Entrar em Contato

Programa do Curso

Introdução à Implantação de IA

  • Visão geral do ciclo de vida da 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 aos conceitos básicos de containerização
  • Utilizando o Kubernetes para orquestrar agentes de IA
  • Melhores práticas para gerenciar aplicações de IA em containers

Servindo Modelos de IA

  • Visão geral dos frameworks de serviço de modelos (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

  • Configurando pipelines de CI/CD para implantações de IA
  • Automatizando testes e validação de modelos de IA
  • Atualizações graduais (rolling updates) e controle de versão

Monitoramento e Otimização

  • Implementação de ferramentas de monitoramento para o desempenho dos agentes de IA
  • Análise de desvio do modelo (model drift) e necessidades de retreinamento
  • Otimização da utilização de recursos e escalabilidade

Segurança e Governança

  • Garantindo conformidade com regulamentações de privacidade de dados
  • Protegendo pipelines de implantação de IA e APIs
  • Auditoria e registro (logging) para aplicações de IA

Atividades Práticas

  • Containerizando um agente de IA com Docker
  • Implantando um agente de IA usando Kubernetes
  • Configurando monitoramento para desempenho da IA e uso de recursos

Resumo e Próximos Passos

Requisitos

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

Público-Alvo

  • Engenheiros MLOps
  • Profissionais de DevOps
 14 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas