se detiene (no se elimina).

7.4 Volúmenes y persistencia¶

Los contenedores son efímeros: al eliminarlos se pierden sus datos. Para conservarlos:

• Volúmenes gestionados (named volumes): los gestiona Docker (en /var/lib/docker/volumes). Son la opción recomendada para datos que no necesitas ver desde el host (cachés, datasets, bases de datos).
• Bind mounts: montan una carpeta real del host dentro del contenedor. Son ideales para el código y los notebooks del curso: editas en tu equipo y el contenedor ve los cambios al instante.

1
2

# bind mount: la carpeta practicas del host se ve en /app dentro del contenedor
docker run --rm -v "$PWD/practicas":/app -w /app python:3.12 python app.py

8. El Dockerfile: construir imágenes reproducibles (RA7-i)¶

8.1 Instrucciones esenciales¶

Un Dockerfile es un guion que describe cómo construir la imagen. Siempre empieza por FROM (la imagen base).

1
2
3
4
5
6

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY app.py .
CMD ["python", "app.py"]

8.2 La caché de capas¶

Cada instrucción crea una capa. Docker reutiliza las capas en caché mientras las instrucciones y su contenido no cambien. Por eso se copia requirements.txt antes que el código: así las dependencias se instalan una vez y se cachean.

8.3 Construir y ejecutar¶

1
2

docker build -t mi-app .       # construye la imagen desde el Dockerfile del directorio actual
docker run -p 8000:8000 mi-app # ejecuta la imagen publicando el puerto 8000

8.4 Gestionar las imágenes que acumulas¶

Es un instalador donde podemos incorporar nuestra aplicación. Es el punto de inicio para crear contenedores. Hay imágenes oficiales de por ejemplo Ubuntu, Apache, etc, que fueron creadas por sus creadores oficiales.

Página oficial para imágenes: https://hub.docker.com

Vamos a utilizar la siguiente imagen para pruebas:

https://hub.docker.com/_/hello-world

Para ejecutar este contenedor “hello-word” escribimos en la terminal:

1

docker run hello-world

Una vez ejecutado, ya dispondremos de la imagen descargada, podemos ver todas las imágenes que tenemos descargadas con:

1
2
3
4

docker images

REPOSITORY                              TAG           IMAGE ID       CREATED        SIZE
hello-world                             latest        ee301c921b8a   9 months ago   9.14kB

Desde la página web de docker hub, podemos ver diferentes versiones de la misma imagen en la pestaña “TAGS”

Podemos descargar una imagen específica y ejecutarla:

1
2
3
4
5
6
7
8

docker run hello-world:linux

docker images
REPOSITORY                              TAG           IMAGE ID       CREATED        SIZE
hello-world                             latest        ee301c921b8a   9 months ago   9.14kB
hello-world                             linux         ee301c921b8a   9 months ago   9.14kB

docker run hello-world:linux

Para eliminar una imagen utilizamos el parámetro rmi por ejemplo:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

docker pull alpine

docker images
REPOSITORY                              TAG           IMAGE ID       CREATED        SIZE
alpine                                  latest        ace17d5d883e   3 weeks ago    7.73MB
hello-world                             latest        ee301c921b8a   9 months ago   9.14kB
hello-world                             linux         ee301c921b8a   9 months ago   9.14kB

# Eliminamos, opción 1
docker rmi ace17d5d883e

# Eliminamos, opción 2
docker rmi alpine

# Eliminamos, opción 3
docker rmi ace1

También se pueden buscar imágenes desde consola.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

docker search ubuntu

NAME                             DESCRIPTION                                     STARS     OFFICIAL
ubuntu                           Ubuntu is a Debian-based Linux operating sys…   16888     [OK]
websphere-liberty                WebSphere Liberty multi-architecture images …   298       [OK]
open-liberty                     Open Liberty multi-architecture images based…   64        [OK]
neurodebian                      NeuroDebian provides neuroscience research s…   106       [OK]
ubuntu-debootstrap               DEPRECATED; use "ubuntu" instead                52        [OK]
ubuntu-upstart                   DEPRECATED, as is Upstart (find other proces…   115       [OK]
ubuntu/nginx                     Nginx, a high-performance reverse proxy & we…   112
ubuntu/squid                     Squid is a caching proxy for the Web. Long-t…   83
ubuntu/cortex                    Cortex provides storage for Prometheus. Long…   4
ubuntu/prometheus                Prometheus is a systems and service monitori…   56
ubuntu/apache2                   Apache, a secure & extensible open-source HT…   70
...

9. Docker Compose: varios servicios a la vez (RA7-i)¶

Compose orquesta múltiples contenedores (p. ej. la aplicación + una base de datos) mediante un fichero compose.yaml.

