Listei alguns destes acontecimentos que demonstram que o mercado não aguarda nossa brincadeira nacional de começar o ano só depois do carnaval. Principalmente agora que a velocidade e competitividade dependem de atualizações semanais… Nós, que vivemos de tecnologia, poderíamos acompanhar a integração da IA física e dos novos agentes autônomos que já operam em escala global. Podemos observar que os lançamentos de 2026 já estão com maturidade plena antes mesmo da Gaviões da Fiel entrar no Anhembi…

A guerra dos modelos

A OpenAI iniciou o ano com uma limpeza em seu portfólio de modelos. No dia 13 de fevereiro, a empresa aposentou a família do GPT-4o para focar totalmente na série GPT-5.2. Consequentemente, a maioria dos usuários migrou para sistemas com personalidade mais natural e respostas rápidas. Além disso, o lançamento do GPT-5.3-Codex em 5 de fevereiro trouxe um novo patamar para a codificação autônoma. Este modelo funciona como um agente que executa tarefas complexas de ponta a ponta sem supervisão constante.

Do outro lado, a Anthropic garantiu US$ 30 bilhões em uma rodada de financiamento histórica no dia 12 de fevereiro. Além disso, também fez o lançamento do Claude Opus 4.6 em 05 de fevereiro, que superou o GPT-5.2 em diversos benchmarks profissionais. Ontem, dia 17 de fevereiro, eles anunciaram o Claude Sonnet 4.6 com capacidades de uso de computador aprimoradas.

A guerra destes modelos foi agitada no começo do ano…

Assistentes pessoais e inteligência para dispositivos

O Google transformou o navegador Chrome em uma ferramenta inteligente em 14 de janeiro. A funcionalidade Personal Intelligence agora conecta o Gemini diretamente aos aplicativos do ecossistema Google. Dessa forma, a IA entende o contexto pessoal do usuário para ser um assistente inteligente, e contextualizado, que pode ajudar a planejar viagens e organizar projetos. Além disso, um dia antes, em 13 de janeiro, a Google lançou o Veo 3.1 para criação de vídeos expressivos a partir de imagens de referência.

Outro marco importante ocorreu no universo mobile com a confirmação da parceria entre Apple e Google em 4 de fevereiro. A Siri recebeu uma atualização baseada no Gemini, iniciando sua fase beta de testes.  Assim, a assistente da Apple, agora compreende o conteúdo da tela e executa tarefas entre diferentes aplicativos. Não falo de futurologia, mas olhando nesse sentido, a integração de IA Generativa nos sistemas operacionais parece promissor para o mercado em 2026.

E não para por ai…

A Meta projeta um investimento absurdo de até US$ 135 bilhões em infraestrutura de IA para 2026. Falando em infra para IA, a USP inaugurou em 11 de fevereiro, o maior cluster para IA da América Latina, com 96 GPUs Blackwell B200. A Microsoft anunciou em 29 de janeiro que adicionou mais 227 novas ofertas de IA e ML no Marketplace do Azure. A Amazon facilitou o processo de “serving de modelos” ao anunciar, em 16 de fevereiro, o suporte do Amazon SageMaker Inference para modelos personalizados da família Amazon Nova, e o grande diferencial é a flexibilidade do SageMaker Multi-Model Endpoints e o escalonamento automático.

Feliz ano novo!

Esse tanto de lançamento e investimento no início de 2026 confirma que o ritmo da inovação tecnológica ignora fronteiras culturais ou calendários festivos. Gigantes globais, startups locais e universidades já fizeram seu caminho para um ano de crescimento antes mesmo de anunciarem a vitória da Mocidade Alegre. Não posso deixar de destacar, mesmo que em um contexto pessoal, que “antes de começar o ano” defendi minha Tese de Doutorado.

É claro que é uma brincadeira que o ano começa só depois do carnaval, mas mesmo assim… Feliz ano novo!

A imagem de capa foi criada com o Google Nano Banana 3, com o prompt: Ultra-realistic studio photography of a high-end, modern developer workstation in Brazil. In the foreground, a professional desk calendar clearly displays ‘February 2026’. The dates for Carnival (February 14-17) are not empty; they are filled with handwritten professional notes like ‘GPT-5.3 Deployment’, ‘AWS Bedrock Integration’, and ‘Azure Agentic Scaling’. On the side of the desk, a colorful and ornate Brazilian Carnival mask is pushed away, partially covered by a technical AI research paper titled ‘Neural Networks & Autonomous Agents 2026’. In the background, 4K monitors glow with complex Python code, 3D neural network visualizations, and real-time data dashboards showing ‘Meta Andromeda System’ metrics. Cinematic studio lighting with a ‘tech-blue’ and ‘cool-white’ color palette, shallow depth of field focusing on the calendar, 8k resolution, highly detailed textures of the paper and electronic components

O post E o ano só começa depois do carnaval apareceu primeiro em Diego Nogare.

