Este curso é dedicado ao Deploy, ou seja, colocar o modelo em produção e fazê-lo resolver o problema para o qual foi criado. Este é o Terceiro curso da Formação Engenheiro de Machine Learning.

Aqui você vai trabalhar com Ambiente em Nuvem AWS, Google Cloud Platform e Azure e aprenderá a usar o AWS SageMaker para criar uma API para modelos de Machine Learning.

imagem1

Flask e Django também serão abordados neste curso.

 

imagem3

Um curso completo de como realizar o deploy de modelos de diversas e com diferentes arquiteturas e ferramentas.

imagem2

Em cada capítulo teremos aulas sobre as ferramentas e/ou frameworks, a definição de um problema, a construção do pipeline de deploy e consumo do modelo e a execução do deploy.

Vamos realizar o deploy com diferentes frameworks e ferramentas para consumo local ou em nuvem, tais como AWS, GCP, Azure, TensorFlow, MLFlow, KubeFlow, MLeap, Spark MLLib e Scikit-Learn. Usaremos ainda Keras, PyTorch e o MxNet com Gluon, além de Databricks, Docker e Streamlit.

E ainda tem um bônus: Preparação Para o Exame de Certificação AWS Machine Learning Specialist

Seja bem-vindo e vamos começar! Acesse e confira:

Deploy de Modelos de Machine Learning