Entrar em Contato

Programa do Curso

Introdução aos Modelos Devstral e Mistral

  • Panorama dos modelos de código aberto da Mistral
  • Licenciamento Apache-2.0 e adoção empresarial
  • Papel do Devstral em fluxos de trabalho de codificação e agentes (agentic)

Auto-hospedagem dos Modelos Mistral e Devstral

  • Preparação do ambiente e escolhas de infraestrutura
  • Containerização e implantação com Docker/Kubernetes
  • Considerações de escalabilidade para uso em produção

Técnicas de Ajuste Fino

  • Ajuste fino supervisionado versus ajuste eficiente de parâmetros
  • Preparação e limpeza de conjuntos de dados
  • Exemplos de personalização específica por domínio

Model Ops e Versionamento

  • Boas práticas para gestão do ciclo de vida dos modelos
  • Estratégias de versionamento e reversão (rollback) de modelos
  • Pipelines de CI/CD para modelos de ML

Governança e Conformidade

  • Considerações de segurança para implantação de código aberto
  • Monitoramento e auditabilidade em contextos empresariais
  • Estruturas de conformidade e práticas de IA responsável

Monitoramento e Observabilidade

  • Rastreamento de deriva do modelo e degradação da precisão
  • Instrumetação para desempenho de inferência
  • Pipelines de alerta e resposta

Casos de Uso e Boas Práticas

  • Estudos de caso sobre a adoção dos modelos Mistral e Devstral na indústria
  • Equilíbrio entre custo, desempenho e controle
  • Lições aprendidas com Model Ops de código aberto

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fluxos de trabalho de aprendizado de máquina
  • Experiência com frameworks de ML baseados em Python
  • Conhecimento prévio de containerização e ambientes de implantação

Público-Alvo

  • Engenheiros de ML
  • Equipes de plataformas de dados
  • Engenheiros de pesquisa
 14 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas