Pipelines de CI/CD Para Operações de Machine Learning e IA

Este curso ensina a construir Pipelines de CI/CD para transformar experimentos de Machine Learning e IA em sistemas confiáveis, testáveis e reproduzíveis. Ao longo de 8 projetos, você evolui pelos níveis de maturidade em MLOps, partindo de processos manuais no Nível 0, avançando para automação de pipelines no Nível 1, deploy com SageMaker, Lambda e API Gateway no Nível 2 e operações de CI/CD totalmente automatizadas no Nível 3. A jornada inclui ainda Kubernetes, GitHub Actions, versionamento e controle de dados, além da automação de testes para sistemas RAG e Agentes de IA. Você percorre o caminho do laboratório ao mercado com práticas e ferramentas usadas em ambientes profissionais.

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

A Integração Contínua (Continuous Integration - CI) em Machine Learning (ML) significa que toda vez que um código ou dado é atualizado o pipeline de ML é executado novamente e isso é feito de forma que tudo seja versionado e reproduzível, para que seja possível compartilhar a base de código entre projetos e equipes.

Cada reexecução pode consistir em treinamento, teste ou geração de novos relatórios, facilitando a comparação entre outras versões em produção.


Alguns exemplos de fluxo de trabalho de CI: Executar e versionar o treinamento e avaliação para cada commit no repositório. Executar e comparar execuções de experimentos para cada solicitação de uma determinada versão. Acionar uma nova execução periodicamente.

A Implantação Contínua (Continuous Deployment - CD) é um método para automatizar a implantação (deploy) da nova versão em produção ou em qualquer ambiente, como teste. Essa prática facilita o recebimento de feedback dos usuários, pois as mudanças são mais rápidas e constantes, bem como novos dados ou novos modelos.

Alguns exemplos de fluxo de trabalho de CD: Verificar os requisitos do ambiente de infraestrutura antes de implantá-lo. Testar a saída do modelo com base em uma entrada conhecida testar a latência do modelo.

Este curso oferece uma imersão profunda nas práticas e ferramentas essenciais necessárias para construir, gerenciar e otimizar Pipelines de CI/CD em projetos de Machine Learning e Inteligência Artificial.

Logbook das Principais Atividades Práticas

  • Projeto 1 - MLOps Nível 0 - Processo Manual de Machine Learning Para Prever o Comportamento do Consumidor
  • Projeto 2 - MLOps Nível 1 - Automação do Pipeline de Machine Learning
  • Projeto 3 - MLOps Nível 2 - Do Problema de Negócio ao Deploy com SageMaker, Lambda Function e API Gateway
  • Projeto 4 - MLOps Nível 3 - Automação das Operações de CI/CD no Pipeline de Machine Learning e IA
  • Projeto 5 - Projeto de Otimização e Escalabilidade Para Pipeline de CI/CD com Kubernetes
  • Projeto 6 - Versionamento e Controle de Dados em Pipelines CI/CD com Github Actions e Kubernetes
  • Projeto 7 - Pipeline de Automação de Testes em Módulo de RAG Para Aplicações de IA
  • Projeto 8 - Pipeline de Automação de Testes Para Agentes de IA

Ementa do Curso

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