Aprende a transformar modelos de Machine Learning em soluções escaláveis, monitorizadas e prontas para produção.
O papel do Machine Learning Engineer é fundamental para transformar modelos experimentais em sistemas fiáveis, escaláveis e sustentáveis em contexto empresarial.
Neste curso, trabalhas todo o ciclo de vida do Machine Learning em produção: pipelines de dados, preparação de modelos, MLOps, deployment, monitorização e gestão contínua. A abordagem é orientada à engenharia, com foco em ambientes reais e integração com equipas de desenvolvimento e operações.
No final, consegues construir, versionar, colocar em produção e monitorizar modelos de ML de forma profissional.
Metodologia
:: Sessões práticas orientadas a casos reais
:: Exercícios técnicos guiados
:: Construção progressiva de pipeline end-to-end
:: Workshop final integrador
Objetivos
Ao longo do curso vais aprender a:
:: Aplicar o ciclo de vida completo de Machine Learning em produção;
:: Desenhar e implementar pipelines de dados escaláveis;
:: Desenvolver modelos orientados à produção;
:: Validar, otimizar e preparar modelos para deployment;
:: Aplicar práticas de MLOps (versionamento, automação, reprodutibilidade);
:: Colocar modelos em produção via API ou container;
:: Monitorizar modelos e gerir drift ao longo do tempo:
:: Comunicar decisões técnicas a diferentes stakeholders.
Destinatários
:: Profissionais de TI ou Engenharia de Software que pretendem trabalhar com ML em produção;
:: Data Scientists que querem evoluir para engenharia e operação de modelos;
:: Data Engineers que necessitam integrar pipelines de dados com ML;
:: Programadores e analistas técnicos envolvidos em projetos de IA;
:: Profissionais que pretendem desempenhar funções de ML Engineer ou colaborar em equipas de MLOps.
Pré-Requisitos
:: Conhecimentos básicos de Python;
:: Noções gerais de dados e estatística descritiva;
:: Familiaridade com notebooks, IDEs, linha de comandos ou APIs (nível introdutório).
Programa
- Fundamentos de Machine Learning e Papel do ML Engineer
- Data Ingestion e Data Engineering para ML
- Desenvolvimento de Modelos Orientado a Produção
- Otimização, Tuning e Validação
- MLOps, Versionamento e Automação
- Deployment de Modelos
- Monitorização, Drift Detection e Manutenção
- Workshop Final: ML Pipeline End-to-End
Próximas Datas
Escolhe a tua data preferida para saber mais e fala connosco.
