Comece Agora

Deploy de Modelos de Machine Learning

Vamos realizar o deploy com diferentes frameworks e ferramentas para consumo local ou em nuvem, tais como AWS, GCP, Azure, TensorFlow, MLFlow, KubeFlow, MLeap, Spark MLLib e Scikit-Learn. Usaremos ainda Keras, PyTorch e o MxNet com Gluon, além de Databricks, Docker e Streamlit.
Formato

Curso Online

Data de Início

Imediato

Carga Horária

64 h/a

Prazo de Acesso

24 meses

Parcelado

12x sem juros

Pré-requisitos

Noções de Sistemas Operacionais, Python Fundamentos, Fundamentos de Engenharia de Software, Machine Learning em Python e C++

O que você vai aprender...

Descrição do Curso

Este curso é dedicado ao Deploy, ou seja, colocar o modelo em produção e fazê-lo resolver o problema para o qual foi criado. 
Aqui você vai trabalhar com Ambiente em Nuvem AWS, Google Cloud Platform e Azure e aprenderá a usar o AWS SageMaker para criar uma API para modelos de Machine Learning. 
O deploy será feito com diferentes frameworks e ferramentas para consumo local ou em nuvem, tais como TensorFlow, MLFlow, KubeFlow, MLeap, Spark MLLib e Scikit-Learn. Usaremos ainda Keras, PyTorch e o MxNet com Gluon, além de Databricks, Docker e Streamlit.
Flask e Django também serão abordados neste curso.


Um curso completo de como realizar o deploy de modelos de diversas e com diferentes arquiteturas e ferramentas.Em cada capítulo teremos aulas sobre as ferramentas e/ou frameworks, a definição de um problema, a construção do pipeline de deploy e consumo do modelo e a execução do deploy.

Ferramentas e Frameworks

  • AWS, GCP e Azure
  • AWS SageMaker
  • TensorFlow, MLFlow, KubeFlow
  • MLeap, Spark MLLib, Scikit-Learning
  • Keras, Pytorch, MXNet com Gluon
  • Databricks, Docker e Streamlit
  • Flask e Django

Equipe DSA

Profissionais apaixonados pelo que fazem.
JUNTE-SE A NÓS
Aprenda na prática e torne-se um profissional em alta demanda.