Desenvolvimento e Deploy de Modelos de Machine Learning

Machine Learning cresceu, amadureceu e os projetos mudaram de nível. Já está claro que Inteligência Artificial (incluindo Machine Learning e Deep Learning) veio para ficar e agora não é mais uma questão se as empresas vão ou não usar Machine Learning e IA. Agora é uma questão de como fazer isso da melhor forma possível.

Como colocar modelos em produção? Como fazer o deploy e reaproveitar recursos (features) através de uma Feature Store? Como monitorar os modelos em produção e detectar problemas como data e model drift? Como mitigar esses problemas? Como versionar os modelos uma vez que o retreinamento será cada vez mais comum? Como criar e fazer o deploy de APIs para o modelo ou mesmo fazer o deploy do modelo em plataformas de Cloud Computing?

Essas perguntas demonstram que a discussão em Machine Learning mudou de nível. E precisamos preparar os alunos da DSA para esse novo nível com conhecimento prático através de projetos em Linguagem Python e Rust.

Mas por que Rust?

A mudança de nível na aplicação de Machine Learning deixou claro que Linguagem Python é ótima para prototipação e experimentação, mas não é a ideal quando o assunto é performance. E performance é a chave do sucesso quando temos modelos de Machine Learning em produção.

Nesse aspecto a Linguagen Rust se mostra como uma alternativa que vem sendo cada vez mais explorada pelo mercado. E com resultados incríveis.

Hoje, dizer que é preciso aprender Python para trabalhar com Data Science, Machine Learning e IA é óbvio. Mas não era 10 anos atrás.

Será o mesmo com Rust?

Bom, você tem duas opções: Aguardar e ver o que acontece ou se preparar desde já e estar a frente do seu tempo no mercado de trabalho. A escolha é sua!