Imagem de fundo

A área de Analytics de uma Secretaria da Fazenda mantém múltiplos modelos em produção (...

Compartilhar

A área de Analytics de uma Secretaria da Fazenda mantém múltiplos modelos em produção (inadimplência, fraude em NF-e, seleção para auditoria, previsão de arrecadação) e precisa garantir um ponto único de verdade sobre qual versão de cada modelo está em produção, permitir a promoção controlada de modelos de staging para produção com critérios formais e aprovações, e manter histórico versionado com metadados (métricas, features, autor, datas) disponível para auditorias. O componente de uma arquitetura de MLOps que atende diretamente a esses requisitos é um


A

feature store corporativo, responsável por armazenar e servir variáveis derivadas reutilizáveis para treinamento e inferência pelos diferentes modelos.


B

model registry central, integrado ao pipeline de CIICD, que armazena artefatos de modelo, metadados, histórico de versões e estágios como staging, production e archived.


C

sistema de monitoramento e logging de inferências, com foco em métricas de latência, taxa de erro e disponibilidade das APIs de modelos em produção.


D

repositório Git único, com branches separados por modelo (fraude, inadimplência, auditoria, arrecadação), versionando à código-fonte das soluções analíticas.


E

catálogo de dados corporativo que descreve e documenta as tabelas tributárias do data lake usadas como fonte para o treinamento dos modelos.