Entrar em Contato

Programa do Curso

Introdução aos fluxos 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

Containerizando Modelos de IA com Docker

  • Desenho de Dockerfiles eficientes para inferência de ML
  • Gerenciamento de dependências e artefatos do modelo
  • Construção de imagens seguras e otimizadas

Configurando Pipelines CI/CD

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

Testando Modelos de IA no Ambiente CI

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

Implantação Automatizada de Serviços de IA Baseados em Docker

  • Implantação de contêineres de IA em ambientes de nuvem
  • Implementação de estratégias blue-green e canário
  • Estratégias de rollback para implantações falhas

Gerenciamento de Versões de Modelos e Artefatos

  • Utilização de registros para controle de versão de modelos e contêineres
  • Tagging, assinatura e promoção de imagens
  • Coordenação de atualizações de modelos entre serviços

Monitoramento e Observabilidade no CI/CD para IA

  • Acompanhamento do desempenho dos pipelines e dos modelos
  • Alertas para builds falhos ou drift de modelos
  • Rastreio do comportamento de inferência em diferentes ambientes

Escalonando Pipelines CI/CD para Sistemas de IA

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

Resumo e Próximos Passos

Requisitos

  • Conhecimento sobre os ciclos de vida de modelos de aprendizado de máquina
  • Experiência com containerização usando Docker
  • Familiaridade com conceitos e pipelines de CI/CD

Público-alvo

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

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas