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 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.
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 de IA Generativa e RAG, expandindo o horizonte de operacionalização de Machine Learning e Inteligência Artificial.
Logbook das Principais Atividades Práticas
- Estudo de Caso 1 - MLOps Para Sistema de Recomendação em Plataforma de E-commerce
- Projeto 1 - MLOps Stack Para Otimização de Hiperparâmetros com MLflow e Optuna
- Projeto 2 - MLOps da Concepção ao Deploy - Sistema de LLM/RAG
- Projeto 3 - Implementação de Feature Store em Pipeline de Deploy de Machine Learning
- Projeto 4 - Pipeline de MLOps Para Operacionalização e Monitoramento de IA Generativa com LLM e RAG
- Projeto 5 - Construindo e Operacionalizando Pipeline de Inferência com Frontend, Backend e API
- Projeto 6 - Construindo e Operacionalizando Pipeline de Previsão em Tempo Real
- Projeto 7 - MLOps com IaC Para Automação do Deploy de Modelo de Machine Learning na Nuvem