O que você aprenderá_

Estruture um repositório de projeto que suporte desenvolvimento em módulos e controle de versão.
Realize análise exploratória dos dados e produza visualizações que evidenciem padrões e anomalias.
Desenvolva pipelines de pré-processamento e aplique técnicas de engenharia de features e escalonamento.
Treine, valide e compare modelos para detecção de anomalias utilizando práticas de avaliação e busca de hiperparâmetros.
Containerize a aplicação e implemente o serving do modelo por meio de uma API com FastAPI e validação de dados.
Implemente uma esteira de CI/CD com GitHub Actions e realize o deploy escalável na AWS, integrando um dashboard Streamlit.

Público alvo_

Profissionais, estudantes e desenvolvedores que desejam aprender a construir projetos de machine learning de ponta a ponta, incluindo EDA, modelagem, containerização, serving via API, automação de CI/CD e deploy na AWS.

Julles Mitoura

Engenheiro químico com mestrado e doutorado, atuo em ciência de dados e IA aplicada a processos industriais. Há mais de cinco anos trabalho com análise de dados para compreensão e otimização de processos a partir de sensores e indicadores. Passei por Petrobras, Radix e Deloitte e hoje atuo na Celanese como desenvolvedor back-end focado em soluções de IA, da arquitetura ao deploy. Defendo um ensino que una teoria sólida e aplicação prática.

Curso atualizado em 20/07/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Estrutura de projeto e modelo de machine learning
- Visão geral: Do repositório ao modelo treinado
- Apresentação do curso e objetivos
- Preparando o ambiente
- Repositório e primeiros passos
- Aula 1: Repositório e primeiros passos
- Analise exploratória de dados
- Aula 2: Análise exploratória de dados
- Desenvolvimento de modelo de ML
- Aula 3: Desenvolvimento de modelo de ML
- Estrutura inicial do projeto
- Aula 4: Estrutura inicial do projeto
- Perguntas de Fixação
- O que aprendemos?
Serving de modelo local com Docker + FastAPI
- Visão geral: Serving de modelo local com Docker + FastAPI
- Serving de modelo com FastAPI
- Aula 1: Serving de modelo com FastAPI
- Serving de API local com FastAPI e Docker
- Aula 2: Serving de API local com FastAPI e Docker
- Perguntas de fixação
- O que aprendemos?
Deploy de Modelo de ML na AWS
- Visão geral: Deploy de Modelo de ML na AWS
- Deploy para consumo de modelo de ML com ECR e EBS
- Aula 1: Deploy para consumo de modelo de ML com ECR e EBS
- Consumo de serviço deployado via chamadas HTTP
- Aula 2: Consumo de serviço deployado via chamadas HTTP
- Perguntas de fixação
- O que aprendemos?
Consumo do serviço deployado em Dashboard com Streamlit
- Visão geral: Consumo do serviço deployado em Dashboard com Streamlit
- Consumo de API em Dashboard
- Aula 1: Consumo de API em Dashboard
- Perguntas de fixação
- O que aprendemos?
Deploy com Github Actions e Pipelines
- Visão geral: Deploy com GitHub Actions e Pipelines
- Deploy automatico com Github actions
- Aula 1: Deploy automático com GitHub Actions
- Perguntas de fixação
- O que aprendemos?
Publicação da Aplicação e Boas Práticas
- Visão geral: Publicação da Aplicação e Boas Práticas
- Deploy automático do front-end com Github
- Aula 1: Deploy automático do front-end com GitHub
- Deploy de front-end + back-end + versiomanento de modelo com S3
- Aula 2: Deploy de front-end + back-end + versionamento de modelo com S3
- Perguntas de fixação
- Conclusão
- O que aprendemos?