Informações administrativas
| Titulo | Arquitetura de dados |
| Duração | 60 |
| Módulo | B |
| Tipo de aula | Sessão Interativa |
| Foco | Prático — Inteligência Artificial Organizacional |
| Tópico | Arquitetura de dados |
Palavras-chave
Arquitetura de dados, pipeline de aprendizagem de máquinas, MLOps,
Objetivos de aprendizagem
- Conhecer as arquiteturas básicas de dados na aprendizagem automática
- Fazer perguntas sobre as arquiteturas de dados mais adequadas
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Processo de análise de dados
- Modelos de aprendizagem automática
- DevOps
- CI/CD
Facultativo para Estudantes
Nenhuma.
Referências e antecedentes para estudantes
- DevOps
- CI/CD
Recomendado para professores
Materiais das aulas
Instruções para os professores
Utilize o seguinte esboço:
- Introdução à discussão
- Quais são as arquiteturas mais difusas para sistemas ML?
- O que é um gasoduto ML típico?
- O que são os MLOps?
- Como é possível automatizar e orquestrar um gasoduto ML?
- Como é possível configurar um sistema CI/CD de Integração Contínua/Encomenda Contínua para o pipeline ML utilizando a Nuvem?
- Perguntas e discussão sobre temas sugeridos pelos estudantes
- Discussão
- Quais são as características da arquitetura Tensor Flow eXTended (TFX)?
- Como o Cloud pode suportar o modelo TFX?
- Como é possível automatizar e orquestrar o gasoduto TFX?
- Como é possível configurar um sistema de integração contínua/entrega contínua CI/CD para o gasoduto TFX?
- Perguntas e discussão sobre temas sugeridos pelos estudantes
- Conclusões
- Resumir e discutir os resultados da lição:
- Principais características de uma arquitetura de sistemas ML e de condutas ML
- MLOps
- Automatizar e orquestrar um gasoduto ML com referência ao modelo TFX
- Observações conclusivas
- Resumir e discutir os resultados da lição:
Calendário
| Duração (min) | Descrição | Conceitos |
|---|---|---|
| 20 | Introdução à discussão | Ml System Architecture, ML Pipeline |
| 30 | Discussão | Ml em exemplos de produção |
| 10 | Síntese e observações conclusivas |
Agradecimentos
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.