Estas credenciais, reconhecidas mundialmente, atestam competências específicas em tecnologias de ponta. Assim, um profissional certificado demonstra proficiência validada por um rigoroso processo de avaliação, independentemente da localização geográfica.

Além disso, a obtenção dessas certificações oferecem vantagens significativas:
– Validação de Habilidades: Comprova expertise em plataformas e ferramentas líderes de mercado, como Azure, AWS ou Google Cloud;
– Reconhecimento Profissional: Aumenta a credibilidade e o valor do profissional no mercado de trabalho;
– Oportunidades de Carreira: Abre portas para novas posições e progressão profissional em escala global.

Muitas empresas de tecnologia, com destaque para as BigTechs, estão facilitando o acesso a esses exames. Microsoft, AWS e Google, por exemplo, noo momento que escrevo este texto, oferecem vouchers de 100% de desconto. Estes programas permitem que um número maior de pessoas possam realizar os exames de certificação de forma gratuita, economizando 100USD em cada exame, democratizando o aprendizado e a validação de competências. Consequentemente, essa iniciativa estimula a qualificação contínua da força de trabalho global em TI.

Não é consenso

Na minha forma de ver a padronização do conhecimento, através de certificações, tem um impacto positivo no nosso mercado. Mas isso não é consenso entre os líderes de TI. Tenho vários colegas que discordam dessa minha forma de pensar.

Contudo, na minha forma de ver, para profissionais de TI a certificação significa validação e mobilidade. Para empresas, assegura que suas equipes possuam as habilidades necessárias para entregar aquilo que já foi cobrado no exame. De fato, a certificação não garante o conhecimento prático e inovador. Mas posso assegurar que isso eleva o nível técnico das entregas na empresa, promovendo confiança e eficiência na construção de soluções tecnológicas.

Eae, está preparado para validar suas habilidades e impulsionar sua carreira com uma certificação gratuita em alguma dessas BigTech?

O post [Micro-blog] Como as certificações validam o conhecimento global na TI atual apareceu primeiro em Diego Nogare.

Modernização Bancária na Nuvem

O Itaú está na vanguarda da inovação bancária, a fim de aproveitar as capacidades de computação em nuvem, podemos oferecer serviços mais ágeis e personalizados. A parceria com fornecedores de cloud nos ajudou a impulsionar a transformação digital, com impacto positivo na experiência de nossos clientes.

O banco percebeu que seus clientes buscavam cada vez mais serviços online, e para resolver isso, era preciso entender as necessidades de seus clientes. Assim, para atender a essa demanda, o banco concentrou-se na modernização de suas aplicações bancárias. Utilizamos soluções como Amazon CloudWatch e AWS Fargate, assim o Itaú fortaleceu a resiliência de suas aplicações. Isso ajudou a garantir que os clientes tenham acesso contínuo e seguro aos serviços bancários, que é um dos nossos pilares de tecnologia.

Temos mais de 3200 usuários no Sagemaker Studio

A fim de contar a história da transformação digital também no mundo de ciência de dados, estamos construindo a plataforma IARA – Itaú Advanced Resources for Analytics. Essa plataforma atende a jornada fim a fim da experiência de desenvolvimento do ciclo de vida de modelos, passando por todas as etapas. Desenvolvimento, publicação e monitoramento de modelos. Contamos um pouco do desafio no paper publicado na CBSoft 2022 – Congresso Brasileiro de Software promovido pela Sociedade Brasileira de Computação.

Publicamos, recentemente, um caso de sucesso do Itaú junto à AWS para contar mais um pouco dessa história. Particularmente foi uma experiência super interessante para minha carreira, porque pudemos contar sobre a nossa jornada de transformação digital da ciência de dados dentro do Itaú.

E não só fizemos a publicação do case no portal da AWS, como também apresentamos o case para o time de produtos do Sagemaker. Pudemos explicar os nossos desafios e demos feedbacks sobre a experiência. Assim, também, reforçamos a importância da parceria e da evolução constante da plataforma da AWS e do Itaú.

