Plano de Especialista · 4 semanas
Recursos & plano de estudo
Tudo que sustenta a trilha reunido num lugar: o cronograma das 4 semanas até o exame, os livros, os whitepapers que valem a pena, onde praticar e a matriz de competências. Pensado pra quem mira uma vaga Sênior ou Especialista em ML e MLOps.
4 semanas, 4 focos. Cada semana tem um tema central e uma dinâmica de estudo.
High é prioridade máxima;
Medium complementa;
Low é desejável.
1
Testar conceitos fundamentais
High Aprendizagem de Máquina (teoria)
High Regressão vs Classificação
High Redes Neurais (fundamentos)
High Python, Estruturas de Dados puras
High Algoritmos estilo LeetCode
High AWS Practitioner (serviços core)
High Arquitetura de Nuvem básica
Medium Treveil, Introducing MLOps (leitura rápida)
DINÂMICA
Testar conceitos fundamentais, propor desafios de código em Python puro (pilhas, matrizes, bitwise/XOR) e design de infraestrutura AWS básica.
Testar conceitos fundamentais, propor desafios de código em Python puro (pilhas, matrizes, bitwise/XOR) e design de infraestrutura AWS básica.
2
Cenários práticos de engenharia
High Feature Engineering
High SQL (consultas, otimização)
High Modelagem de Dados Transacional
High Manipulação de Dados Não Estruturados
High Docker (containerização de modelos)
High Linux (comandos críticos para deploy)
High Git (versionamento)
Medium Testes de Software (dados)
Medium Metodologia Ágil em times de dados
DINÂMICA
Cenários práticos de isolamento de ambientes com Docker, comandos críticos de Linux para deploy, testes unitários para funções de transformação de dados.
Cenários práticos de isolamento de ambientes com Docker, comandos críticos de Linux para deploy, testes unitários para funções de transformação de dados.
3
Desafios de arquitetura reais
High Desenho de Solução MLOps
High CI/CD para ML (CD4ML, Martin Fowler)
High Feature Store (arquitetura)
High Model Registry (versioning + stages)
High AWS Well-Architected ML Lens
High Google Cloud MLOps, Levels 0/1/2
Medium Infra as Code (IaC)
Medium ML Design Patterns (Lakshmanan)
DINÂMICA
Desafios de arquitetura com problemas reais de negócio. Avaliação de system design usando AWS, Google Cloud e Martin Fowler como referência.
Desafios de arquitetura com problemas reais de negócio. Avaliação de system design usando AWS, Google Cloud e Martin Fowler como referência.
4
Modo exame
High Simulado geral (modo exame)
High 360DigitMG, MLOps Interview Q&A
High Awesome MLOps, gap vocabulary
High Revisão ativa (active recall)
Medium Engenharia reversa de questões
Medium Identificação de gaps de última hora
DINÂMICA
Modo Simulado. Questões de múltipla escolha e código, avaliação de respostas com base na literatura recomendada. 360DigitMG e Awesome MLOps somente nesta semana.
Modo Simulado. Questões de múltipla escolha e código, avaliação de respostas com base na literatura recomendada. 360DigitMG e Awesome MLOps somente nesta semana.
Leitura Principal
S1–S4 Especialista · PT-BR
Projetando Sistemas de Machine Learning
O recurso mais alinhado com nível Especialista. Cobre produção, trade-offs reais e decisões de sistema. S1: caps. 1-2 (framing, métricas de negócio); S2: caps. 5-6 (feature engineering, dados); S3: caps. 7-9 (deployment, monitoramento, drift); S4: caps. 10-11 (MLOps platform, edge cases).
Fundamentos & ML com Código
S1 leitura rápida
The Hundred-Page Machine Learning Book
Vocabulário e conceitos core. Denso e direto, ideal para revisão de fundamentos em tempo limitado.
S1–S2 consulta
Mãos à Obra: ML com Scikit-Learn, Keras & TensorFlow
Referência prática para implementação. Consulte capítulos de classificação, pipelines e validação cruzada.
MLOps
S1 leitura rápida
Introducing MLOps
O mais acessível. Cobre vocabulário fundamental que aparece em questões de múltipla escolha.
S3 consulta pontual
Building Machine Learning Pipelines
Referência técnica de TFX e Beam. Não leia linear, consulte capítulos de orquestração e validação de dados.
S3 GitHub prioritário
Engineering MLOps
O repositório GitHub é mais útil que o livro. Use os exemplos de código como referência de implementação CI/CD.
S3 system design
Machine Learning Design Patterns
Repositório GitHub obrigatório. 30 patterns, candidatos diretos a questões de system design. Prioritários: Reframing, Cascade, Two-Phase Predictions, Windowed Inference.
Algoritmos & Entrevistas
S1–S2 já no projeto
Cracking the Coding Interview
Capítulos prioritários: Arrays & Strings, Stacks & Queues, Bit Manipulation, Trees & Graphs, Sorting & Searching.
Os documentos canônicos que definem o vocabulário do exame. Leitura obrigatória antes de qualquer sessão de system design.
S3 Martin Fowler
CD4ML, Continuous Delivery for ML
Base conceitual de todo CI/CD para ML. Os 9 componentes do CD4ML são referência obrigatória para qualquer questão de arquitetura de pipeline.
S1+S3 AWS
MLOps, Continuous Delivery for ML on AWS
Cobre SageMaker Pipelines, MLflow na AWS, Step Functions para orquestração. Terminologia canônica AWS que aparece no exame.
S3 AWS
Machine Learning Lens, Well-Architected
Os 6 pilares e seus trade-offs. Examinadores cobram os trade-offs entre pilares em cenários: Operational Excellence, Security, Reliability, Performance, Cost, Sustainability.
S3 Google Cloud
MLOps, Pipelines de Entrega e Automação
Os 3 níveis de maturidade MLOps (0/1/2) são a régua do mercado para medir sofisticação de pipeline. Memorize as diferenças, aparecem em todas as provas de Especialista.
S2–S3 hands-on
MLOps Zoomcamp, DataTalksClub
Módulos prioritários: experiment tracking (MLflow) → direto para Model Registry; deployment → cobre CI/CD ML e serving.
S1–S2 código
LeetCode
Foco: Arrays, Hash Maps, Stacks, Two Pointers, Sliding Window.
Nada de grafos complexos ou DP avançada, não é o foco do seu exame.
S4 exclusivo
360DigitMG, MLOps Interview Q&A
Engenharia reversa pura de questões de entrevista.
Não abra antes da Semana 4. Vai viciar memorização no lugar de compreensão.
S4 gap filling
Awesome MLOps, visenger
Gap filling + terminologia que o exame pode cobrar lateralmente.
Matriz de competências do plano: prioridade, semana, nível-alvo e recurso principal por tópico.
| Tópico | Prioridade | Semana | Nível | Recurso Principal |
|---|