Desafio 2–4 semanas
MLOps: do treino ao deploy
Leve modelos de ML do notebook à produção com versionamento, registro, deploy automático e monitoramento de drift.
MLflowDockerFastAPICI/CD
Construa este projeto na PyTrack
Acesse o passo a passo guiado, exercícios e a IDE Python no navegador.
Começar grátisO que você vai construir
- ✓Tracking de experimentos (MLflow)
- ✓Registro e versão de modelos
- ✓Deploy contínuo (CI/CD)
- ✓Monitoramento de drift
- ✓Rollback de modelos
Passo a passo
- 1
Versione dados e experimentos
- 2
Treine e registre o modelo
- 3
Empacote a inferência (FastAPI + Docker)
- 4
Automatize o deploy (CI/CD)
- 5
Monitore performance e drift
- 6
Implemente rollback
O que você vai aprender
MLOpsVersionamento de modelosMonitoramento