Formações Data Science CD4ML: Continuous Delivery for Machine Learning
Formação CD4ML: Continuous Delivery for Machine Learning
* Esta formação faz parte dos nossos cursos de Data Science
Quero Estudar na Alura
46h
Para conclusão
5
Cursos
1
Vídeo extra
2
Podcasts
1
ArtigoConheça a formação de Continuous Delivery for Machine Learning
O QUE É O CD4ML?
CD4ML significa Continuous Delivery for Machine Learning, Entrega Contínua para Aprendizado de Máquina, em tradução livre. É uma abordagem para desenvolver e implantar modelos de aprendizado de máquina de forma ágil e confiável. Segundo o artigo “Continuous Delivery for Machine Learning”:
Entrega contínua para aprendizado de máquina (CD4ML) é uma abordagem de engenharia de software na qual uma equipe multifuncional produz aplicativos de aprendizado de máquina com base em código, dados e modelos. Essa produção se dá em incrementos pequenos e seguros que podem ser reproduzidos e liberados de forma confiável a qualquer momento, em ciclos curtos de adaptação.
Assim como a entrega contínua (continuous delivery) é uma prática que visa entregar software de forma rápida e segura, o CD4ML busca aplicar os mesmos princípios para a entrega de modelos de aprendizado de máquina, com o objetivo de tornar esse processo mais rápido, seguro e confiável. Isso significa que, em vez de desenvolver um modelo e implantá-lo manualmente, o CD4ML propõe um processo automatizado e iterativo, em que o modelo é continuamente testado, avaliado e atualizado.
O CD4ML é composto por diversas práticas, como versionamento de modelos, automação de testes, monitoramento de métricas e feedback contínuo. Tudo isso visa garantir que o modelo esteja sempre atualizado e entregando resultados precisos e confiáveis.
O QUE VAMOS APRENDER?
Nesta formação, você vai aprender sobre a entrega contínua de sistemas de aprendizado de máquina (CD4ML), uma abordagem que visa automatizar e acelerar o ciclo de vida dos projetos de ML. Você vai conhecer ferramentas e técnicas para realizar o build, os testes e o deploy das aplicações de forma rápida e confiável.
Você também vai entender como gerenciar os dados e os modelos de ML, usando o versionamento de dados e o rastreio de experimentos. Além disso, você vai compreender a importância da melhoria contínua e da governança de dados e modelos para garantir a qualidade e a ética dos sistemas de ML.
Por fim, você vai distinguir as responsabilidades de cada profissional envolvido na entrega contínua de sistemas de aprendizado de máquina, como engenheiros de dados, engenheiros de machine learning e cientistas de dados.
QUAIS SÃO OS PRÉ-REQUISITOS PARA FAZER ESSA FORMAÇÃO?
Para um aproveitamento mais completo do conteúdo, é recomendável possuir conhecimentos prévios em Python e conceitos de Aprendizado de Máquina.
Por que estudar esta formação?
Guia de aprendizado
Conteúdos pensados para facilitar seu estudo
Do básico ao avançado
Formação completa para o mercado
Você dentro do mercado
Do zero ao sonhado emprego em sua área de interesse
Comece essa formação agora mesmo e capacite-se para seu próximo projeto!
Conheça os planos
Com quem você vai aprender?
Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
-
Júlio Oliveira
Júlio é engenheiro especializado em Big Data Analytics. Atuou na indústria, marketing e mercado financeiro, aplicando tecnologia em combinação com soluções analíticas. Professor desde quando entendeu que aprende mais quem compartilha.
Igor Nascimento Alves
Sou graduado em Ciência da Computação. Atuo como instrutor de Data Science e Machine Learning no Grupo Alura, tendo como principais interesses na tecnologia: criação de modelos e análise de dados. Nas horas vagas assisto e analiso dados de basquete e adoro ouvir podcasts de humor como Nerdcast e Jujubacast.
-
Igor Nascimento Alves
Sou graduado em Ciência da Computação. Atuo como instrutor de Data Science e Machine Learning no Grupo Alura, tendo como principais interesses na tecnologia: criação de modelos e análise de dados. Nas horas vagas assisto e analiso dados de basquete e adoro ouvir podcasts de humor como Nerdcast e Jujubacast.
Guilherme Silveira
Co-fundador da Alura, da Caelum e do GUJ. Com 18 anos de ensino nas áreas de programação e dados, criou mais de 100 cursos. Possui formação em engenharia de software, viés matemático e criativo, além de ser medalhista de ouro em competições nacionais de computação, tendo representado o Brasil nos mundiais. Participante de comunidades open source e de educação em tecnologia, tendo escrito 7 livros. Faz mágica e fala coreano no tempo livre.
