Semana 5 · MLOps e Sistemas de Machine Learning
Reliable Machine Learning
por Cathy Chen, Niall Richard Murphy, Kranti Parisa, D. Sculley, Todd Underwood
- PT não confirmada
- ✔ referência conferida
Nível: IntermediárioConceitual
Tem em português?
Edição em português não confirmada.
Citado em
Fontes que mencionam o livro, conferidas em . Links não são de afiliado.
Referências
- VídeoReliable Machine Learning // Niall Murphy & Todd Underwood (MLOps Community) (abre em nova aba)conferido em 18 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 de referência 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
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.