Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Aguiar, Carla Silva Rocha | - |
dc.contributor.author | Souza, João Vitor Ramos de | - |
dc.identifier.citation | SOUZA, João Vitor Ramos de. Adoção de MLOps: desafios de gerenciar código, modelo e dados automaticamente. 2021. 67 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2021. | pt_BR |
dc.description | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, Engenharia de Software, 2021. | pt_BR |
dc.description.abstract | Com a evolução do desenvolvimento de sistemas que possuem módulos com modelos de Machine Learning, organizações iniciaram a busca por métodos capazes de integrar as operações de sistemas e o processo de implementação de sistemas de Machine Learning. A partir dessa demanda, surgiu o MLOps, um movimento cultural similar ao DevOps, que busca resolver essa integração e outros problemas atrelados à implantação de aplicações de Machine Learning em ambientes de produção. Este trabalho objetiva, através da análise da adoção de ferramentas de automação de pipelines MLOps em um projeto, mapear desafios e benefícios enfrentados na adoção do MLOps. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Aprendizado de máquina | pt_BR |
dc.subject.keyword | MLOps | pt_BR |
dc.subject.keyword | Ciência de dados | pt_BR |
dc.title | Adoção de MLOps : desafios de gerenciar código, modelo e dados automaticamente | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2022-05-26T23:03:50Z | - |
dc.date.available | 2022-05-26T23:03:50Z | - |
dc.date.submitted | 2021-11-03 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/30717 | - |
dc.language.iso | Português | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
dc.description.abstract1 | With the evolution of the development of systems that have modules with Machine Learning, organizations began the search for methods capable of integrating the systems operations and the process of implementing Machine Learning systems. From this demand, the MLOps emerged, a cultural movement similar to DevOps, which seeks to accomplish this integration and other problems linked to the implementation of Machine Learning
in production environments. This paper aims through the analysis of adopting MLOps pipeline automation tools in a project, mapping challenges, and benefits faced in adopting MLOps. | pt_BR |
Aparece na Coleção: | Engenharia de Software
|