Módulo 2: Controle de Versão para ML

🎯 Objetivos de Aprendizagem

Ao final deste módulo, você será capaz de:

Aplicar boas práticas de Git especificamente para projetos de ML
Implementar Data Version Control (DVC) para rastreamento de conjuntos de dados e modelos
Projetar e implementar estratégias de versionamento de modelos com registries
Criar pipelines de ML reproduzíveis com rastreamento adequado de linhagem

Boas práticas para controle de versão em ML, manipulação de arquivos grandes, configuração adequada do .gitignore e estratégias de ramificação.

Configuração do DVC, rastreamento de dados e modelos, configuração de armazenamento remoto e construção de pipelines.

Registries de modelos, estratégias de versionamento, rastreamento de metadados e linhagem de modelos.

Ferramenta	Finalidade
Git	Controle de versão de código
DVC	Versionamento de dados e modelos
MLflow Model Registry	Gerenciamento de modelos
Git LFS	Manipulação de arquivos grandes

Comece pelo Capítulo 1: Git para Projetos de ML para aprender práticas de Git específicas para ML.