Introdução ao MLflow

Gerenciar o ciclo de vida de ponta a ponta de um aplicativo de machine learning pode ser uma tarefa assustadora para cientistas de dados, engenheiros e desenvolvedores. Os aplicativos de machine learning são complexos e têm um histórico comprovado de serem difíceis de rastrear, difíceis de reproduzir e problemáticos de implantar.

Neste curso, você aprenderá o que é o fluxo MLe como ele tenta simplificar as dificuldades do ciclo de vida do Machine Learning, como rastreamento, reprodutibilidade e implantação. Depois de aprender o fluxo do ML, você terá uma melhor compreensão de como superar as complexidades da criação de aplicativos de Machine Learning e como navegar pelos diferentes estágios do ciclo de vida do Machine Learning.

Ao longo do curso, você mergulhará fundo nos quatro principais componentes que compõem a plataforma de fluxo ML. Você explorará como rastrear modelos, métricas e parâmetros com o programa MLflow Tracking, empacotar código reproduzível ML usando o programa MLflow Projects, criar e implantar modelos usando o programa MLflow Models e armazenar e controlar a versão dos modelos usando o Model Registry.

À medida que avança no curso, você também aprenderá as práticas recomendadas de uso do fluxo MLpara modelos de controle de versão, como avaliar modelos, adicionar personalizações a modelos e como criar automação em execuções de treinamento. Este curso preparará você para ter sucesso no gerenciamento do ciclo de vida do seu próximo aplicativo de Machine Learning.