Verwaltungsinformationen
| Titel | Datenarchitektur |
| Dauer | 60 |
| Modulen | B |
| Unterrichtstyp | Anleitung |
| Fokussierung | Praktisch – Organisationelle KI |
| Themenbereich | Datenarchitektur |
Suchbegriffe
Data Architecture, Machine Learning Pipeline,MLOps,
Lernziele
- Um die Grundlagen von Machine Learning Systemarchitekturen zu kennen
- Um zu wissen, wie man eine Machine Learning Pipeline entwirft und automatisiert
- Um die grundlegenden Aspekte einer ML-Produktionspipeline zu kennen
- So konfigurieren Sie eine ML-Produktionspipeline in der Cloud
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Keine.
Obligatorisch für Studenten
- Datenanalyseprozess
- Modelle für maschinelles Lernen
Optional für Studenten
- DevOps
- CI/CD
Referenzen und Hintergründe für Studierende
Keine.
Empfohlen für Lehrer
- Google Cloud Architcture (englisch)
- Bakshi, K. (2012, März). Überlegungen zu Big Data: Architektur und Ansatz. 2012 IEEE Aerospace Conference (S. 1-7). IEEE.
Unterrichtsmaterialien
Anleitung für Lehrer
Zu behandelnde Themen
- Einführung in das, was eine Datenarchitektur ist
- MLOPS
- Entwurf und Automatisierung einer Machine Learning Pipeline
- Architektur eines Machine Learning Systems in der Produktion
- Orchestrierung der ML-Pipeline.
- Konfiguration einer kontinuierlichen Integration
- Continuous Delivery CI/CD-System für die ML-Pipeline unter Verwendung der Cloud.
Gliederung
| Dauer (min) | Beschreibung | Konzepte | Aktivität | Werkstoffe |
|---|---|---|---|---|
| 5 | MLOPS | Ml System, ML Pipeline, DevOps, Continuous Integration, Continuous Delivery, Continuous Testing |
Vortrag | Externe Slides |
| 10 | Entwurf und Automatisierung einer Machine Learning Pipeline | CI/CD Rohrleitung, CT Pipeline | Vortrag | Externe Slides |
| 20 | Architektur eines Machine Learning Systems in der Produktion | Datenvalidierung, Vorverarbeitung, Modellentwicklung, Modellanalyse, Modellbereitstellung, TFX |
Vortrag | Externe Slides |
| 10 | Orchestrierung der ML-Pipeline | Orchesterleiter, Kubeflow | Vortrag | Externe Slides |
| 15 | Konfiguration eines Continuous Integration/Continuous Delivery CI/CD-Systems für die ML-Pipeline mithilfe der Cloud | Ml-Pipeline auf Cloud | Beispiel für das Laufen | Online-Tutorials |
Danksagung
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.