O fluxo de trabalho completo do projeto de ML: do desenvolvimento à produção

Muitos cursos ensinam treinamento de modelos, mas poucos explicam como transformar um notebook em um sistema confiável.Este curso apresenta o ciclo de vida completo do projeto necessário para fornecer valor comercial do mundo real usando o aprendizado de máquina. No final deste curso, você entenderá as etapas essenciais de um projeto de ML, desde a exploração inicial de dados e desenvolvimento de modelos até a implantação, manutenção e monitoramento, permitindo que você faça a transição de experimentos isolados para soluções prontas para produção. O que você vai aprender: * Entenda as etapas críticas para traduzir uma necessidade de negócios em um problema de aprendizado de máquina solúvel. * Prática de preparação de dados e técnicas de engenharia de recursos essenciais para o treinamento de modelos robustos. * Construir modelos de ML fundamentais e avaliar seu desempenho usando métricas padrão. * Configurar o rastreamento de experimentos básicos e o versionamento de modelos para reprodutibilidade e colaboração em equipe. * Aplique conceitos básicos de containerização e padrões de implantação adequados para ambientes de produção. * Implementar estratégias básicas de monitoramento e manutenção para garantir a confiabilidade do modelo ao longo do tempo. Começamos com a terminologia-chave e os conceitos fundamentais, depois percorremos sistematicamente as fases de desenvolvimento, treinamento, validação e operacionalização de um projeto de ML, com foco em exercícios práticos escritos. Este curso é projetado para iniciantes absolutos em aprendizado de máquina que querem entender o fluxo de trabalho prático de um cientista de dados ou engenheiro de ML.Não é necessária experiência prévia com MLOps ou sistemas de produção. Comece a aprender como entregar projetos de machine learning que funcionem no mundo real hoje mesmo.