- Introdução às noções básicas de MLOps
- Este módulo apresenta uma visão geral do curso
- Por que e quando usar MLOps
- Neste módulo, vamos abordar o machine learning por uma perspectiva operacional. Isso significa ter uma visão de todo o sistema, desde a definição do problema até a solução.
- Noções básicas sobre os principais componentes do Kubernetes (opcional)
- Introdução ao AI Platform Pipelines
- Neste módulo, vamos falar sobre um produto do Google Cloud, o AI Platform Pipelines, que facilita, otimiza e escalona o MLOps com os Serviços do Google Cloud.
- Treinamento, ajuste e exibição no AI Platform
- Neste módulo, vamos conferir como treinar, ajustar e exibir um modelo manualmente em um notebook do Jupyter na AI Platform.
- Kubeflow Pipelines no AI Platform
- Neste módulo, vamos automatizar o processo de treinamento e ajustes descrito anteriormente usando um pipeline do Kubeflow. Em vez de ter que acionar cada passo do processo manualmente no notebook do Jupyterlab, podemos fazer isso com todo o processo em um único clique depois de expressar as várias etapas como um pipeline do Kubeflow.
- CI/CD do Kubeflow Pipelines no AI Platform
- Neste módulo, vamos abordar o CI/CD para pipelines do Kubeflow. Sabemos como criar um pipeline automatizado do Kubeflow, mas como podemos integrá-lo a uma pilha de integração contínua? A meta é recriar os recursos do pipeline imediatamente quando um novo código de treinamento for enviado para o repositório correspondente.
- Resumo
- Este módulo é um resumo dos temas do curso
- Recursos do curso
- Links dos PDFs de todos os módulos