Este curso é dedicado ao Deploy, ou seja, colocar o modelo em produção e fazê-lo resolver o problema para o qual foi criado. Venha trabalhar com Ambiente em Nuvem AWS, Google Cloud Platform e Azure e aprender a usar o AWS SageMaker para criar API para o modelo de Machine Learning. Este é o Terceiro curso da Formação Engenheiro de Machine Learning.
Non editable automatic button
64 horas
Carga Horária: 64 horas.
Data de Início: Imediato
100% On-line.
100% em Português.
Pré-requisitos: Python Fundamentos Machine Learning com Python e C++
Deploy completo de diversos modelos com diferentes ferramentas e frameworks
Opções de Pagamento
Paypal
Você pode parcelar no cartão de crédito pelo Paypal em até 12x sem juros. Clique no botão "Comprar", selecione Pagar com Paypal.
PagSeguro
Você pode parcelar no cartão de crédito pelo PagSeguro em até 12x sem juros. Ou pagar pelo boleto à vista com 5% de desconto. Cursos avulsos não serão parcelados em boleto, somente à vista, e, serão liberados após 24 horas. Clique no botão "Comprar", selecione Pagar com PagSeguro.
Boleto / Transferência
Você pode pagar com boleto à vista ou transferência bancária com 5% de desconto diretamente com nossa equipe. Envie um e-mail para Equipe Pagamento.
Empresas / Governo
Nós vendemos para empresas mediante boleto faturado. E aceitamos notas de empenho como pagamento. Envie um e-mail para Equipe Pagamento.
Descrição do Curso
Este curso é dedicado ao Deploy, ou seja, colocar o modelo em produção e fazê-lo resolver o problema para o qual foi criado.
Aqui você vai trabalhar com Ambiente em Nuvem AWS, Google Cloud Platform e Azure e aprenderá a usar o AWS SageMaker para criar uma API para modelos de Machine Learning.
O deploy será feito com diferentes frameworks e ferramentas para consumo local ou em nuvem, tais como TensorFlow, MLFlow, KubeFlow, MLeap, Spark MLLib e Scikit-Learn. Usaremos ainda Keras, PyTorch e o MxNet com Gluon, além de Databricks, Docker e Streamlit.
Flask e Django também serão abordados neste curso.
Um curso completo de como realizar o deploy de modelos de diversas e com diferentes arquiteturas e ferramentas.
Em cada capítulo teremos aulas sobre as ferramentas e/ou frameworks, a definição de um problema, a construção do pipeline de deploy e consumo do modelo e a execução do deploy.
Por que fazer esse Curso?
As responsabilidades mais importantes de um Engenheiro de Machine Learning são basicamente as seguintes:
- Executar experimentos de Machine Learning usando uma linguagem de programação com bibliotecas de aprendizado de máquina.
- Implantar soluções de aprendizado de máquina em produção.
- Otimizar soluções para desempenho e escalabilidade.
- Implementar código de aprendizado de máquina personalizado.
- Interagir com o Cientista de Dados para otimizar modelos de Machine Learning.
Como Engenheiro de Machine Learning, uma das suas principais tarefas será o Deploy dos Modelos de Machine Learning.
Seja muito bem-vindo e comece agora mesmo!
Por que esse Curso vale o investimento?
Grande quantidade de material, 100% em Português e com alta qualidade. Metodologia padronizada, com vídeos em HD, manuais e scripts, tudo organizado e documentado. Conteúdo relevante e atualizado, com as tecnologias e práticas mais modernas do mercado. Fórum exclusivo no curso, com acesso direto aos instrutores que criaram o material. Suporte em até 24 horas, incluindo finais de semana e feriados. Certificado de conclusão e acesso a todo o material por 24 meses
Ferramentas e Frameworks
AWS, GCP e Azure AWS SageMaker
TensorFlow, MLFlow, KubeFlow
MLeap, Spark MLLib, Scikit-Learning
Keras, Pytorch, MXNet com Gluon Databricks, Docker e Streamlit Flask e Django
Compartilhe esse curso com seus amigos:
Conteúdo Programático
Equipe Data Science Academy
Profissionais apaixonados pelo que fazem.
Aprenda na prática e torne-se um profissional em alta demanda.