50% de desconto no DataCamp Premium. Mais de 700 cursos pela metade do preço. Comece a aprender hoje.
Descrição do curso
Grande parte do conteúdo atual sobre machine learning foca no treinamento de modelos e no ajuste de parâmetros, mas 90% dos modelos experimentais nunca chegam à produção, principalmente porque não foram feitos para durar. Neste curso, você vai ver como mudar sua mentalidade de engenharia de machine learning para uma mentalidade de MLOps (Operações de Aprendizado de Máquina) vai te ajudar a treinar, documentar, manter e escalar seus modelos para atingir todo o seu potencial.
Experimente e documente com facilidade
Experimentar modelos de ML costuma ser divertido, mas pode ser demorado. Aqui, você vai aprender a criar experimentos que podem ser repetidos pra agilizar esse processo enquanto escreve a documentação pra você e seus colegas de equipe, facilitando o trabalho futuro no pipeline.Crie modelos MLOps para produção
Você vai aprender as melhores práticas para empacotar e serializar modelos e ambientes para produção, garantindo que os modelos durem o máximo possível.Amplie e automatize seus pipelines de ML
Ao pensar na complexidade dos modelos e dos dados e na automação contínua, você pode garantir que seus modelos serão dimensionados para uso em produção e poderão ser monitorados e implantados rapidinho.Depois de concluir este curso, você vai conseguir projetar e desenvolver modelos de machine learning prontos para produção e melhorá-los continuamente ao longo do tempo.
Pré-requisitos
Programa de estudos
Descrição do curso
1
Da Pesquisa à Produção
Este capítulo vai fornecer as habilidades e o conhecimento necessários para levar seus modelos de Machine Learning da fase de pesquisa e desenvolvimento para um ambiente de produção. Você vai aprender sobre o processo de transformar um protótipo de pesquisa em um sistema confiável, escalável e de fácil manutenção.
- Adotando uma mentalidade de MLOps50 XP
- Qual é um aspecto fundamental de MLOps?50 XP
- O que é dívida técnica?50 XP
- Escrevendo código de ML sustentável50 XP
- Controle de versão50 XP
- Organização de código50 XP
- Escrevendo documentação de ML eficiente50 XP
- Por que documentar métodos de rotulagem?50 XP
- Melhores práticas de MLOps100 XP
2
Garantindo Reprodutibilidade
Neste capítulo, você vai aprender sobre a importância da reprodutibilidade em Machine Learning e como garantir que seus modelos continuem reprodutíveis e confiáveis ao longo do tempo. Você vai explorar várias técnicas e boas práticas que podem ser usadas para assegurar a reprodutibilidade dos seus modelos.
3
ML em Ambientes de Produção
No Capítulo 3, você vai analisar os diversos desafios associados à implantação de modelos de Machine Learning em ambientes de produção. Você vai aprender sobre as diferentes abordagens para implantar modelos de ML em produção e estratégias para monitorar e manter modelos de ML em produção.
4
Testando Pipelines de ML
No capítulo final, você vai aprender sobre as várias formas de testar pipelines de Machine Learning e garantir que tenham o desempenho esperado. Você vai descobrir a importância de testar pipelines de ML e conhecer técnicas para testar e validar pipelines de ML.
R
Desenvolvendo Modelos de Machine Learning para Produção
Curso
concluído
