Exibir código-fonte para Aplicação dos Conceitos de Engenharia de Aprendizado de Máquina em Produção em um Sistema de Detecção de Anomalias

<center>
;APLICAÇÃO DOS CONCEITOS DE ENGENHARIA DE APRENDIZADO DE MÁQUINA EM PRODUÇÃO EM UM SISTEMA DE DETECÇÃO DE ANOMALIA

: André Luiz Faraco Mazucheli 1
: Mário de Noronha Neto 2
<!--
: Trabalho realizado como parte das atividades da disciplina TCC29010
-->
: 1 Estudante do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
: 2 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
</center>

;Resumo:  O avanço da tecnologia, especialmente no campo de Machine Learning, tem impulsionado a aplicação de modelos de aprendizado de máquina em cenários reais. No entanto, a transição de um modelo funcional de um ambiente de desenvolvimento, como o Jupyter Notebook, para um ambiente de produção enfrenta desafios como escalabilidade, segurança, eficiência operacional e manutenção contínua. Essa discrepância entre o desenvolvimento e a produção destaca a necessidade de uma abordagem mais estruturada para a implantação e operação desses sistemas em produção. Este trabalho tem como objetivo aplicar conceitos de engenharia de aprendizado de máquina em produção, para orientar a elaboração, implantação e manutenção contínua desses sistemas em produção. O foco está em explorar cada etapa do ciclo de vida desses sistemas, definindo boas práticas e ferramentas para auxiliar no processo.

;Palavras-chave: MLOps. Machine Learning. Engenharia de dados.

;Abstract: With the advancement of technology, especially in the field of Machine Learning, the application of machine learning models in real-world scenarios has become increasingly common. However, the transition from a functional model in a development environment, such as Jupyter Notebook, to a production environment faces challenges such as scalability, security, operational efficiency, and continuous maintenance. This discrepancy between development and production highlights the need for a more structured approach to deploying and operating these systems in production. This work aims to apply concepts of machine learning engineering in production, to guide the development, deployment, and continuous maintenance of these systems in production. The focus is on exploring each stage of the life cycle of these systems, defining best practices and tools to assist in the process.

;Keywords: MLOps. Machine Learning. Data Engineering.

;Arquivos do TCC:
* [[Media: TCC1Resumo_expandido_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf| Resumo Expandido.pdf]]
* [[Media: Projeto_de_TCC_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf|Projeto de TCC.pdf]]
* [[Media: TCC_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf|Monografia.pdf]]

[[Categoria: TCC]]