feat: Adiciona cards de "MLOps" e "Contêineres" para carreia de IA #231
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
Adicionei cards opcionais no lado esquerdo do “T” de “Business e Serviços” para a carreira de "Inteligência Artificial”, mais especificamente os cards de “MLOps" e “Contêineres”.
Muitas vezes, não é possível simplesmente usar um modelo de Machine Learning treinado off-line como um serviço de previsão final. Frequentemente, é necessário um pipeline de múltiplas etapas para retreinar e implantar o modelo de forma contínua. Esse processo é complexo, pois automatiza tarefas que cientistas de dados fazem manualmente, como treinar e validar novos modelos antes de implantá-los.
Um exemplo de implantação de modelos de Machine Learning em soluções de Platform-as-a-Service (PaaS) envolve o uso de contêineres Docker. Estes contêineres, fornecidos por provedores de serviços em nuvem, permitem empacotar o modelo e suas dependências para implantação em qualquer infraestrutura compatível. Esse método é flexível e portátil, mas exige conhecimento em tecnologias de contêineres.
Fonte:
KALINOWSKI, M.; ESCOVEDO, T.; VILLAMIZAR, H.; LOPES, H. Engenharia de software para ciência de dados: um guia de boas práticas com ênfase na construção de sistemas de Machine Learning em Python. Editora Casa do Código, 2023.