Como gerenciar projetos de ML mostra como gerenciar um projeto de ML conforme ele avança de uma ideia para uma implementação pronta para produção. Neste curso, abordamos as fases do desenvolvimento de ML e os papéis e habilidades normalmente encontrados em equipes de ML. Ele discute estratégias para trabalhar com as partes interessadas e fornece detalhes sobre como planejar e gerenciar um projeto de ML em cada fase do desenvolvimento.
Ao desmistificar as complexidades inerentes aos projetos de ML, o curso fornece uma estrutura teórica sólida para gerenciar projetos de ML.
O foco do curso são os modelos tradicionais de ML. Ainda que a IA generativa esteja em foco, o ML tradicional desempenha um papel vital no Google, sustentando muitos serviços e projetos, desde a previsão de tempos de viagens no Maps até a estimativa de preços de passagens aéreas no Voos, de previsão da cota de TPU para o Google Cloud até a recomendação de vídeos relevantes no YouTube.
Em geral, os princípios para gerenciar projetos tradicionais de ML são idênticos para gerenciar projetos de IA generativa. Quando há uma diferença significativa, o curso fornece conselhos e orientações relevantes sobre IA generativa.
Pré-requisitos:
- É necessário ter um conhecimento básico sobre machine learning. Para uma breve introdução aos conceitos de machine learning, consulte Introdução ao machine learning. Para ver uma introdução prática ao machine learning, consulte Curso intensivo de machine learning.
- Primeiro, você precisa verificar se o ML é a abordagem certa para seu problema. Se você ainda não enquadrou seu problema em termos de uma solução de ML, conclua a Introdução ao enquadramento de problemas de machine learning.