Entrar em Contato

Programa do Curso

Introdução à Implantação em Produção

  • Principais desafios na implantação de modelos ajustados
  • Diferenças entre ambientes de desenvolvimento e de produção
  • Ferramentas e plataformas para implantação de modelos

Preparação dos Modelos para Implantação

  • Exportação de modelos em formatos padrão (ONNX, TensorFlow SavedModel, etc.)
  • Otimização de modelos para latência e throughput
  • Teste de modelos em casos extremos e dados reais

Contêinerização para Implantação de Modelos

  • Introdução ao Docker
  • Criação de imagens Docker para modelos de ML
  • Melhores práticas para segurança e eficiência dos contêineres

Escala de Implantações com Kubernetes

  • Introdução ao Kubernetes para cargas de trabalho de IA
  • Configuração de clusters do Kubernetes para hospedagem de modelos
  • Balanceamento de carga e escala horizontal

Monitoramento e Manutenção de Modelos

  • Implementação de monitoramento com Prometheus e Grafana
  • Registro automático de logs para rastreamento de erros e desempenho
  • Pipelines de retreinamento para deriva (drift) de modelos e atualizações

Garantia de Segurança em Produção

  • Segurança das APIs para inferência de modelos
  • Mecanismos de autenticação e autorização
  • Ajude com preocupações de privacidade de dados

Estudos de Caso e Laboratórios Práticos

  • Implantação de um modelo de análise de sentimento
  • Escala de um serviço de tradução automática
  • Implementação de monitoramento para modelos de classificação de imagens

Resumo e Próximos Passos

Requisitos

  • Sólida compreensão dos fluxos de trabalho de machine learning
  • Experiência com ajuste fino (finetuning) de modelos de ML
  • Conhecimento dos princípios de DevOps ou MLOps

Público-alvo

  • Engenheiros de DevOps
  • Profissionais de MLOps
  • Especialistas em implantação de IA
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas