Introdução aos MLOps: Projetando e implantando pipelines de machine learning

A transição de um modelo de machine learning de um notebook local para um ambiente de produção confiável requer mais do que apenas uma boa ciência de dados. Este curso baseado em texto apresenta os princípios essenciais das Operações de Machine Learning (MLOps), ajudando você a preencher a lacuna entre o desenvolvimento de modelos e a engenharia de software.\n\nVocê fará a transição da escrita de código de machine learning isolado para o projeto de pipelines automatizados, reprodutíveis e monitorados. Através de explicações claras e passo-a-passo escritos, você entenderá como gerenciar o versionamento de dados, automatizar o treinamento de modelos e garantir que suas implantações permaneçam estáveis ao longo do tempo.\n\nO que você aprenderá:\n- Entenda o ciclo de vida principal dos MLOps e como ele difere do DevOps tradicional.\n- Configure o versionado básico de dados e modelos para garantir a reprodutibilidade.\n- Crie pipelines de treinamento e implantação automatizados usando conceitos modernos de CI/CD.\n– Implemente estratégias de monitoramento e observabilidade de modelos para detectar desvios e degradação de desempenho.\n‑ Explore os princípios fundamentais de containerização para empacotar modelos de forma consistente.\n‐ Aplique as melhores práticas de governança e segurança para O curso começa com a terminologia essencial e os pilares fundamentais dos MLOps antes de orientá-lo através da automação de pipeline, containerização e monitoramento pós-implantação. Você trabalhará através de exercícios conceituais e cenários práticos baseados em texto para reforçar sua compreensão.\n\nEste curso foi projetado para aspirantes a cientistas de dados, engenheiros de software e administradores de sistema que são novos para MLOps. Não é necessária experiência prévia em DevOps, embora uma compreensão básica dos conceitos de machine learning seja útil.\n\nComece a criar pipelines de machine learn robustos e prontos para produção hoje mesmo.