O que você aprenderá
- Conhecer os principais serviços da plataforma, como Google Compute Engine (GCE), App Engine (GAE), Kubernetes Engine (GKE), Cloud Run e Cloud Functions
- Descobrir qual é o serviço mais adequado para cada tipo de aplicação
- Treinar e avaliar um modelo de CNN, passando pela criação de um projeto Python local pronto para deploy
- Implementar seu aplicativo de machine learning em múltiplos serviços da GCP, aprendendo a configurar ambientes e gerenciar recursos
- Evitar custos indesejados com a limpeza adequada de recursos após o deploy
Requisitos
- Conhecimento básico em Python e machine learning (experiência prévia com redes neurais é um diferencial)
- Familiaridade com conceitos de desenvolvimento web (opcional, mas recomendado)
Descrição
Aprender a implementar modelos de machine learning em produção é uma habilidade crítica para cientistas de dados que desejam ir além da análise teórica e impactar negócios de forma prática. Enquanto a criação de modelos é essencial, é no deploy que essas soluções ganham vida, tornando-se acessíveis a usuários finais e integrando-se a sistemas reais. Dominar essa etapa permite que cientistas de dados garantam a escalabilidade de suas soluções, monitorem desempenho em ambientes dinâmicos e colaborem de forma eficiente com equipes de desenvolvimento e operações. Além disso, compreender o ciclo completo — do treinamento à disponibilização na nuvem — amplia a relevância profissional, posicionando o cientista de dados como um agente estratégico capaz de entregar valor tangível desde a concepção até a operação.
Este curso introdutório é destinado a desenvolvedores, entusiastas de machine learning e profissionais de dados que desejam aprender a publicar suas primeiras aplicações de inteligência artificial na web utilizando a Google Cloud Platform (GCP). Com abordagem prática, você será guiado desde o treinamento de uma rede neural convolucional (CNN) para classificação de imagens até a implementação do modelo em serviços de nuvem escaláveis. O curso inclui uma introdução aos principais serviços da GCP, como Google Compute Engine (GCE), App Engine (GAE), Kubernetes Engine (GKE), Cloud Run e Cloud Functions, permitindo que você compare e escolha a melhor opção para seu projeto.
Na primeira etapa, você preparará o ambiente localmente: importará bibliotecas (como TensorFlow/Keras), treinará e avaliará seu modelo de CNN, além de criar um aplicativo Python simples para integração com o modelo treinado. Em seguida, aprenderá a configurar a GCP e fazer deploy em diferentes serviços.
Ideal para iniciantes em cloud computing e profissionais que desejam colocar modelos de machine learning em produção. Ao final, você terá publicado uma aplicação web funcional de classificação de imagens na nuvem, dominando o ciclo completo de desenvolvimento, desde o treinamento do modelo até a disponibilização em serviços profissionais da Google.
Para quem é este curso
- Iniciantes em cloud computing que querem dar os primeiros passos na GCP
- Cientistas de dados e desenvolvedores Python que desejam colocar modelos de machine learning em produção