-
Guilherme Silveira
Co-fundador da Alura, da Caelum e do GUJ. Com 18 anos de ensino nas áreas de programação e dados, criou mais de 100 cursos. Possui formação em engenharia de software, viés matemático e criativo, além de ser medalhista de ouro em competições nacionais de computação, tendo representado o Brasil nos mundiais. Participante de comunidades open source e de educação em tecnologia, tendo escrito 7 livros. Faz mágica e fala coreano no tempo livre.
Passo a passo
1 Entendendo o CD4ML
Neste primeiro passo, você vai aprender sobre a entrega contínua de sistemas de aprendizado de máquina (CD4ML), uma forma de automatizar e acelerar o ciclo de vida dos projetos de machine learning (ML).
Você também vai entender como gerenciar os dados e os modelos de ML, usando o versionamento de dados e o rastreio de experimentos. Você vai compreender a importância da melhoria contínua e da governança de dados e modelos para garantir a qualidade e a ética dos sistemas de ML. Você vai distinguir as responsabilidades dos profissionais envolvidos na entrega contínua de sistemas de aprendizado de máquina.
-
Vídeo O que faz uma pessoa engenheira de Machine Learning? com Thiago Santos | #HipstersPontoTube
-
Curso CD4ML: Entrega Contínua para Machine Learning
08h - Entender como funciona a entrega contínua em sistemas de aprendizado de máquina (CD4ML)
- Exemplificar como automatizar os processo de build, testes e deploy de aplicações
- Entender como funciona o versionamento de dados
- Compreender a importância do rastreio de experimentos
- Entender como funciona o processo de melhoria contínua
- Distinguir as responsabilidade de cada profissional envolvido na entrega continua de sistemas de aprendizado de máquina
- Explicar a governança de dados e modelos de aprendizado de máquina através da entrega contínua de sistemas de aprendizado de máquina
-
Artigo ML Engineer, o Dev em <T>
-
Podcast Engenharia de machine learning – Hipsters Ponto Tech #248
-
2 Utilizando o pipeline de CD4ML
Neste passo, você vai aprender na prática como funciona um pipeline de machine learning que aplica os conceitos de CD4ML. Você vai explorar as principais práticas e ferramentas de continuous delivery, que é a base do Continuous Delivery for Machine Learning.
Você vai usar um pipeline completo de machine learning, que torna automático o deploy, os testes, os experimentos, o versionamento e o registro do modelo. E vai conhecer também as ferramentas utilizadas para essa
-
Curso Continuous Delivery for Machine Learning: completando o Pipeline
08h - Aplique o Continuous Delivery ao Machine Learning
- Explore as principais práticas e ferramentas de Continuous Delivery
- Utilize um pipeline completo para projetos de Machine Learning
- Aprenda como ficam os processos de treinamento, teste e deploy
- Compreenda técnicas de monitoramento e rastreamento para resultados confiáveis
- Gerencie o ciclo de desenvolvimento de Machine Learning de forma eficiente
-
Podcast O militar que descobriu a ciência de dados: Flávio Clésio – Scuba Ponto Dev #03
-
3 Criando um pipeline de CD4ML
Neste último passo, passaremos por diversos pontos importantes para se trabalhar com MLOps, desde a criação de APIs com Flask até o gerenciamento do ciclo de vida dos modelos com o MLflow de forma prática.
Vamos entender a importância de administrar as dependências do modelo, serializá-lo adequadamente e disponibilizar o acesso a ele. Também abordaremos a combinação com Docker, o deploy automático com GitHub Actions e os recursos do MLflow para gerenciar experimentos de machine learning e reproduzir modelos.
-
Curso MLOps: Machine Learning e APIs
10h - Aprenda o que é MLOps
- Descubra como criar APIs com Flask
- Saiba como servir modelos de machine learning com APIs
- Entenda a administração das dependências do seu modelo
- Aprenda a serializar um modelo de machine learning
-
Curso MLOps: deploy de modelos
08h - Aprenda a disponibilizar o acesso ao seu modelo
- Descubra como criar um servidor para o seu modelo
- Saiba fazer o deploy do seu modelo usando App Engine
- Entenda como combinar a sua aplicação com Docker
- Entenda como fazer o deploy automático com GitHub Actions
-
Curso MLflow: gestão do ciclo de vidas de modelos de ML
08h - Conheça o MLflow e os seus recursos
- Saiba gerenciar o ciclo de vida de modelos com MLflow
- Aprenda como controlar experimentos de Machine Learning
- Entenda como reproduzir modelo criados com o MLflow
- Realize um projeto com MLflow
-
Escola
Data Science
Além dessa, a categoria Data Science conta com cursos de Ciência de dados, BI, SQL e Banco de Dados, Excel, Machine Learning, NoSQL, Estatística,e mais...
Conheça a Escola
