Sobre o que é este curso?

Baseado no artigo “Practices for managing machine learning products: A multivocal literature review” do LabLivre (no IEEE Transactions on Engineering Management), este curso oferece uma visão completa do ciclo de ML — da identificação de stakeholders ao deploy em produção — incluindo gerenciamento de dados, engenharia de features, seleção de modelos, escalabilidade e monitoramento contínuo, além de abordar aspectos organizacionais como formação de equipes, definição de métricas de negócio e governança ética (privacidade, equidade e segurança). É ideal para profissionais que desejam liderar projetos de ML considerando tanto os desafios técnicos quanto os impactos organizacionais.

O design de sistemas de ML é o processo de definir arquitetura, infraestrutura, algoritmos e dados para atender requisitos específicos de forma robusta e sustentável. Embora tutoriais sejam eficazes para colocar modelos em funcionamento, os sistemas resultantes rapidamente se tornam obsoletos devido a três fatores: evolução das ferramentas, mudanças nos requisitos de negócio e deriva de dados. Sem design intencional, sistemas de ML se transformam em passivos técnicos - propensos a erros, difíceis de manter e que perdem valor rapidamente. Um design arquitetural bem planejado é fundamental para criar soluções duradouras e escaláveis.