MLOps e Ciclo de Vida de Modelos de Machine Learning

MLOps é a disciplina que transforma modelos de Machine Learning em soluções sustentáveis, confiáveis e continuamente operacionais. Ao longo de um Estudo de Caso e 7 projetos práticos, você domina versionamento, automação, Feature Store, CI/CD e o modelo de maturidade em MLOps, além de construir pipelines completos de inferência e previsão em tempo real, otimizar hiperparâmetros com MLflow e Optuna e automatizar o deploy na nuvem com Infraestrutura como Código. O curso avança ainda para AIOps e LLMOps, com projetos de operacionalização e monitoramento de aplicações de IA Generativa com LLM e RAG. Você aprende o que separa experimentos isolados de sistemas de IA que funcionam continuamente em produção.

Formato

Online

Data de Início

Imediato

Carga Horária

100 h/a

Prazo de Acesso

24 meses

Parcelado

12x no cartão

Pré-Requisito (Opcional):
Recomendamos ter concluído o Curso Gratuito de Python aqui na DSA.

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

Ementa do Curso

Pronto(a) para começar sua jornada de aprendizagem profissional?