Visão Geral

O Curso TensorFlow on Google Cloud foi desenvolvido para capacitar profissionais de tecnologia a criar, treinar e implantar modelos de aprendizado de máquina utilizando o TensorFlow integrado ao ecossistema do Google Cloud Platform (GCP).
Durante o treinamento, os participantes aprenderão desde os fundamentos do TensorFlow até o uso avançado de serviços do Google Cloud, como AI Platform (Vertex AI), BigQuery ML, Cloud Storage, e Cloud Functions, aplicando conceitos de machine learning e deep learning em cenários reais de produção.

Objetivo

Após realizar este curso TensorFlow on Google Cloud, você será capaz de:

• Compreender os fundamentos do TensorFlow e seu ecossistema
• Criar, treinar e avaliar modelos de machine learning e deep learning
• Utilizar o TensorFlow em conjunto com os serviços do Google Cloud
• Automatizar fluxos de ML com Vertex AI e Cloud Functions
• Implantar modelos em produção e monitorar seu desempenho

Publico Alvo

Este curso é indicado para profissionais que desejam aplicar aprendizado de máquina em escala utilizando TensorFlow e os serviços de IA do Google Cloud, incluindo:

• Cientistas de dados
• Engenheiros e desenvolvedores de machine learning
• Analistas de dados e engenheiros de software
• Arquitetos de soluções em nuvem
• Estudantes e pesquisadores em IA e aprendizado profundo

Pre-Requisitos

• Conhecimentos básicos de programação em Python
• Noções de machine learning e deep learning
• Conta ativa no Google Cloud Platform (GCP)
• Familiaridade com Google Cloud Console e APIs

Materiais

Conteúdo Programatico

Módulo 1: Introdução ao TensorFlow e ao Google Cloud

1. Introdução ao aprendizado de máquina e deep learning
2. Visão geral do TensorFlow e seus componentes principais
3. Serviços de IA e ML disponíveis no Google Cloud
4. Configuração inicial do ambiente no Google Cloud Platform

Módulo 2: Fundamentos do TensorFlow

1. Estrutura e funcionamento dos tensores
2. Criação de modelos com TensorFlow e Keras
3. Funções de perda, otimizadores e métricas
4. Manipulação de datasets e pipelines de dados
5. Exercícios práticos com modelos simples

Módulo 3: Treinamento de Modelos no Google Cloud

1. Utilizando AI Platform / Vertex AI para treinar modelos
2. Execução distribuída e escalonamento automático
3. Monitoramento de métricas e experimentos
4. Armazenamento e versionamento de modelos com Cloud Storage

Módulo 4: Deep Learning e Redes Neurais Avançadas

1. Redes neurais convolucionais (CNNs)
2. Redes recorrentes (RNNs e LSTMs)
3. Técnicas de regularização e ajuste de hiperparâmetros
4. Aplicações práticas: visão computacional e processamento de texto

Módulo 5: Preparação e Engenharia de Dados com GCP

1. Coleta e preparação de dados com BigQuery
2. Armazenamento de dados em Cloud Storage
3. Criação de pipelines de dados com Dataflow
4. Boas práticas de pré-processamento e limpeza de dados

Módulo 6: Implantação de Modelos no Google Cloud

1. Exportação e implantação de modelos no Vertex AI
2. Criação de endpoints de predição em tempo real
3. Integração com aplicações via APIs REST
4. Automação de inferências com Cloud Functions e Pub/Sub

Módulo 7: Monitoramento e Manutenção de Modelos

1. Avaliação contínua de desempenho
2. Re-treinamento automatizado e versionamento
3. Logs e métricas com Cloud Logging e Monitoring
4. Considerações sobre custo, segurança e privacidade

Módulo 8: Projeto Prático Final

1. Desenvolvimento completo de um modelo com TensorFlow
2. Treinamento, implantação e consumo via API no Google Cloud
3. Demonstração e documentação do projeto final