Nesta palestra, será abordardo como o MLOps está transformando projetos de visão computacional, com foco na automação e otimização de pipelines de machine learning. Serão analisadas boas práticas em MLOps e o uso de ferramentas open source, como Kubeflow e DVC, que garantem escalabilidade, versionamento e reprodutibilidade no ciclo de vida de modelos. Além disso, serão discutidas abordagens para implementação de pipelines eficientes que integram preparação de dados, treinamento, deploy e monitoramento de modelos, visando melhorar a performance e reduzir o tempo de entrega em ambientes de produção. Será uma oportunidade de reflexão sobre como MLOps pode facilitar a entrega contínua de soluções de IA.

Engenheiro mecânico formado pela Escola Politécnica da UFRJ, com mestrado em engenharia elétrica pela Escola Politécnica da USP e pela University of Twente. Desde 2019, atua de forma interdisciplinar