Entrar em Contato

Programa do Curso

Introdução

  • Modelos de Aprendizado de Máquina vs software tradicional

Visão Geral do Fluxo de Trabalho DevOps

Visão Geral do Fluxo de Trabalho de Aprendizado de Máquina

ML como Código e Dados

Componentes de um Sistema de ML

Estudo de Caso: Uma Aplicação de Previsão de Vendas

Acessando Dados

Validando Dados

Transformação de Dados

De Pipeline de Dados para Pipeline de ML

Construindo o Modelo de Dados

Treinamento do Modelo

Validando o Modelo

Reproduzindo o Treinamento do Modelo

Deploy de um Modelo

Servindo um Modelo Treinado em Produção

Testando um Sistema de ML

Orquestração de Entrega Contínua

Monitoramento do Modelo

Versionamento de Dados

Adaptando, Escalando e Mantendo uma Plataforma MLOps

Solução de Problemas

Resumo e Conclusão

Requisitos

  • Compreensão do ciclo de desenvolvimento de software
  • Experiência construindo ou trabalhando com modelos de Aprendizado de Máquina
  • Familiaridade com programação em Python

Público-alvo

  • Engenheiros de ML
  • Engenheiros de DevOps
  • Engenheiros de Dados
  • Engenheiros de Infraestrutura
  • Desenvolvedores de Software
 35 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas