Entrar em Contato

Programa do Curso

Introdução aos fluxos de trabalho CI/CD para IA

  • Desafios específicos dos pipelines de entrega de modelos de IA
  • Comparação entre processos tradicionais de DevOps e MLOps
  • Componentes essenciais da implantação automatizada de modelos

Contêinerização de Modelos de IA com Docker

  • Criação de Dockerfiles eficientes para inferência de ML
  • Gestão de dependências e artefatos do modelo
  • Criação de imagens seguras e otimizadas

Configuração dos Pipelines CI/CD

  • Opções de ferramentas CI/CD e seus ecossistemas
  • Criação de pipelines para empacotamento automatizado de modelos
  • Validação dos pipelines com verificações automatizadas

Teste de Modelos de IA no CI

  • Automação das verificações de integridade dos dados
  • Testes unitários e de integração para serviços de modelo
  • Validação de desempenho e detecção de regressões

Implantação Automatizada de Serviços de IA Baseados em Docker

  • Implantação de contêineres de IA em ambientes de nuvem
  • Implementação de releases do tipo blue-green e canary
  • Estratégias de rollback para implantações com falha

Gestão de Versões e Artefatos dos Modelos

  • Uso de registries para controle de versão de modelos e contêineres
  • Criação de tags, assinaturas e promoção de imagens
  • Coordenação das atualizações de modelos entre serviços

Monitoramento e Observabilidade no CI/CD para IA

  • Rastreamento do desempenho dos pipelines e dos modelos
  • Alertas para builds com falha ou drift de modelos
  • Rastreamento do comportamento da inferência entre ambientes

Escala dos Pipelines CI/CD para Sistemas de IA

  • Paralelização das builds para modelos grandes
  • Otimização de recursos de computação e armazenamento
  • Integração de executores distribuídos e remotos

Resumo e Próximos Passos

Requisitos

  • Compreensão dos ciclos de vida dos modelos de aprendizado de máquina
  • Experiência com contêinerização por meio do Docker
  • Conhecimento prévio dos conceitos e pipelines de CI/CD

Público-alvo

  • Engenheiros DevOps
  • Equipes de MLOps
  • Engenheiros AI-ops
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas