Administratieve informatie
| Titel | Data-architectuur |
| Looptijd | 60 |
| Module | B |
| Type les | Interactieve sessie |
| Focus | Praktisch — Organisatie-AI |
| Onderwerp | Data-architectuur |
Sleutelwoorden
Data Architectuur, Machine Leren pijplijn, MMLOps,
Leerdoelen
- De basisgegevensarchitecturen in Machine Learning kennen
- Stel vragen over de meest geschikte dataarchitecturen
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- Proces voor gegevensanalyse
- Modellen voor machine learning
- DevOps
- CI/CD
Optioneel voor studenten
Geen.
Referenties en achtergronden voor studenten
- DevOps
- CI/CD
Aanbevolen voor docenten
Lesmateriaal
Instructies voor docenten
Gebruik het volgende overzicht:
- Inleiding tot de discussie
- Wat zijn de meest verspreide architecturen voor ML Systems?
- Wat is een typische ML pipeline?
- Wat zijn de MLOps?
- Hoe is het mogelijk om een ML-pijplijn te automatiseren en te orkestreren?
- Hoe is het mogelijk om een Continuous Integration/Continuous Delivery CI/CD systeem te configureren voor de ML pipeline met behulp van de Cloud?
- Vragen en verdere discussie over onderwerpen voorgesteld door studenten
- Discussie
- Wat zijn de kenmerken van de Tensor Flow eXTended (TFX) architectuur?
- Hoe kan Cloud het TFX-model ondersteunen?
- Hoe is het mogelijk om de TFX-pijplijn te automatiseren en te orkestreren?
- Hoe is het mogelijk om een Continuous Integration/Continuous Delivery CI/CD systeem te configureren voor de TFX pijplijn?
- Vragen en verdere discussie over onderwerpen voorgesteld door studenten
- Conclusies
- Samenvatten en bespreken van de lesresultaten:
- Belangrijkste kenmerken van een ML-systeemarchitectuur en van ML-pijpleidingen
- MLOps
- Automatiseren en orkestreren van een ML-pijplijn met verwijzing naar het TFX-model
- Sluitende opmerkingen
- Samenvatten en bespreken van de lesresultaten:
Tijdschema
| Duur (min) | Omschrijving | Concepten |
|---|---|---|
| 20 | Inleiding tot de discussie | Ml Systeemarchitectuur, ML-pijpleiding |
| 30 | Discussie | Ml in productievoorbeelden |
| 10 | Samenvattende en sluitende opmerkingen |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.