Informazioni amministrative
| Titolo | Architettura dei dati |
| Durata | 60 |
| Modulo | B |
| Tipo di lezione | Esercitazione |
| Focus | Pratiche — AI organizzativa |
| Argomento | Architettura dei dati |
Parole chiave
Architettura dei dati, pipeline di apprendimento delle macchine, MLOps,
Obiettivi di apprendimento
- Conoscere i fondamenti delle architetture di Machine Learning System
- Per sapere come progettare e automatizzare una pipeline di Machine Learning
- Conoscere gli aspetti di base di alcune pipeline di produzione di ML
- Per sapere come configurare una pipeline di produzione ML su Cloud
Preparazione prevista
Eventi di apprendimento da completare prima
Nessuno.
Obbligatorio per gli studenti
- Processo di analisi dei dati
- Modelli di apprendimento automatico
Facoltativo per gli studenti
- DevOps
- CI/CD
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
- Archittura cloud di Google
- Bakshi, K. (2012, marzo). Considerazioni per i big data: Architettura e approccio. Nel 2012 conferenza aerospaziale IEEE (pag. 1-7). IEEE.
Materiale didattico
Istruzioni per gli insegnanti
Argomenti da trattare
- Introduzione a ciò che è un'architettura di dati
- MLOps
- Progettazione e automazione di una pipeline di Machine Learning
- Architettura di un sistema di Machine Learning in produzione
- Orchestrazione dell'oleodotto ML.
- Configurazione di un'integrazione continua
- Sistema CI/CD di consegna continua per la pipeline ML utilizzando il Cloud.
Contorno
| Durata (min) | Descrizione | Concetti | Attività | Materiale |
|---|---|---|---|---|
| 5 | MLOps | Sistema ml, ML Pipeline, DevOps, Integrazione continua, consegna continua, test continui |
Lezione | Diapositive esterne |
| 10 | Progettazione e automazione di una pipeline di Machine Learning | Tubo di CI/CD, tubo di CT | Lezione | Diapositive esterne |
| 20 | Architettura di un sistema di Machine Learning in produzione | Convalida dei dati, preelaborazione, Sviluppo del modello, analisi del modello, distribuzione del modello, TFX |
Lezione | Diapositive esterne |
| 10 | Orchestrazione della pipeline ML | Orchestratore, Kubeflow | Lezione | Diapositive esterne |
| 15 | Configurazione di un sistema CI/CD di Continuous Integration/Continuous Delivery per la pipeline ML utilizzando il Cloud | Pipeline ml su Cloud | Esempio di esecuzione | Esercitazioni online |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.