Comece Agora

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

Este curso é uma jornada indispensável para profissionais que desejam aprimorar suas habilidades em MLOps e garantir a entrega eficaz e eficiente de soluções de ML e IA em ambientes empresariais através de Pipelines de CI/CD.
Formato

Curso Online

Data de Início

Imediato

Carga Horária

96 h/a

Prazo de Acesso

24 meses

Investimento

O pagamento pode ser feito à vista ou em até 12x sem juros no cartão de crédito

Pré-Requisitos

Recomendamos ter concluído o Curso de MLOps e Ciclo de Vida de Modelos de Machine Learning.


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.

A jornada começa com uma exploração dos fundamentos de CI/CD específicos para ML e IA, seguida pela configuração prática do ambiente de trabalho e seleção de ferramentas de CI/CD. O curso então segue para uma transição gradual da operação manual em MLOps (Nível 0) para a automação completa do pipeline de Machine Learning (Nível 1), culminando na criação e automação de pipelines de CI/CD (Nível 2), proporcionando aos alunos uma compreensão evolutiva e prática sobre a automação e gestão de pipelines.



Os alunos terão a oportunidade de estudar aspectos críticos como versionamento e controle de dados, que são essenciais para garantir a reprodutibilidade e a qualidade dos projetos de ML/IA. Além disso, o curso aborda a automação de testes em pipelines, que é vital para garantir a entrega contínua de modelos de alta qualidade.

Conforme os alunos avançam pelo curso irão explorar estratégias para otimizar e escalar Pipelines de CI/CD para atender às demandas de projetos em crescimento, além de aprender sobre gestão eficaz de dependências e implementação de práticas de segurança robustas.

A série de projetos práticos ao longo do curso permite que os alunos apliquem os conhecimentos adquiridos em cenários do mundo real, garantindo uma compreensão holística e prática das competências necessárias para excelência na operacionalização de ML e IA através de Pipelines de CI/CD bem estruturados.

Este curso é uma jornada indispensável para profissionais que desejam aprimorar suas habilidades em MLOps e garantir a entrega eficaz e eficiente de soluções de ML e IA em ambientes empresariais.

Projetos Práticos do Curso:

  • Projeto 1 - Execução Manual de Um Projeto de Machine Learning
  • Projeto 2 - Construção de Um Pipeline de ML Automatizado
  • Projeto 3 - Desenvolvimento de Pipeline de CI/CD com Jenkins
  • Projeto 4 - Implementação de Versionamento e Controle de Dados com Github Actions
  • Projeto 5 - Implementação de Automação de Testes em Pipeline de CI/CD
  • Projeto 6 - Projeto de Otimização e Escalabilidade de Pipeline de CI/CD
  • Projeto 7 - Gestão de Dependências e Segurança em Pipeline de CI/CD com Terraform e GCP


Recomendamos o Curso MLOps e Ciclo de Vida de Modelos de Machine Learning como pré-requisito.

Pronto(a) para começar sua jornada como Engenheiro de Machine Learning?