Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução à Implantação de IA
- Visão geral do ciclo de vida de implantação de IA
- Desafios na implantação de agentes de IA em produção
- Considerações-chave: escalabilidade, confiabilidade e manutenibilidade
Containerização e Orquestração
- Introdução ao Docker e noções básicas de containerização
- Uso do Kubernetes para orquestração de agentes de IA
- Boas práticas para gerenciar aplicações de IA containerizadas
Serviço de Modelos de IA
- Visão geral de frameworks de serviço de modelos (ex.: TensorFlow Serving, TorchServe)
- Criação de APIs REST para inferência de agentes de IA
- Tratamento de previsões em lote versus em tempo real
CI/CD para Agentes de IA
- Configuração de pipelines CI/CD para implantações de IA
- Automação 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 o desempenho de agentes de IA
- Análise de derivação de modelo e necessidades de re-treinamento
- Otimização da utilização de recursos e escalabilidade
Segurança e Governança
- Garantia de conformidade com regulamentações de privacidade de dados
- Segurança de pipelines de implantação e APIs de IA
- Conformidade e registro de logs (auditing/logging) para aplicações de IA
Atividades Práticas
- Containerização de um agente de IA com Docker
- Implantação de um agente de IA usando Kubernetes
- Configuração de monitoramento para desempenho de IA e uso de recursos
Resumo e Próximos Passos
Requisitos
- Proficiência em programação Python
- Compreensão de fluxos de trabalho de machine learning
- Familiaridade com ferramentas de containerização como Docker
- Experiência com práticas de DevOps (recomendado)
Público Alvo
- Engenheiros de MLOps
- Profissionais de DevOps
14 Horas
