Programa do Curso

Introdução ao Deploy de IA

  • Visão geral do ciclo de vida do deploy da IA
  • Desafios no deploy de agentes de IA para produção
  • Considerações-chave: escalabilidade, confiabilidade e manutenção

Containerização e Orquestração

  • Introdução ao Docker e fundamentos de containerização
  • Usando o Kubernetes para orquestração de agentes de IA
  • Melhores práticas para gerenciar aplicações de IA containerizadas

Servindo Modelos de IA

  • Visão geral dos frameworks de serviço de modelo (por exemplo, TensorFlow Serving, TorchServe)
  • Construção de APIs REST para inferência de agentes de IA
  • Lidando com previsões em lote versus tempo real

CI/CD para Agentes de IA

  • Configuração de pipelines CI/CD para deploys de IA
  • Automatização de testes e validação de modelos de IA
  • Atualizações incrementais e gerenciamento de controle de versão

Monitoramento e Otimização

  • Implementação de ferramentas de monitoramento para desempenho de agentes de IA
  • Análise de deriva do modelo e necessidades de reavaliação
  • Otimização da utilização de recursos e escalabilidade

Segurança e Governança

  • Garantir conformidade com regulamentos de privacidade de dados
  • Proteger pipelines de deploy de IA e APIs
  • Auditoria e registro para aplicações de IA

Atividades Práticas

  • Containerização de um agente de IA com Docker
  • Deploy de um agente de IA usando o Kubernetes
  • Configuração de monitoramento para desempenho e uso de recursos da IA

Resumo e Próximos Passos

Requisitos

  • Proficiência em programação Python
  • Compreensão dos fluxos de trabalho de aprendizado de máquina
  • Familiaridade com ferramentas de contêinerização como Docker
  • Experiência com práticas DevOps (recomendado)

Público-alvo

  • Engenheiros MLOps
  • Profissionais DevOps
 14 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas