Repositório criado por Matheus dos Santos Lopes Rodrigues, discente da disciplina Projeto de Sistemas Baseado em Aprendizado de Máquina (DCA0305, 2023.2) do curso de Eng. da Computação da Universidade Federal do Rio Grande do Norte (UFRN).

MLOps é uma disciplina científica que se concentra na integração e coordenação eficaz entre equipes de desenvolvimento de modelos de aprendizado de máquina (Machine Learning) e equipes de operações de TI (Tecnologia da Informação) para garantir a implantação, monitoramento e manutenção de modelos de machine learning em ambientes de produção de forma eficiente e confiável [1][2]. Em outras palavras, o MLOps é uma abordagem que visa unir os aspectos de desenvolvimento de modelos de machine learning com as práticas de operações de TI, semelhante à forma como o DevOps faz isso para o desenvolvimento de software [2].

O objetivo do MLOps é abordar desafios comuns em projetos de machine learning, como a necessidade de monitorar o desempenho do modelo em tempo real, garantir a reprodutibilidade dos modelos, automatizar a implantação, gerenciar versões e lidar com a escalabilidade e a segurança dos modelos em produção [2]. Isso envolve o uso de práticas e ferramentas específicas, como automação de pipelines de machine learning, controle de versão de modelos, monitoramento contínuo, e garantia de qualidade [1][2].

• Python Essentials for MLOps

Este projeto está sobre licença. Veja LICENSE para mais informações.

Matheusslr

• 1 - MLOps Checklist – 10 Best Practices for a Successful Model Deployment
• 2 - What are the main challenges of the MLOps process?
• Repositório do Prof. Ivanovitch