Semana 5 · MLOps e Sistemas de Machine Learning
Reliable Machine Learning
por Cathy Chen, Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood
Nível: IntermediárioConceitualPT não confirmada
Fontes
- PodcastReliable Machine Learning // Niall Murphy & Todd Underwood // Coffee Sessions #127 (abre em nova aba) — AAIF Live, 7 de out. de 2022conferido em 19 de out. de 2026
- PaperSculley et al. — Machine Learning: The High-Interest Credit Card of Technical Debt (Google Research) (abre em nova aba)conferido em 18 de out. de 2026
- BlogGoogle Cloud — MLOps: Continuous delivery and automation pipelines in machine learning (abre em nova aba)conferido em 18 de out. de 2026
✔ = link aberto e conferido em . Links não são de afiliado.
Leia junto Designing Machine Learning Systems · Machine Learning Design Patterns · Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow · Practical MLOps
Aparece em Semana 5 · Livros para quem faz MBA/pós em Data Science e IA
Leva as ideias de SRE para machine learning, com foco na operação de modelos.
Fala de monitorar modelos, versionar dados, avaliar riscos e responder a incidentes, incluindo a parte organizacional. Para quem não conhece SRE, vale ler antes alguns capítulos do SRE Book.
No MLOps Coffee Sessions #127, de 2022, Niall Murphy e Todd Underwood discutem a resposta a incidentes que envolve vários times, a prevenção de burnout e a proximidade entre ML e a área de negócio.