Informacje administracyjne
| Tytuł | Architektura danych |
| Czas trwania | 60 |
| Moduł | B |
| Rodzaj lekcji | Sesja interaktywna |
| Skupienie | Praktyczna – organizacyjna sztuczna inteligencja |
| Temat | Architektura danych |
Słowa kluczowe
Architektura danych, Potok uczenia maszynowego, MLOps,
Cele w zakresie uczenia się
- Poznanie podstawowych architektur danych w uczeniu maszynowym
- Zadaj pytania dotyczące najbardziej odpowiednich architektur danych
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Proces analizy danych
- Modele uczenia maszynowego
- DevOps
- CI/CD
Opcjonalne dla studentów
Brak.
Referencje i tło dla studentów
- DevOps
- CI/CD
Zalecane dla nauczycieli
Materiały do lekcji
Instrukcje dla nauczycieli
Użyj następującego zarysu:
- Wprowadzenie do dyskusji
- Jakie są najbardziej rozproszone architektury dla systemów ML?
- Co to jest typowy rurociąg ML?
- Czym są MLOpy?
- Jak można zautomatyzować i zaaranżować rurociąg ML?
- Jak można skonfigurować system CI/CD Continuous Integration/Continuous Delivery dla rurociągu ML za pomocą chmury?
- Pytania i dalsze dyskusje na tematy zaproponowane przez studentów
- Dyskusja
- Jakie są cechy architektury Tensor Flow eXTended (TFX)?
- W jaki sposób chmura może wspierać model TFX?
- Jak można zautomatyzować i zaaranżować rurociąg TFX?
- Jak można skonfigurować system Continuous Integration/Continuous Delivery CI/CD dla rurociągu TFX?
- Pytania i dalsze dyskusje na tematy zaproponowane przez studentów
- Wnioski
- Podsumowanie i omówienie wyników lekcji:
- Główne cechy architektury systemu ML i rurociągów ML
- MLOps
- Automatyzacja i orkiestrowanie rurociągu ML w odniesieniu do modelu TFX
- Uwagi rozstrzygające
- Podsumowanie i omówienie wyników lekcji:
Harmonogram
| Czas trwania (min) | Opis | Koncepcje |
|---|---|---|
| 20 | Wprowadzenie do dyskusji | ML Architektura systemu, rurociąg ML |
| 30 | Dyskusja | Ml w przykładach produkcji |
| 10 | Podsumowanie i rozstrzygające uwagi |
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.