Este capítulo oferece uma visão geral dos princípios de MLOps e dos componentes do framework importantes para implantação e ciclo de vida.

O framework moderno de MLOps

Fluxos de trabalho de ML

Benefícios do MLOps

Etapas do ciclo de vida

Aplicativo vs. modelo

Descomissionamento

O ciclo de vida do modelo: revisão

Componentes de MLOps

Sequência automatizada

Stores e registries

DevOps ou MLOps?

MLOps em poucas palavras

Este capítulo é dedicado a todas as considerações que precisamos fazer já na fase de desenvolvimento para garantir uma transição tranquila quando chegarmos às operações.

Nosso objetivo é explicar como treinar o modelo seguindo as melhores práticas de MLOps e construir um pacote de modelo que permita implantação fluida, reprodutibilidade e monitoramento pós-implantação.

Desenvolvimento orientado ao deployment

Testando seu modelo de machine learning

Melhor momento para começar a implantar

Profiling, versionamento e feature stores

Opções

Verdadeiro

Falso

Propriedades de feature stores

Feature store

Data profiling

Benefícios de profiling e feature store

Garantindo reprodutibilidade

Pipelines de construção de modelos em CI/CD

Pipeline de modelo

Pipeline de BUILD de modelo

Pipelines diferentes

Propriedades da pipeline de build do modelo

Fontes de entrada do pipeline

Armazenamento de saídas do pipeline

Integração com CI/CD

Empacotamento de modelo

Formatos de modelo

Pacote do modelo

Fora do pacote do modelo

Pacote completo

Desenvolver para implantar

Este capítulo trata de questões críticas de operações de modelos, como:
- Quais são as diferentes formas de servir nossos modelos?
- O que é uma API e quais são suas funcionalidades essenciais?
- Como testamos nosso serviço a fundo antes de disponibilizá-lo aos usuários finais?
- Como atualizamos modelos em produção sem interromper o serviço?

Você vai aprender sobre predição em lote, predição em tempo real, validação de dados de entrada e saída, testes de unidade, testes de integração, implantação canário e muito mais.

Modos de serviço

Offline ou online?

Quando o tempo importa — um pouco

Construindo a API

Cliente-servidor

Funcionalidades da API

Progressão de implantação e testes

Que teste é esse?

Progressão entre ambientes

Testes por ambiente

Estratégias de implantação de modelos

Uma estratégia de deploy adequada

Ordem de risco

Sombra da sombra

Implantar e executar

Este capítulo final é dedicado ao monitoramento e à manutenção de serviços de ML após a implantação, além da governança de modelos.

Você vai abordar conceitos cruciais, como latência de verificação, covariate shift, concept drift, sistemas com humano no ciclo e mais.


Monitorando serviços de ML

Shift vs drift

Latência

Já?

Monitoramento e alertas

O sistema de monitoramento

Alertas

Manutenção de modelos

Centrado em dados vs. centrado no modelo

Humano no Loop

Governança de modelos

Elementos de governança

Estágios de governança

Classificação de risco

Encerramento

Monitorar e manter

Explore o framework moderno de MLOps, incluindo o ciclo de vida e a implantação de modelos de Machine Learning. Neste curso, você vai aprender a escrever código de ML que reduz a dívida técnica, descobrir as ferramentas necessárias para implantar e monitorar seus modelos e conhecer os diferentes tipos de ambientes e análises que encontrará.

Depois de coletar, preparar e rotular seus dados, executar vários experimentos com diferentes modelos e validar sua prova de conceito com um modelo campeão, é hora dos próximos passos. Construir. Implantar. Monitorar. Manter. Esse é o ciclo de vida do seu modelo quando ele vai para produção. Esse é o “Ops” de MLOps.

Este curso vai mostrar como navegar pelo segundo capítulo da jornada do seu modelo rumo à entrega de valor, estabelecendo a base para muitos outros a seguir.

<h2>Implantação e ciclo de vida do MLOps</h2>

Explore a estrutura moderna do MLOps, incluindo o ciclo de vida e a implantação de modelos de machine learning. Neste curso, você vai aprender a escrever código de ML que minimiza a dívida técnica, descobrir as ferramentas necessárias para implantar e monitorar seus modelos e examinar os diferentes tipos de ambientes e análises que você encontrará.

<h2>Saiba mais sobre o ciclo de vida do MLOps</h2>
Depois de coletar, preparar e rotular seus dados, fazer vários experimentos em diferentes modelos e provar seu conceito com um modelo campeão, é hora de seguir em frente. Desenvolver Implemente. Monitor. Manter. Esse é o ciclo de vida do seu modelo quando ele vai para a produção. Essa é a parte de operações do MLOps.

Este curso vai te mostrar como navegar pelo segundo capítulo da jornada do seu modelo para a entrega de valor, estabelecendo a referência para muitos outros que virão. Você vai começar explorando o ciclo de vida do MLOps, descobrindo a importância do MLOps e os principais componentes funcionais para o desenvolvimento, implantação, monitoramento e manutenção de modelos.
<h2>Desenvolver código ML para implantação</h2>
Depois, você vai aprender a desenvolver modelos para implantação e a escrever códigos de ML eficientes, usar ferramentas e treinar pipelines de ML. Conforme você for avançando, você vai aprender como implementar seus modelos, explorando diferentes ambientes de implementação e quando usá-los. Você também vai criar estratégias para trocar os modelos de produção atuais e dar uma olhada nas APIs.
<h2>Aprenda a monitorar seus modelos</h2>
Ao concluir o curso, você vai descobrir as métricas de desempenho essenciais por trás do monitoramento e da manutenção dos seus modelos de ML. Você vai aprender sobre monitoramento de desvios na produção, além de feedback, atualizações e governança de modelos.

Quando terminar, você vai entender como usar o ciclo de vida do MLOps para implantar seus próprios modelos em produção.


MLOps Concepts

Neste curso, você explorará o MLOps moderno, ciclo de vida e implantação de modelos de ML.

Implantação e ciclo de vida em MLOps

Neste curso, você vai conhecer a estrutura moderna do MLOps, vendo o ciclo de vida e a implantação de modelos de machine learning. 

Pipelines de construção de modelos em CI/CD

Create Your Free Account