Estratégia de dados, recursos e pessoas

Entendendo a inteligência artificial

Maarten Van den Broeck

Senior Content Developer at DataCamp

Estratégia e governança de dados

Estratégia de dados: projeto e desenvolvimento de abordagens para extração de informações e tomada de decisões

Etapas da estratégia de dados:

Definição de objetivos orientados por dados
Descubra os dados necessários
Determinar fontes e tipos de dados
Análise preditiva e prescritiva
Operacionalizar processos orientados por dados

Definição de objetivos orientados por dados

Descubra os dados necessários

Determinar fontes e tipos de dados

Análise preditiva e prescritiva

Operacionalizar processos orientados por dados

Infraestrutura de IA

Infraestrutura de IA baseada em nuvem

Recursos de computação dimensionáveis, armazenamento de dados, ferramentas de IA e modelos pré-construídos
Elástico, sob demanda

Google Cloud, Azure e AWS

Prós: alta escalabilidade, custo-benefício
Contras: localização dos dados, necessidade de Internet

Infraestrutura de IA no local

As organizações possuem seus recursos de hardware, software, dados e rede para dar suporte às operações de IA

Infraestrutura no local

Prós: controle de dados, menor latência
Contras: Custos iniciais, escalabilidade limitada

Metodologia MLOps

Operações de machine learning (MLOps): gerenciamento e operação eficientes e confiáveis de sistemas de ML (IA) na empresa.

MLOMetodologia ps

Metodologia MLOps

Operações de machine learning (MLOps): gerenciamento e operação eficientes e confiáveis de sistemas de ML (IA) na empresa.

MLOetapas da metodologia ps

Funções relacionadas à IA

Arquiteto de IA

Arquiteto de IA

Cientista de dados

Cientista de dados

Engenheiro de dados e machine learning

Engenheiro de machine learning

Outros: Eticista de IA, gerente de projetos

Outras funções de IA

Criando sua equipe de IA

Liderança e gerenciamento

Gerente de IA / líder de equipe
Gerente(s) de projeto de IA

Execução

Arquitetos de IA: selecionando as ferramentas
Cientistas de dados: analisam dados e treinam e avaliam modelos
ML e engenheiros de dados: implementar modelos, introduzir a produção e criar pipelines de dados

Suporte

Formação de uma equipe

Criando sua equipe de IA

Liderança e gerenciamento

Gerente de IA / líder de equipe
Gerente(s) de projeto de IA

Execução

Arquitetos de IA: selecionando as ferramentas
Cientistas de dados: analisam dados e treinam e avaliam modelos
ML e engenheiros de dados: implementar modelos, criar pipelines de dados

Suporte: Ética em IA; especialistas no domínio

Formação de uma equipe

Vamos praticar!

Entendendo a inteligência artificial