Para complementar um pouco essa história, te convido a ler estes textos: Automatizar a publicação do seu modelo com MLOps e MLOps e Engenharia de Machine Learning descomplicados. Nesse sentido, os textos foram publicados no blog para te ajudar a entender a disciplina de MLOps e Engenharia de Machine Learning. Também contamos como é atuar na engenharia de Machine Learning do Itaú, que inclusive ajuda pessoas interessadas à trabalhar na área a se preparar tecnicamente. Não deixe de acompanhar esses materiais!

O post Temos mais de 3200 usuários no Sagemaker Studio apareceu primeiro em Diego Nogare.

Neste texto quero explicar o conceito de Citizen Data Scientist, as vantagens de se envolver com projetos de Machine Learning mesmo sem ser um especialista em TI, e as ferramentas que facilitam esse processo, como o AutoML e os serviços de Cloud Computing. Vamos lá?!

O que é um Citizen Data Scientist?

Um Citizen Data Scientist é alguém que, embora não seja uma pessoa especialista em TI, utiliza ferramentas de Machine Learning para extrair insights valiosos dos dados. Esses indivíduos são capazes de preencher a lacuna entre especialistas em dados e profissionais de negócios. Esse perfil vem se tornando cada vez mais relevante nas organizações, pois permite democratizar o acesso e o uso dos dados, ampliando as possibilidades de inovação e tomada de decisão baseada em dados e evidências. Além disso, os Citizen Data Scientists podem contribuir para a melhoria dos processos internos, a otimização dos recursos e a satisfação dos clientes.

Ferramentas de Cloud Computing para Machine Learning

Para se tornar um Citizen Data Scientist, não é preciso ter um diploma em ciência da computação ou matemática, mas sim ter curiosidade, criatividade e vontade de aprender. Além disso, é importante ter conhecimento do domínio do problema que se quer resolver, ou seja, entender o contexto e os objetivos do negócio. As ferramentas de Cloud Computing, como as oferecidas pela AWS, Microsoft e Google, tornaram o aprendizado de máquina acessível a todos. Essas plataformas oferecem uma variedade de serviços que permitem aos usuários treinar e implementar modelos de ML sem a necessidade de codificação extensa. Mas como começar a trabalhar com Machine Learning sem saber programar ou lidar com algoritmos complexos? A resposta está nas ferramentas que facilitam esse processo, como o AutoML e os serviços de Cloud Computing.

AutoML: Uma Revolução no Machine Learning

O AutoML, ou Automated Machine Learning, é uma das inovações mais empolgantes no campo do Machine Learning. Ele automatiza todo o ciclo de vida de um projeto, incluindo a preparação dos dados, o processo de treinamento e otimização de parâmetros dos modelos, chegando até a avaliação e implantação dos modelos. Estas abstrações tornam o AutoML acessível até para não especialistas em TI. Seja você um profissional de negócios, um estudante ou apenas um entusiasta da tecnologia, o mundo do Machine Learning está ao seu alcance com ferramentas de AutoML.

Ao utilizar ferramentas de AutoML, é possível criar soluções sem escrever uma linha de código ou escolher manualmente os melhores algoritmos e parâmetros. Basta fornecer os dados e definir o objetivo do projeto, que o AutoML se encarrega de fazer todo o trabalho pesado. Ademais, ele pode ser aplicado em diversas áreas e problemas, como classificação, regressão, clusterização, detecção de anomalias, processamento de linguagem natural, visão computacional, entre outros.

Quais são os benefícios do AutoML?

O AutoML traz diversos benefícios para quem quer se tornar um Citizen Data Scientist, como:

– Reduzir o tempo e o custo dos projetos de Machine Learning;
– Aumentar a qualidade e a confiabilidade dos modelos;
– Diminuir a dependência de especialistas em TI;
– Facilitar a experimentação e a inovação com dados.

Como usar o AutoML?

Uma das formas mais simples e acessíveis de usar o AutoML é através dos serviços de Cloud Computing oferecidos por grandes empresas como AWS, Microsoft e Google. Esses serviços permitem criar soluções de Machine Learning na nuvem, sem precisar instalar ou configurar nenhum software localmente.

