Machine Learning está em toda a parte:na performance financeira das empresas, na saúde das pessoas, nas causas sociais, nas descobertas e na inovação. Aplicar Machine Learning nos negócios não é mais um diferencial, mas uma questão de sobrevivência.

Porém, criar e manter modelos de Machine Learning pode apresentar vários desafios:

• Modelos são temporais, precisam, eventualmente, serem atualizados

• Modelos não dependem apenas de código, mas de dados

• Modelos devem ser modulares

• Modelos devem ser versionados, assim como qualquer outro tipo de programa

• Dados podem mudar, e isso pode afetar de forma positiva o modelo, mas também pode simplesmente para-lo

• Modelos precisam ser testados

• Modelos precisam ser monitorados, pois sua performance pode se degradar

• Modelos precisam ser implantados

Para melhorar a gestão e operação de modelos de Machine Learning, e propiciar uma transição mais tranquila para a operação, surge a MLOPs, (Machine Learning Operations), baseado em princípios semelhantes ao DevOps, que da mesma forma busca integrar e automatizar o desenvolvimento e a operação.

MLFLow é uma importante ferramenta de MLOps. Com ela você será capaz de:

• Criar experimentos, onde você pode testar diferentes classificadores, com diferentes hiper parâmetros

• Criar um repositório com todos os experimentos e modelos gerados

• Armazenar métricas, hiper parametros e tags de cada modelo

• Organizar e filtrar modelos, selecionado os que tiveram melhor performance

• Publicar os modelos escolhidos através de um Web Service, permitindo que uma aplicação consuma os serviços de previsão

Este curso vai lhe apresentar o mundo do MLOps, com muitas aulas práticas.
Além disso, os scripts utilizados no curso estão disponíveis para download.

Bons estudos!