Entrar em Contato

Programa do Curso

Fundamentos da Containerização para MLOps

  • Compreensão dos requisitos do ciclo de vida do ML
  • Conceitos-chave do Docker para sistemas de ML
  • Boas práticas para ambientes reproduzíveis

Construção de Pipelines de Treino de ML Containerizados

  • Empacotamento de código de treino de modelos e dependências
  • Configuração de jobs de treino utilizando imagens Docker
  • Gestão de datasets e artefactos em containers

Containerização de Validação e Avaliação de Modelos

  • Reprodução de ambientes de avaliação
  • Automação de fluxos de trabalho de validação
  • Captura de métricas e registos (logs) a partir de containers

Inferência e Serviço Containerizados

  • Projeto de microsserviços de inferência
  • Otimização de containers de tempo de execução para produção
  • Implementação de arquiteturas de serviço escaláveis

Orquestração de Pipelines com Docker Compose

  • Coordenação de fluxos de trabalho de ML multi-container
  • Isonização de ambientes e gestão de configuração
  • Integração de serviços de suporte (ex.: tracking, armazenamento)

Versão e Gestão do Ciclo de Vida de Modelos de ML

  • Acompanhamento de modelos, imagens e componentes de pipeline
  • Ambientes de containers com controlo de versão
  • Integração de MLflow ou ferramentas similares

Implantação e Escala de Cargas de Trabalho de ML

  • Execução de pipelines em ambientes distribuídos
  • Escala de microsserviços utilizando abordagens nativas do Docker
  • Monitorização de sistemas de ML containerizados

CI/CD para MLOps com Docker

  • Automação de builds e implantação de componentes de ML
  • Teste de pipelines em ambientes de staging containerizados
  • Garantia de reproduibilidade e retornos (rollbacks)

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fluxos de trabalho de machine learning
  • Experiência com Python para desenvolvimento de dados ou modelos
  • Familiaridade com os fundamentos de containers

Público-Alvo

  • Engenheiros de MLOps
  • Praticantes de DevOps
  • Equipes de plataformas de dados
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (3)

Próximas Formações Provisórias

Categorias Relacionadas