12 semanas · intensivo
Para quem tem prazo
Cerca de 8 horas por semana, em 1 ciclo focados nas lacunas que mais pesam.
Carreira em 2026 e 2027
Engenheiro(a) de MLOps
O Engenheiro de MLOps constrói os pipelines, registries, serving e monitoramento que levam modelos de experimentos a produção confiável. O papel cresce de operar bem um pipeline para ser dono de governança, observabilidade e escala em todo o parque de ML.
Conteúdo revisado em 20 de outubro de 2026
- Níveis
- 3
- Habilidades mapeadas em Sênior
- 12
O que cada nível precisa provar
Sênior
Responsável pela orquestração, pelo rollout seguro, pela observabilidade e pela governança de ML em produção em vários times.
Você desenha a orquestração de workflows e a estratégia de deploy que outros times usam, e responde quando um rollout dá errado ou um modelo precisa passar por auditoria. Em relação ao pleno, você define os padrões de release, monitoramento e linhagem em vez de aplicá-los a um único modelo.
Score médio exigido: 74%
Feature Stores
Por quê: Você opera um feature store compartilhado entre times e mantém as features consistentes entre treino e serving, para que o reuso não introduza skew escondido.
Pipeline Orchestration
Por quê: Você orquestra workflows de ML em vários passos como DAGs com retries e agendamento, para que um passo que falha às 3 da manhã se recupere ou alerte em vez de deixar um modelo treinado pela metade.
Inference Servers
Por quê: Você desenha a camada de inferência para vários modelos, incluindo autoscaling e caminhos batch e tempo real, e diagnostica picos de latência sob carga.
ML Deployment Strategies
Por quê: Você libera um novo modelo por canary ou tráfego shadow e reverte com base em métrica, de modo que uma regressão atinja uma fatia pequena de usuários, não todos.
Model Monitoring
Por quê: Você define o padrão de monitoramento que os modelos de cada time devem cumprir e decide qual degradação justifica acionar alguém, para que os alertas continuem acionáveis.
Data & Concept Drift
Por quê: Você escolhe testes e limiares de drift que separam mudanças reais de distribuição de ruído, e liga um drift detectado a uma decisão de retreino.
GPU & Compute Management
Por quê: Você planeja capacidade e agendamento de GPU entre times e justifica a escolha de instâncias por custo, para que aceleradores compartilhados sejam bem usados e estouros de orçamento sejam pegos cedo.
Containerized ML Workflows
Por quê: Você roda treino e serving no Kubernetes com imagens reproduzíveis, para que diferença de ambiente nunca explique um resultado que não se consegue reproduzir.
Model Governance
Por quê: Você coloca gates de aprovação e regras de ciclo de vida nos releases de modelos, de modo que nenhum modelo chegue a produção sem a aprovação que a organização exige.
Compliance & Audit
Por quê: Você produz linhagem e trilhas de auditoria mostrando quais dados e código treinaram um modelo implantado, quando um auditor pede que você explique uma predição passada.
ML Observability
Por quê: Você monta pipelines de alerta sobre métricas de drift e decay, para que quem está de plantão veja qual feature ou segmento mudou, e não uma queda genérica de acurácia.
Feature Store Architecture
Por quê: Você desenha a separação online e offline, os backfills e a frescor de um feature store, para que a latência de serving continue baixa quando uma nova feature é adicionada.
Estude para Engenheiro(a) de MLOps: trilhas e simulados
Cada nível desta carreira corresponde a uma trilha de estudo. Leia o mapa completo de tópicos de graça e depois meça seu nível.
Dois caminhos para subir um nível
40 semanas · regular
Junto com o trabalho
Cerca de 4 horas por semana, em 3 ciclos. Cada ciclo leva o que ficou pendente do anterior.
Perguntas frequentes
O que é Engenheiro(a) de MLOps?
O Engenheiro de MLOps constrói os pipelines, registries, serving e monitoramento que levam modelos de experimentos a produção confiável. O papel cresce de operar bem um pipeline para ser dono de governança, observabilidade e escala em todo o parque de ML.
O que cada nível de Engenheiro(a) de MLOps precisa comprovar?
Engenheiro(a) de MLOps está mapeado em 3 níveis: Pleno, Sênior e Especialista. Abra cada nível acima para ver as habilidades que ele precisa comprovar.
Quanto tempo leva o plano de Engenheiro(a) de MLOps?
O plano tem 2 ritmos: 12 semanas por nível, com cerca de 8 horas por semana (intensivo) e 40 semanas por nível, com cerca de 4 horas por semana (regular).
Como o plano funciona
Tutor IA
Uma sessão de estudo para cada tema novo, no seu nível.
Escola de IA
Aulas práticas de uso de IA no dia a dia da sua carreira.
Assessments
Cada requisito é provado por medição, não por um checkbox.
Revisão de etapa
No fim de cada ciclo você vê o que avançou e o que segue para o próximo.
Descubra em que nível você está
Um diagnóstico curto mede as habilidades que você já tem. A jornada começa daí.