Alguns exemplos desses serviços são:

– AWS SageMaker Autopilot: um serviço da AWS que permite criar modelos de Machine Learning personalizados com apenas alguns cliques. O SageMaker Autopilot analisa os dados, seleciona os melhores algoritmos e parâmetros, treina os modelos e gera relatórios explicando cada passo do processo;
– Azure Automated Machine Learning: um serviço da Microsoft que permite criar, treinar e implantar soluções de Machine Learning na nuvem ou na borda. O Azure Automated Machine Learning oferece recursos de AutoML para automatizar a escolha dos melhores algoritmos e parâmetros para cada problema.
– Google Cloud AutoML: um serviço do Google Cloud Platform que permite criar modelos de Machine Learning personalizados para diferentes tipos de dados, como texto, imagem, vídeo e tabular. O Google Cloud AutoML usa técnicas avançadas como aprendizado por transferência e redes neurais para gerar modelos com alta precisão.

Conclusão

Neste artigo, tentei explicar o que é um Citizen Data Scientist, que é um profissional que usa técnicas e ferramentas de Machine Learning para resolver problemas de negócios, mas sem ter uma formação específica em TI. Você também leu como se tornar um, usando recursos como o AutoML e os serviços de Cloud Computing, que facilitam a criação de soluções de ML na nuvem

Se você se interessou pelo assunto e quer se aprofundar mais, confira mais alguns links:

– Na visão da AWS, o que é Machine Learning?
– O que é AutoML na visão da Microsoft?
– Segundo o Google, o que é Cloud Computing?

Imagem de capa criada com IA pelo Bing: Utilizei o prompt: “Academia de Platão com menos pessoas, incluindo Platão e mulheres gregas no centro, estudando e debatendo de forma construtiva, segurando laptops, tablets ou smartphones ao invés de livros”

Foi muita viagem da minha cabeça gerar a imagem da Academia de Platão com a galera utilizando laptops e tablets para sintetizar a ideia de civilização (conectando com o tema de Citizen Data Scientist), sendo que a civilização como é conceituada veio dos Sumérios, aquele povo que vivia entre os rios Tigres e Eufrates na antiga Mesopotâmia – que atualmente é a região do Iraque e não tem ligação direta com as ideias propostas por Platão.

O post Machine Learning para quem não é de TI apareceu primeiro em Diego Nogare.

Não quero ficar repetindo conceito e textos, então não entrarei no mérito do que é e qual a importância desta área… Já escrevi sobre isso em MLOps e Engenharia de Machine Learning descomplicados, Ferramentas e plataformas essenciais para projetos de IA e ML e Tendências em Engenharia de Machine Learning e MLOps em 2024.

Por que aprender Engenharia de Machine Learning e MLOps?

Aprender Engenharia de Machine Learning e MLOps pode trazer diversos benefícios para a sua carreira e para os seus projetos, principalmente porque há uma demanda muito grande por essa área nas empresas. Destaquei alguns itens que considero importante para compartilhar com vocês!

• Você poderá desenvolver soluções inovadoras e de alto impacto, usando a inteligência artificial para resolver problemas reais de diversos setores da indústria;
• Você poderá aumentar a sua empregabilidade e a sua remuneração, pois a demanda por profissionais com habilidades de nuvem e machine learning está em crescimento, e as empresas estão dispostas a pagar bem por eles;
• Você poderá aprimorar as suas competências técnicas e profissionais, pois os cursos online oferecem conteúdo atualizado, prático e relevante, além de oportunidades de interação com instrutores e colegas;
• Você poderá obter certificações reconhecidas no mercado, que comprovam o seu conhecimento e a sua experiência em Engenharia de Machine Learning e MLOps, e que podem abrir portas para novas oportunidades.

Não posso deixar de compartilhar uma Playlist do Youtube que gravei há alguns anos e continua super atual. Convido todos vocês à assistirem aos vídeos e acelerar suas respectivas carreiras. A Playlist está neste link: Como aprender Data & AI de graça com os fornecedores líderes globais de Cloud Computing.

Depois de acompanhar Data & AI nos vídeos da Playlist, existem diversas outras opções de cursos online gratuitos ou de baixo custo para aprender Engenharia de Machine Learning e MLOps oferecidos por grandes empresas como Google, Microsoft e AWS, além de outros fornecedores. Esses cursos abordam desde os conceitos básicos até os tópicos avançados, e são adequados para diferentes níveis de conhecimento e experiência.

Quais são os cursos online gratuitos ou de baixo custo?

