O que inclui o pipeline de MLOps desde o treino até à venda?

O pipeline de MLOps desde o treino até à produção inclui várias etapas-chave:

1. Coleta e preparação de dados — limpeza, transformação, aumento de dados.
2. Desenvolvimento e treino do modelo — seleção de arquitetura, ajuste de hiperparâmetros, treino com dados de treino.
3. Validação e teste — avaliação da qualidade do modelo em conjuntos de validação e teste, verificação de sobreajuste.
4. Versionamento de modelos e dados — armazenamento de artefatos com metadados para reprodutibilidade.
5. Automatização CI/CD para modelos — execução automática de treino, testes e deploy.
6. Deploy do modelo em produção — implementação do modelo como serviço ou integração na aplicação.
7. Monitorização e logging — acompanhamento do desempenho do modelo, métricas de qualidade e falhas.
8. Atualização e re-treinamento — atualização regular do modelo com novos dados para manter a qualidade.

Assim é aproximadamente o ciclo completo de MLOps, garantindo uma operação estável e gerível do sistema ML em produção.