Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
MLOps é o conjunto de práticas criadas pra te ajudar a implementar e manter modelos de machine learning em produção. Hoje em dia, na indústria e na pesquisa, o MLOps está em destaque como uma forma de garantir que os sistemas de ML gerem valor.
Descubra a automação completa em MLOps
Neste curso, você vai aprender a usar a automação em MLOps para implementar sistemas de ML que podem agregar valor ao longo do tempo. Você vai aprender como a dívida técnica oculta afeta os sistemas de ML e o valor que eles geram. Você também vai entender como automatizar e simplificar as etapas do ciclo de vida do ML pode ajudar na operação e no dimensionamento dos sistemas de ML.Saiba mais sobre a arquitetura MLOps
Você vai usar exercícios práticos e interativos para aprender sobre os componentes de uma arquitetura MLOps e como eles são necessários para permitir a automação total dos sistemas de ML.Explore as técnicas de CI/CD/CM/CT MLOps
Conforme você for avançando, vai aprender como a CI/CD automatizada, junto com o Monitoramento Contínuo (CM) e o Treinamento Contínuo (CT), são técnicas essenciais para evitar dívidas técnicas nas suas implantações de ML.Entenda a automação nas estratégias de implantação
Ao final do curso, você vai entender como a automação com MLOps pode melhorar a forma como você implementa seus sistemas de ML no mundo real, proporcionando robustez e escalabilidade às suas implementações.Comece a aprender, adquira conhecimento nessa área super procurada e descubra como usar a automação ao projetar sistemas MLOps.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução: MLOps totalmente automatizado
Neste primeiro capítulo, vamos motivar o uso de MLOps em um contexto industrial. Você vai aprender sobre sua importância para apoiar a geração de valor nos negócios. Também vai revisar as etapas de ML, com foco em como o MLOps as aprimora. Ao final do capítulo, você explorará uma arquitetura de referência para um sistema de MLOps totalmente automatizado. Em seguida, usará essa arquitetura para explorar componentes importantes para qualquer sistema de MLOps e como ponto de partida para o restante do curso.
- Introdução ao MLOps totalmente automatizado50 XP
- Dívida técnica oculta precisa ser paga50 XP
- A dívida técnica oculta em ML é diferente100 XP
- Etapas do ciclo de vida de MLOps50 XP
- MLOps totalmente automatizado50 XP
- Automatizar ou não automatizar...50 XP
- Construindo para escalar100 XP
- Arquitetura de referência: MLOps totalmente automatizado50 XP
- Arquiteturas de referência em TI e MLOps50 XP
- Componentes da arquitetura de MLOps100 XP
2
Arquitetura de MLOps totalmente automatizado
Neste capítulo, você vai continuar explorando os componentes críticos que compõem um sistema de MLOps totalmente automatizado. Primeiro, você vai analisar a importância da orquestração em MLOps e como ela ajuda a garantir a eficiência e a escalabilidade de pipelines de ML. Depois disso, você vai examinar as diferentes estratégias de implantação em MLOps e aprender a escolher a estratégia certa para o seu sistema. Por fim, você aprenderá sobre CI/CD/CT/CM e como isso complementa a orquestração e as boas práticas para alcançar automação total em sistemas de MLOps. Com essas lições, você estará mais preparado para construir um sistema de MLOps totalmente automatizado que seja eficiente, preciso e confiável.
3
Padrões de automação
Neste capítulo, você vai mergulhar no mundo da automação e aprender a projetar sistemas de ML mais resilientes e eficientes. Você começará entendendo os fundamentos da automação em sistemas de MLOps e, em seguida, descobrirá o poder de padrões de design e mecanismos de fail-safe. Você também vai aprender a implementar testes automatizados em sistemas de MLOps e a usar ajuste de hiperparâmetros para otimizar seus modelos e fluxos de trabalho. Ao final deste capítulo, você estará equipado com as habilidades e o conhecimento necessários para construir e gerenciar sistemas de MLOps totalmente automatizados que sejam ao mesmo tempo eficientes e confiáveis.
4
Automação em implantações de MLOps
Neste capítulo final, você vai se aprofundar nos componentes essenciais de uma arquitetura de MLOps automatizada. Desde entender o rastreamento automatizado de experimentos e o registro de modelos até explorar o feature store e o papel do repositório de metadados, este capítulo foi elaborado para oferecer uma compreensão abrangente das nuances de um sistema de MLOps totalmente automatizado. Seja você uma pessoa experiente em ML ou esteja apenas começando, este capítulo vai fornecer o conhecimento e as habilidades necessárias para projetar fluxos de trabalho de MLOps automatizados.
R
MLOps totalmente automatizado
Curso
concluído