1
2
3
4
5
6
7
8
9

services:
  jupyter:
    image: jupyter/scipy-notebook
    ports:
      - "8888:8888"
    volumes:
      - ./practicas:/home/jovyan/work
    environment:
      - JUPYTER_TOKEN=cursoia

Para ordenar el arranque se usa depends_on (con condition: service_healthy y un healthcheck para esperar a que un servicio esté listo).

10. El contenedor de prácticas de IA (RA7-i)¶

El entorno del curso se levantará con la imagen jupyter/scipy-notebook, que ya incluye numpy, scipy, scikit-learn, pandas, matplotlib y otras bibliotecas científicas.

El contenedor de prácticas:

• Publica el puerto 8888 (Jupyter).
• Monta tu carpeta de prácticas en /home/jovyan/work (bind mount) para que los notebooks sean ficheros reales de tu equipo.
• Fija el token con JUPYTER_TOKEN para que la URL sea determinista.

1
2
3
4

docker compose up -d
# abre http://localhost:8888 y usa el token cursoia
docker compose exec jupyter bash   # para entrar dentro
docker compose down               # cuando termines

Lo pondrás en marcha paso a paso en el Taller 2 de esta unidad.

10.1 Construir la imagen con un Dockerfile propio¶

Otra forma de levantar un contenedor con docker-compose es utilizar un Dockerfile para generar la imagen (en lugar de usar una de DockerHub)

Necesitamos una carpeta con la siguiente estructura:

1
2
3
4
5

.
├── docker-compose.yml
├── Dockerfile
└── notebooks
    └── rockpaperscissors.ipynb

El fichero Dockerfile tiene el siguiente contenido:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

#versión de python compatible con experta
FROM python:3.6
#libreria de python para sistemas expertos
RUN pip3 install experta
#libreria para usar notebooks en python
RUN pip3 install notebook 
#creamos la carpeta de trabajo
WORKDIR /home/MIA2526
#ejecutamos el jupyter notebook en el puerto 8888
CMD jupyter notebook --allow-root --ip=0.0.0.0 --port=8888 --no-browser 

Ahora, para el docker-compose.yml tendremos:

1
2
3
4
5
6
7
8

services:
  experta:
    container_name: experta #bautizamos a nuestro contenedor
    build: . #con esta linea le indicamos que busque el Dockerfile, en lugar de buscar una imágen en un repositorio
    ports:
      - "8888:8888" #publicamos el puerto para que sea accesible desde fuera
    volumes:
      - ./notebooks:/home/MIA2526 #aquí asignamos la carpeta local notebooks con la carpeta de trabajo del contenedor

Y por último necesitamos el notebook para hacer pruebas, en nuestro caso es un juego de piedra, papel o tijeras:

rockpaperscissors.ipynb este fichero debemos guardarlo en la carpeta notebooks

Ahora con toda la estructura lista y desde la raiz de la carpeta (donde estan el docker-compose.yml y el Dockerfile) ejecutamos:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

$ docker-compose up
[+] Running 1/1
 ✔ Container experta  Recreated                                                                               0.1s 
Attaching to experta
experta  | [I 16:30:08.568 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
experta  | [I 16:30:08.784 NotebookApp] Serving notebooks from local directory: /home/MIA2324
experta  | [I 16:30:08.784 NotebookApp] Jupyter Notebook 6.4.10 is running at:
experta  | [I 16:30:08.784 NotebookApp] http://e0ec65ac1d84:8888/?token=825b1ba76502787821bc045496e3429bca02ba09720a835b
experta  | [I 16:30:08.784 NotebookApp]  or http://127.0.0.1:8888/?token=825b1ba76502787821bc045496e3429bca02ba09720a835b
experta  | [I 16:30:08.784 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
experta  | [C 16:30:08.787 NotebookApp] 
experta  |     
experta  |     To access the notebook, open this file in a browser:
experta  |         file:///root/.local/share/jupyter/runtime/nbserver-7-open.html
experta  |     Or copy and paste one of these URLs:
experta  |         http://e0ec65ac1d84:8888/?token=825b1ba76502787821bc045496e3429bca02ba09720a835b
experta  |      or http://127.0.0.1:8888/?token=825b1ba76502787821bc045496e3429bca02ba09720a835b

Ahora podemos hacer click directamente sobre el enlace a http://127.0.0.1:8888/?token=bebf660273e8e168c7fec90978ed56fb50db6b08d915cb14 donde veremos nuestro jupyter notebook:

Si hacemos click sobre el notebook rockpaperscissors.ipynb podremos ver:

Después de pulsar varias veces (para ir ejecutando todas las celdas) podremos ver como evoluciona nuestro juego:

