Caso de uso e dados
Definimos qual decisão o modelo vai melhorar, com quais dados e como o resultado será medido.
Entregáveis
- Caso de uso com métrica de negócio
- Avaliação dos dados disponíveis
- Linha de base para comparar
Machine learning e MLOps
Machine learning que chega de verdade à produção e continua funcionando
Modelos de previsão, classificação e recomendação treinados com seus dados, com deploy, monitoramento e retreinamento automáticos, e o custo de computação sob controle.
- Primeira chamada sem custo
- Início em 2 semanas
- Modelos e dados na sua nuvem
Engenharia da equipe comprovada em
- Dow Jones
- LATAM Airlines
- TelevisaUnivision
- Deloitte
- Google Cloud
O que resolvemos
Quando o modelo funciona no notebook mas não em produção
É o problema mais comum do machine learning nas empresas. Estes são os sintomas.
Modelos que nunca saem do piloto
Funcionam num notebook, mas ninguém sabe como colocá-los em operação.
Custo de computação que dispara
Treinamentos e inferências que custam mais do que entregam.
Modelos que perdem precisão
Com o tempo os dados mudam e ninguém percebe a tempo.
Cada modelo, um caso especial
Pipelines feitos à mão que não podem ser reutilizados.
Sem testes antes de publicar
Uma versão nova sai sem saber se é melhor que a anterior.
Previsões em planilhas
Decisões de estoque, demanda ou preço tomadas no olho.
O que fazemos
Do caso de uso ao modelo em produção
Modelo e pipelines
Treinamos o modelo com seus dados e montamos pipelines de treinamento e inferência modulares e reutilizáveis.
Entregáveis
- Modelo treinado e validado
- Pipelines de treinamento e inferência
- Componentes reutilizáveis entre modelos
MLOps em produção
Deploy, monitoramento, avaliação antes de cada versão e retreinamento, com o custo de computação à vista.
Entregáveis
- Avaliação antes de cada versão
- Monitoramento de precisão e deriva
- Controle de custo de computação
Experiência da equipe
MLOps que a equipe já opera em escala
Plataformas de machine learning que nossa equipe projetou e operou em mídia e informação financeira.
Mídia · informação financeira
MLOpsDesafio
O custo de treinar e servir modelos crescia a cada modelo novo.
O que foi construído
Componentes de MLOps modulares e reutilizáveis, com pipelines desenhados para não repetir trabalho.
Mídia · informação financeira
Migração de MLDesafio
A plataforma de dados e machine learning precisava trocar de nuvem.
O que foi construído
Migração da pegada de dados e ML do GCP para AWS com Snowflake, com a orquestração reconstruída em MWAA.
Mídia · informação financeira
AvaliaçãoDesafio
Cada versão nova de um agente podia piorar sem que ninguém notasse.
O que foi construído
Avaliadores com LLM como juiz e conjuntos de respostas verificadas dentro do pipeline de deploy.
Como trabalhamos
Sprints curtos, demos semanais, zero caixas-pretas
- 1
Primeira chamada
sem custoUma conversa com um arquiteto de soluções para entender seu desafio e dizer com honestidade se somos a opção certa.
- 2
Diagnóstico e plano
por escritoRevisamos seus sistemas e objetivos e entregamos escopo, tecnologia, prazos e preço. Você aprova antes de começarmos.
- 3
Sprints com demo
toda semanaVocê vê avanços funcionando, não apresentações. Ajustamos prioridades com você ao longo do caminho.
- 4
Entrega e transição
documentadoCódigo, documentação e sessões com sua equipe para que ela possa operar sem nós.
Segurança
Seus dados e seu código, sob seu controle
Trabalhamos dentro das suas contas e com as suas regras. Quando terminamos, tudo fica com você.
NDA antes de começar
Assinamos confidencialidade antes de ver qualquer sistema ou dado.
O código e as credenciais são seus
Repositórios, contas de nuvem e chaves em nome da sua empresa.
Acessos com permissões mínimas
Só pedimos o necessário para cada tarefa, e você revoga quando quiser.
Documentação incluída
Arquitetura, operação e decisões técnicas por escrito em cada entrega.
Modalidades e preço
Como trabalhar conosco
A primeira chamada é sem custo. Depois você escolhe: um diagnóstico para definir o plano, um projeto fechado ou uma equipe que avança com você mês a mês.
01 · Diagnóstico
Diagnóstico
Sob consulta
Cobrado por hora
- Sessões com um arquiteto de soluções
- Revisão dos seus sistemas, dados e objetivos
- Plano por escrito com escopo, tecnologia e preço
02 · Por projeto
Por projeto
Sob consulta
Preço fechado
- Escopo e preço fechados
- Pagamentos por marco entregue
- Demo semanal do avanço
- Documentação e transição
03 · Equipe dedicada
Equipe dedicada
Sob consulta
Mensalidade fixa
- Sprints de 2 semanas
- Cloud, dados, software e IA em uma equipe
- Escale ou pause sem multa
- Um responsável técnico designado
Preços em USD, sem impostos. O preço final depende do escopo.
FAQ
Perguntas frequentes sobre machine learning
O que é MLOps?
São as práticas para levar modelos à produção e mantê-los: deploy automático, monitoramento, avaliação antes de cada versão e retreinamento quando os dados mudam.
Precisamos de muitos dados para começar?
Depende do caso. No diagnóstico revisamos seus dados e dizemos com honestidade se são suficientes ou o que falta.
Como evitam que o custo de computação dispare?
Com pipelines modulares que reutilizam trabalho entre modelos e com o custo medido desde o início. Num projeto da equipe isso reduziu até 90% a computação.
Em que nuvem os modelos rodam?
Na sua: Vertex AI no GCP, Snowflake ou AWS, onde seus dados já estiverem.
De quem são o código e a infraestrutura?
Seus. Tudo fica nas suas contas e nos seus repositórios desde o primeiro dia, com documentação para sua equipe operar.
Quanto custa?
A primeira chamada é sem custo. O diagnóstico é cobrado por hora e termina com um plano por escrito com preço; depois você escolhe um projeto fechado ou uma equipe dedicada.
Conte qual decisão você quer melhorar com machine learning
Na primeira chamada, sem custo, revisamos seu caso e seus dados e propomos o próximo passo: um diagnóstico com plano por escrito, um projeto ou uma equipe dedicada.
- Primeira chamada sem custo
- Resposta em 1 dia útil
- NDA se você precisar