MLOps e Ciclo de Vida de Modelos de Machine Learning
Venha desbravar o universo da operacionalização de Machine Learning com MLOps.
Formato
Online
Data de Início
Imediato
Carga Horária
100 h/a
Prazo de Acesso
24 meses
Parcelado
12x no cartão
Pré-requisitos
Descrição do Curso
Neste curso você vai desbravar o universo da operacionalização de Machine Learning (ML) com MLOps conhecendo na prática a essência do desenvolvimento sustentável e gerenciamento eficaz de modelos de Aprendizado de Máquina.
A jornada inicia com uma introdução abrangente que prepara o caminho para uma exploração detalhada do ciclo de vida e desenvolvimento de modelos de Machine Learning, com uma forte ênfase nos princípios fundamentais do MLOps como versionamento, automação, Feature Store e integração contínua/entrega contínua (CI/CD). O entendimento profundo destes conceitos é fundamental para a construção e manutenção de soluções de Machine Learning robustas e eficazes.
Na sequência, o modelo de maturidade em MLOps proporciona aos alunos uma visão clara do caminho a ser percorrido para alcançar a excelência operacional em projetos de Machine Learning.
A segunda parte do curso detalha a arquitetura técnica necessária para MLOps, demonstrando a infraestrutura e as Feature Stores, necessários para dar suporte a um fluxo de trabalho operacional e contínuo.
Os segmentos práticos do curso ganham vida em um módulo de duas partes dedicadas à construção de pipelines para automatizar o treinamento de modelos, onde os alunos terão a oportunidade de aplicar o conhecimento teórico em cenários práticos.
Essa experiência é ampliada à medida que os alunos se aventuram na construção de pipelines de inferência, um aspecto crítico para fornecer insights em tempo real com modelos de Machine Learning.
E o curso leva os alunos para o futuro que está bem diante de nós ao introduzir as interseções de MLOps, AIOps e LLMOps no domínio dos modelos generativos de IA, expandindo o horizonte de operacionalização de ML e IA.
Logbook das Principais Atividades Práticas
- Estudo de Caso 1 - MLOps Para Sistema de Recomendação em Plataforma de E-commerce
- Projeto 1 - Criando Um MLOps Stack
- Projeto 2 - MLOps da Concepção ao Deploy
- Projeto 3 - Configuração de Infraestrutura e Implementação de Feature Store
- Projeto 4 - Construindo e Operacionalizando um Pipeline Automatizado
- Projeto 5 - Construindo e Operacionalizando Pipeline de Treinamento com MLFlow
- Projeto 6 - Construindo e Operacionalizando Pipeline de Inferência
- Projeto 7 - Implementação de Pipelines de MLOps Para IA Generativa e LLMs