Em geral, estes cursos ensinam os fundamentos e as aplicações do machine learning, como usar os serviços e as ferramentas para construir, treinar, implantar e gerenciar modelos de ML, e como usar o MLOps para automatizar e padronizar o ciclo de vida de machine learning. Assim, independente de qual provedor de cloud computing você estude, todos lhe ensinarão o conceito e terão a prática em suas ferramentas:

Google: A Google oferece vários cursos online gratuitos para aprender sobre machine learning e inteligência artificial, através da plataforma Google Activate, que em algumas encaminha você para a Coursera. Um destes exemplos é o Certificado Profissional Google Data Analytics (PT) e o Advanced Machine Learning with TensorFlow on Google Cloud Platform. Já o Machine Learning Engineer Learning Path fica interno no Google Cloud Skills Boost.

Microsoft: A Microsoft também oferece diversos cursos online gratuitos para aprender sobre machine learning e inteligência artificial, porém, oferece tudo através da plataforma Microsoft Learn. Alguns exemplos são Introdução às MLOps (Operações de Machine Learning), End-to-end machine learning operations (MLOps) with Azure Machine Learning, Create machine learning models e Fundamentals of machine learning. Ah, não deixe de acompanhar também o Automate your workflow with GitHub Actions.

AWS: A AWS, que é a divisão de computação em nuvem da Amazon, também oferece vários cursos online gratuitos para aprender sobre machine learning e inteligência artificial, através da plataforma AWS Training and Certification e AWS Skill Builder. Tem o The Elements of Data Science (Portuguese) e o Machine Learning Learning Plan (Portuguese). Havia um bastante deste workshop prático, de MLOps, que eu gostava bastante, mas ele foi descontinuado.

Como escolher o melhor curso online?

Com tantas opções de cursos online disponíveis, pode ser difícil escolher o melhor para que você, de fato, aprenda Engenharia de Machine Learning e MLOps. Por isso, quando vou fazer algum curso, considero alguns critérios que me ajudam a escolher:

Nível de conhecimento e experiência: Você deve escolher um curso que seja adequado ao seu nível de conhecimento e experiência em machine learning, engenharia de software, computação em nuvem, entre outros. Se você é iniciante, procure por cursos que ensinem os conceitos básicos e as práticas recomendadas. Se você é intermediário ou avançado, procure por cursos que aprofundem os tópicos e os desafios que você quer aprender ou resolver.

Objetivo de aprendizagem: Você deve escolher um curso que esteja alinhado ao seu objetivo de aprendizagem, seja ele profissional ou pessoal. Se você quer se preparar para uma certificação, procure por cursos que ofereçam conteúdo e simulados específicos para o exame. Se você quer desenvolver um projeto ou uma solução, procure por cursos que ofereçam exemplos e exercícios práticos relacionados ao seu domínio ou problema.

Orçamento e tempo: Você deve escolher um curso que caiba no seu bolso e na sua agenda. Se você não quer gastar muito, procure por cursos gratuitos ou de baixo custo, que ofereçam conteúdo de qualidade e acesso ilimitado. Se você tem pouco tempo, procure por cursos flexíveis ou cursos livres que permitam que você estude no seu próprio ritmo e horário.

Tem outras opções?

Além das grandes empresas, existem outros players que oferecem cursos online gratuitos ou de baixo custo para que você aprenda Engenharia de Machine Learning e MLOps, como a Coursera, a Udemy, a edX, a DataCamp, a Databricks, entre outros. Esses cursos abrangem diversos tópicos, como machine learning, deep learning, nlp, computer vision, data science, MLOps… Normalmente os cursos são ministrados por instrutores renomados, como Andrew Ng, Geoffrey Hinton, Yann LeCun, e são oferecidos através de instituições de prestígio como Stanford e MIT. Alguns desses cursos também oferecem certificados de conclusão, que podem ser adicionados ao seu currículo ou perfil do LinkedIn.

Outra opção, pensando na situação de retorno aos escritórios, muitas pessoas voltaram a pegar horas e mais horas de transporte para ir trabalhar. Nestas horas, porém, pode ser perigoso estar com o celular a mostra para assistir um vídeo dos treinamentos. Então, pensando por esse lado, os livros também podem lhe ser úteis. Deixo aqui algumas opções que gosto bastante e recomendo para quem também curte estudar por livros.

