Arquitetar plataformas de dados e de aprendizagem automática
by Marco Tranquillin, Valliappa Lakshmanan, Firat Tekiner
Capítulo 11. Arquitetar uma plataforma de ML
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
No capítulo anterior, discutimos a arquitetura geral das aplicações de ML e que, em muitos casos, irá utilizar modelos de ML pré-construídos. Em alguns casos, a sua equipa terá de desenvolver o modelo de ML que está no centro da aplicação de ML.
Neste capítulo, vais aprofundar o desenvolvimento e a implementação desses modelos de ML personalizados. Analisará as fases de desenvolvimento dos modelos de ML e as estruturas que suportam esse desenvolvimento. Depois de o modelo ter sido criado, terás de automatizar o processo de formação, analisando as ferramentas e os produtos que podem ajudar-te a fazer esta transição. Por fim, terás de monitorizar o comportamento dos modelos treinados que foram implementados nos pontos finais para ver se estão a desviar-se ao fazer inferências.
Nos capítulos anteriores, discutimos as capacidades de AM que são possibilitadas por várias partes da plataforma de dados. Especificamente, o armazenamento de dados para a sua plataforma de ML pode estar no lago de dados(Capítulo 5) ou no DWH(Capítulo 6), o treino seria efectuado em computação eficiente para esse armazenamento e a inferência pode ser invocada a partir de um pipeline de streaming(Capítulo 8) ou implementada no edge(Capítulo 9). Neste capítulo, vamos reunir todas estas discussões e considerar o que está incluído nestas capacidades ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access