Para detener el contenedor que hemos lanzado con docker-compose, solo hemos de pulsar Ctrl+C

11. Copias de seguridad de imágenes y contenedores (RA7-i)¶

Copias de contenedores¶

Ya estén encendidos o apagados, podemos realizar respaldos de seguridad de los contenedores. Utilizando la opción “export” empaquetará el contenido, generando un fichero con extensión “.tar” de la siguiente manera:

1

docker export -o fichero-resultante.tar nombre-contenedor

o

1

docker export nombre-contenedor > fichero-resultante.tar

Restauración de copias de seguridad de contenedores¶

Hay que tener en cuenta, antes de nada, que no es posible restaurar el contenedor directamente, de forma automática. En cambio, sí podemos crear una imagen, a partir de un respaldo de un contenedor, mediante el parámetro “import” de la siguiente manera:

1

docker import fichero-backup.tar nombre-nueva-imagen

Copias de imágenes¶

Aunque no tiene mucho sentido por que se bajan muy rápido, también tenemos la posibilidad de realizar copias de seguridad de imágenes. El proceso se realiza al utilizar el parámetro ‘save‘, que empaquetará el contenido y generará un fichero con extensión “tar“, así:

1

docker save nombre_imagen > imagen.tar

o

1

docker save -o imagen.tar nombre_imagen

Restaurar copias de seguridad de imágenes¶

Con el parámetro ‘load’, podemos restaurar copias de seguridad en formato ‘.tar’ y de esta manera recuperar la imagen.

1

docker load -i fichero.tar

12. Puntos clave de la unidad¶

• El curso de especialización IA y Big Data dura 600 horas / 36 ECTS y el módulo 5071 se imparte en 90 horas en la Comunitat Valenciana.
• El módulo 5071 desarrolla 6 RA más el RA7 de proyecto integrador transversal (común a todo el curso, semanas 25-29, nota consensuada).
• La normativa exige alcanzar todos los RA del módulo; el centro lo concreta en cada RA ≥ 5. La nota de cada RA combina 40 % tareas + 60 % prueba escrita; se pierde la evaluación continua superando el 15 % de inasistencia.
• El entorno de trabajo usa Aules (Moodle), la web del curso, Python + Jupyter y Docker.
• Un contenedor es una instancia ejecutable de una imagen; Docker aporta aislamiento por procesos, ligereza y reproducibilidad frente a las máquinas virtuales.
• Los contenedores son efímeros: los datos se conservan con volúmenes o bind mounts.
• Un Dockerfile define la imagen por capas; el orden de las instrucciones aprovecha la caché.
• Compose orquesta varios servicios con un solo fichero.

13. Glosario¶

14. FAQ¶

15. Sesiones¶

La unidad son 6 h en dos semanas (1-8 de octubre), a 3 h por semana.

Nota sobre la tabla anterior.

A. Anexo · chuleta de comandos¶

Referencia rápida para consultar en clase, no para memorizar.

Gestión de imagenes¶

1
2
3
4
5

docker image
docker history
docker inspect
docker save/load
docker rmi

Gestión de contenedores¶

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

docker attach
docker exec
docker inspect
docker kill
docker logs
docker pause/unpause
docker port
docker ps
docker rename
docker start/stop/restart
docker rm
docker run
docker stats
docker top
docker update

Ejemplo¶

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

# Ver los contenedores que tenemos
docker ps
CONTAINER ID   IMAGE     COMMAND   CREATED   STATUS    PORTS     NAMES

# Ver las imagenes que tenemos
docker images
REPOSITORY                             TAG       IMAGE ID       CREATED        SIZE

# Crear un contenedor con una imagen básica de debian
# Como no tenemos ninguna imagen de debian, la descarga y la ejecuta
docker run debian
# Intentamos ver el contenedor en ejecución, no aparece nada porque ya se ha cerrado
docker ps
# Podemos verlo con
docker ps -a
CONTAINER ID   IMAGE     COMMAND       CREATED              STATUS                          PORTS     NAMES
09b14daab800   debian    "bash"        2 seconds ago        Exited (0) 1 second ago                   pensive_wozniak

# Ejecutar un comando en un contenedor
docker run debian /bin/echo "Hello World"
Hello World

# Información
docker inspect debian

Crear contenedor interactivo y con nombre¶

https://jolthgs.wordpress.com/2019/09/25/create-a-debian-container-in-docker-for-development/

Para que docker no se invente un nombre como “pensive_wozniak” (comando anterior) podemos definir el nombre que queremos.

