Administrativní informace
| Název | Datová architektura |
| Trvání | 60 |
| Modul | B |
| Typ lekce | Interaktivní zasedání |
| Soustředění | Praktické – Organizační AI |
| Téma | Datová architektura |
Klíčová slova
Datová architektura,Machine Learning pipeline,MLOps,
Vzdělávací cíle
- Znát základní datové architektury ve strojovém učení
- Klást otázky ohledně nejvhodnějších datových architektur
Očekávaná příprava
Vzdělávací akce, které mají být dokončeny před
Povinné pro studenty
- Proces analýzy dat
- Modely strojového učení
- DevOps
- CI/CD
Volitelné pro studenty
Žádné.
Reference a zázemí pro studenty
- DevOps
- CI/CD
Doporučeno pro učitele
Materiály pro výuku
Pokyny pro učitele
Použijte následující osnovu:
- Úvod do diskuse
- Jaké jsou nejvíce rozptýlené architektury pro systémy ML?
- Co je typický ML potrubí?
- Co je to MLOps?
- Jak je možné automatizovat a zorganizovat ML potrubí?
- Jak je možné konfigurovat systém kontinuální integrace/Continuous Delivery CI/CD pro ML potrubí pomocí cloudu?
- Otázky a další diskuse k tématům navrženým studenty
- Diskuse
- Jaké jsou vlastnosti architektury Tensor Flow eXTended (TFX)?
- Jak může Cloud podpořit model TFX?
- Jak je možné automatizovat a zorganizovat potrubí TFX?
- Jak je možné konfigurovat systém kontinuální integrace/Continuous Delivery CI/CD pro potrubí TFX?
- Otázky a další diskuse k tématům navrženým studenty
- Závěry
- Shrnutí a diskuse o výsledcích lekce:
- Hlavní rysy architektury systému ML a potrubí ML
- MLOps
- Automatizace a orchestrace ML potrubí s odkazem na model TFX
- Přesvědčivé poznámky
- Shrnutí a diskuse o výsledcích lekce:
Časový harmonogram
| Doba trvání (min) | Popis | Koncepty |
|---|---|---|
| 20 | Úvod do diskuse | Ml Systémové architektura, ML Pipeline |
| 30 | Diskuse | Ml ve výrobních příkladech |
| 10 | Shrnutí a přesvědčivé poznámky |
Potvrzení
Program Human-Centered AI Masters byl spolufinancován Nástrojem Evropské unie pro propojení Evropy v rámci grantu CEF-TC-2020–1 Digitální dovednosti 2020-EU-IA-0068.