Projetando sistemas de Machine Learning: processo interativo para aplicações prontas para produção, por Chip Huyen

Machine Learning Engineering with Python – Second Edition: Manage the lifecycle of machine learning models using MLOps with practical examples, de Andrew McMahon

Mãos à obra aprendizado de máquina com Scikit-Learn, Keras & TensorFlow: conceitos, ferramentas e técnicas para a construção de sistemas inteligentes

Tem mais livros, se quiser indicação, me mande uma mensagem

Conclusão

Existem diversas opções de cursos online gratuitos ou de baixo custo para aprender Engenharia de Machine Learning e MLOps, oferecidos por grandes empresas como Google, Microsoft e AWS, além de outros fornecedores. Esses cursos abordam desde os conceitos básicos até os tópicos avançados, e assim, são adequados para diferentes níveis de conhecimento e experiência. Para escolher o melhor curso para você, é importante considerar alguns critérios, como o seu nível de conhecimento e experiência, o seu objetivo de aprendizagem, o seu estilo de aprendizagem, o seu orçamento e disponibilidade.

Posso estar sendo preciosista, mas acredito que com esses materiais e dedicação de tempo, acredito que você aprenda Engenharia de Machine Learning e MLOps

Boa sorte e bons estudos

Imagem de capa criada com IA pelo Bing: Utilizei o prompt: “A slightly overweight man with a beard, wearing a polo shirt, working at a desk with a computer, with a bookshelf full of books behind him. The photo should take the angle from behind the computer, showing the man sitting in front of the computer, and his back to the bookshelf. The style used should be Digital Illustration, in a drawing format. The computer screen displays different content. Add three coffee cups on the desk, and some messy papers”.

O post Aprenda Engenharia de Machine Learning e MLOps online apareceu primeiro em Diego Nogare.

e muitas vezes a arquitetura da solução pode ser melhorada

Você sabia que tanto Microsoft Azure quanto Amazon AWS tem produtos nas plataforma que ajudam em como fazer uma boa arquitetura de Cloud Computing em seus projetos? Se você procurar por Well-Architected Framwork vai encontrar uma ferramenta que analisa a sua arquitetura de nuvem buscando sugerir as melhores práticas de mercado. Vou focar este texto com Azure e AWS, mas não sei se outros fornecedores também possuem alguma ferramenta assim.

Este framework ajuda a responder questões de cada um dos pilares, que, em primeiro lugar, envolvem: Segurança, Confiança, Eficiência e Otimização, que juntos permitem chegar à uma Excelência Operacional.

Esta ferramenta foi criada buscando ajustar os componentes utilizados nos projetos em uma melhor arquitetura. Contudo, um dos grandes segredos do sucesso tem a ver com Infrastructure as a Code, para garantir excelência e reprodutibilidade dos componentes. A parte de Infrastructure as a Code é importante, como foi comentado em Automatizar a publicação do seu modelo com MLOps.

Os pilares da arquitetura

Ao observar os pilares de uma boa arquitetura de Cloud Computing em Azure ou AWS, estarão sustentadas em:

Segurança: Proteger informações e sistemas

Confiança: Capacidade de recuperação à desastres e falhas

Eficiência: Consiste em usar adequadamente os sistemas de TI

Otimização: Executar o que precisa, com o menor orçamento possível

Excelência Operacional: Foco em suporte corporativo para objetivos de negócios através de monitoramento do ambiente e com entregas de melhoras contínuas

Worloads específicos

O processo de Well-Architected é bem genérico. Contudo, é possível aplicar análises em workloads específicos. Por exemplo, para AWS, há um documento de mais de 60 páginas de AWS Well-Architected – Machine Learning, como também para Analytics. Também é possível encontrar este framework para outras frentes de trabalho, mas não é o foco aqui do texto.

Treinamentos gratuitos

Tanto Microsoft quanto Amazon possuem treinamentos gratuitos para ajudar quem está desenhando a arquitetura, a seguir as boas práticas. O treinamento da AWS tem por volta de 1h30 de conteúdo em vídeo. Eu particularmente demorei mais do que isso. No entanto, no curso da Microsoft, o material é predominante de texto. O conteúdo diz ter por volta de 1h40, mas eu também demorei mais.

Como fazer uma boa arquitetura de Cloud Computing

Você pode rodar qualquer uma das ferramentas utilizando os links abaixo:

AWS Well-Architected

Azure Well-Architected Review

A ferramenta lhe conduz durante o processo, garantindo que você consiga usufruir de todo o potencial que o framework oferece.

Bons desenhos!

O post Como fazer uma boa arquitetura de cloud computing apareceu primeiro em Diego Nogare.