Utilizaremos una de las imágenes de: https://hub.docker.com/_/debian/tags

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

# Obtenemos la imagen, en el apartado aterior la hemos ejecutado directamente con "run", esto
# la obtiene implícitamente. En este caso la vamos a descargar.
$ docker pull debian:13-slim

# --name
# -h hostname que tendrá el contenedor
# -e codificación de caracteres
# -it modo interactivo
# /bin/bash -l  la shell que se ejecutará
$ docker run --name debian-mini -h equipo1 -e LANG=C.UTF-8 -it debian:13-slim /bin/bash -l

--- Estamos dentro del contenedor ---
# Una vez dentro del contenedor podemos actualizarlo e instalar los paquetes que creamos necesarios
apt update && apt upgrade --yes && apt install sudo locales --yes
# Configurar timezone
dpkg-reconfigure tzdata

# Vamos a nuestra home y creamos un archivo
cd
echo "hola" > prueba.txt

# Salimos del contenedor
exit (o control + d)

--- Ahora volvemos a la consola de nuestro equipo ---
$ docker ps
CONTAINER ID   IMAGE     COMMAND   CREATED   STATUS    PORTS     NAMES

$ docker ps -a
CONTAINER ID   IMAGE            COMMAND          CREATED          STATUS                      PORTS     NAMES
8c6b29c818ee   debian:13-slim   "/bin/bash -l"   44 seconds ago   Exited (0) 11 seconds ago             debian-mini

B. Anexo · catálogo de contenedores para experimentar¶

Monitorización y Gestión¶

• Netdata - Monitorización de sistemas en tiempo real con dashboard web completo
• Glances - Monitorización del sistema via web que muestra información de CPU, memoria, red y procesos
• Portainer - Interfaz web para gestionar y administrar contenedores Docker
• Uptime Kuma - Monitor de disponibilidad para verificar el estado de contenedores y servicios

Proxy y Red¶

• Nginx Proxy Manager - Proxy inverso con interfaz web para gestionar hosts virtuales y certificados SSL/TLS
• Acestream - Motor P2P para streaming de video, útil para integrar canales en Jellyfin
• Libreddit - Interfaz alternativa para Reddit libre de publicidad y tracking (modo lectura)
• Invidious - Interfaz alternativa para YouTube que respeta la privacidad

Multimedia y Entretenimiento¶

• Jellyfin - Servidor multimedia libre para organizar y streaming de películas, series y música
• Soulseek - Cliente para la red P2P Soulseek especializada en compartir música
• youtube-dl - Herramienta para descargar videos y audio de YouTube y otros sitios
• Photoprism - Servicio de gestión y visualización de fotos personales con funciones de IA

Productividad y Organización¶

• Nextcloud - Plataforma de colaboración y almacenamiento en la nube auto-alojado
• Linkding - Marcador social para guardar y organizar enlaces web
• GitBucket - Plataforma Git auto-alojada similar a GitHub
• SearXNG - Metabuscador privado que agrega resultados de múltiples motores de búsqueda

Seguridad y Contraseñas¶

• Vaultwarden - Implementación alternativa del gestor de contraseñas Bitwarden, más ligera y eficiente

Automatización del Hogar¶

• Home Assistant - Plataforma de domótica de código abierto para automatizar y controlar dispositivos del hogar
• Homebridge - Puente que permite integrar dispositivos no compatibles con el ecosistema Apple HomeKit
• Camera.UI - Aplicación para gestionar y visualizar cámaras de seguridad con integración HomeKit

Utilidades y Mantenimiento¶

• Homepage - Dashboard personalizable como página de inicio para acceder a todos los servicios
• Watchtower - Servicio que actualiza automáticamente los contenedores Docker cuando hay nuevas versiones disponibles

16. Recursos¶

• Diapositivas
• Ejercicios de la unidad
• Talleres:
  • T01 · Verificación del entorno y primer contenedor — entregable, se marca hecho / no hecho
  • T02 · Contenedor de prácticas de IA — entregable, se marca hecho / no hecho
• Notebooks — el N01 de la unidad, entregable que se marca hecho / no hecho; descarga y apertura en Colab desde el propio notebook, en el menú «Notebooks»

17. Evaluación¶

• Tarea de la unidad (40 % de la nota del RA al que se asocia): entregar el informe de los talleres 1 y 2 en Moodle.
• Evaluación inicial: diagnóstica, sin nota, antes del segundo mes lectivo.
• La normativa exige alcanzar todos los RA del módulo para superarlo (art. 5.1 de la Orden 8/2025: la calificación del módulo está «en función de la consecución de los RA»; y las Instrucciones 26-27, que impiden calificar positivamente un módulo con RA no superados). El centro concreta ese mandato exigiendo ≥ 5 en cada RA.

18. Recuperación¶

Si no superas la tarea de esta unidad, se activará un programa de recuperación individual (art. 14.4 Orden 8/2025) con actividades y criterios de evaluación específicos para el RA correspondiente.

Volver al índice