Hewerton Umbelito da...
Atualmente, sou Senior Machine Learning Engineer na ALPE e instrutor na Alura. Tenho mais de 7 anos ...
Dados
MLflow: gestão e rastreabilidade do ciclo de vida de modelos
12hCarga horária
64Atividades
13Estudantes
0,0Avaliação média
01Certificado
O que você vai aprender
- Registre experimentos no MLflow incluindo parâmetros, métricas, artefatos, tags e logs para garantir rastreabilidade.
- Compare e filtre runs para identificar e justificar o modelo campeão com base em métricas relevantes.
- Gerencie versões de modelos no Model Registry, promovendo, versionando e aplicando aliases ao ciclo de vida.
- Empacote modelos no formato MLflow Models (PyFunc) e documente entradas com signatures e exemplos.
- Sirva modelos como APIs REST e valide chamadas de inferência em um ambiente empacotado com Docker.
- Estruture o projeto como MLflow Projects para executar pipelines reproduzíveis e facilitar a colaboração remota.
Público alvo
Profissionais, estudantes e entusiastas com familiaridade em Python e noções básicas de machine learning que desejam aplicar práticas de MLOps para rastrear, versionar, empacotar e servir modelos em projetos colaborativos.
Certificado reconhecido pelas maiores
empresas do Brasil e do mundo.
Aprenda com
quem está
construindo
o mercado
Hewerton Umbelito da Silv...
Atualmente, sou Senior Machine Learning Engineer na ALPE e instrutor na Alura. Tenho mais de 7 anos ...
Dados
Explore conteúdos
Inicie sua jornada agora.
Cursos relacionados em MLOps e Operacionalização
Continuous Delivery for Machine Learning:
completando o Pipeline
Ver mais em DadosCertificado Alura
MLOps:
Machine Learning e APIs
Ver mais em DadosCertificado Alura
MLOps:
deploy de modelos
Ver mais em DadosCertificado Alura
MLOps:
implantação de modelos com automação e monitoramento
Ver mais em DadosCertificado Alura
