Projetos de inteligência artificial não começam no modelo — eles começam nos dados. Nesta palestra, vamos explorar como práticas de DataOps são fundamentais para estruturar pipelines confiáveis e escaláveis que sustentam o ciclo completo de desenvolvimento, entrega e monitoramento de modelos de ML. A partir de experiências práticas em visão computacional, discutiremos os desafios de lidar com grandes volumes de dados. Mostraremos como a construção de pipelines reutilizáveis com Kubeflow, combinada a práticas de MLOps, contribui para a automação e escalabilidade desse processo.

Engenheiro, pesquisador, consultor e educador com atuação interdisciplinar em IA, IoT, Indústria 4.0, robótica e DevOps. Desde 2019, atua em projetos de P&D no CITI-USP, com foco em inteligência