O que desenvolvedores dizem depois de passar pelos cursos

// desafio

Ciclos de treinamento lentos sem diagnóstico claro

Engenheiro de ML em São Paulo com modelos de visão computacional que demoravam mais do que o esperado para treinar. Sem saber por onde começar a investigar, o tempo era gasto em tentativa e erro.

// abordagem

Trilha de Otimização de Modelos — 7 semanas

Após os módulos de profiling com PyTorch Profiler e Nsight, conseguiu identificar que o gargalo era na transferência host-GPU, não no cálculo em si. A seção de pinned memory foi diretamente aplicável.

// resultados

Redução de ~35% no tempo por epoch

Com as mudanças identificadas pelo profiling, o tempo por epoch caiu de forma mensurável. A habilidade de diagnóstico ficou — não só a solução pontual.

"Eu resolvi o problema imediato, mas o mais útil foi saber como olhar para o próximo."

// desafio

Equipe sem base para tomar decisões de arquitetura de GPU

Tech lead em fintech gaúcha com equipe de três engenheiros que precisavam avaliar opções de hardware para uma plataforma de inferência. Ninguém tinha clareza sobre as diferenças práticas entre as opções.

// abordagem

Programa Sênior — 9 semanas

Os módulos de deployment patterns e capacity planning deram o vocabulário e o framework de análise que a equipe precisava. A revisão do capstone ajudou a estruturar a proposta de arquitetura que foi apresentada à gestão.

// resultados

Proposta de plataforma aprovada internamente

A equipe conseguiu apresentar uma proposta fundamentada de infraestrutura de GPU, com justificativas técnicas para as escolhas de hardware e modelo de escalabilidade.

"O mentor foi direto sobre o que estava fraco na proposta. Isso foi mais útil do que elogios."