- Oggetto:
Laboratorio: MLOPS: come rendere le soluzioni di data analytics scalabili
- Oggetto:
Workshop: MLOPS - How to make data analytics solutions scalable
- Oggetto:
Anno accademico 2023/2024
- Codice attività didattica
- ECM0342
- Docente
- Lorenzo Campo (Titolare del corso)
- Corso di studio
- Laurea in Economia e Statistica per le Organizzazioni - a Torino [0402L31]
- Anno
- 1° anno, 2° anno, 3° anno
- Periodo
- Secondo semestre
- Tipologia
- Altre attività
- Crediti/Valenza
- 2
- SSD attività didattica
- NN/00 - nessun settore scientifico
- Erogazione
- Tradizionale
- Lingua
- Italiano
- Frequenza
- Consigliata/Recommended
- Tipologia esame
- Prova pratica
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il laboratorio si propone di fornire allo studente una conoscenza di base su come instanziare, scalare ed utilizzare le Deep Learning VM della Google Cloud Platform.
Verrà mostrato come connettersi da remoto ad un notebook Jupyter e come utilizzare quest'ultimo per eseguire degli script in Python.
Verrà inoltre spiegato come utilizzare i dataframe di Pandas per caricare e mostrare dei dati grezzi.
Verrà infine data un'infarinatura generale su Tensor Flow e su come utilizzarlo per costruire un Time Series Algorithm.
This lab aims to:- Provide the student with basic knowledge on how to instantiate, scale and use the Deep Learning VMs of the Google Cloud Platform;
- Show how to connect remotely to a Jupyter notebook and how to use it to run Python scripts;
- Explain how to use Pandas dataframes to load and display raw data;
- Provided with a general understanding of Tensor Flow and how to use it to build a Time Series Algorithm.
- Oggetto:
Risultati dell'apprendimento attesi
In linea con quanto detto negli obiettivi formativi, al termine del laboratorio lo studente sarà in grado di:
- Creare, scalare e utilizzare una Deep Learning VM della Google Cloud Platform;
- Connettersi da remoto alla suddetta VM per utilizzare un Jupyter Notebook;
- Utilizzare Pandas per importare, manipolare e visualizzare i daiti presenti su un file csv;
- Utilizzare Tensor Flow per costruire un Time Series Algoritm a partire da un dataframe di Pandas;
- Utilizzare un modello costruito con Tensor Flow per compiere delle analisi predittive;
- Utilizzare Tensor Flow per visualizzare i dati, che siano essi storici o il risultato di un'analisi predittiva.
In line with what is said in the planned learning objectives, at the end of this lab the student will be able to:
- Create, scale and use a Google Cloud Platform Deep Learning VM;
- Remotely connect to the aforementioned VM to use a Jupyter Notebook;
- Use Pandas to import, manipulate and view data in a csv file;
- Use Tensor Flow to build a Time Series Algorithm starting from a Pandas dataframe;
- Use a model built with Tensor Flow to perform predictive analyses;
- Use Tensor Flow to visualize data, whether historical or the result of predictive analysis.
- Oggetto:
Programma
Durante il laboratorio verranno svolte le seguenti attività:
- Introduzione a Tensor Flow e alle Deep Learning VM della Google Cloud Platform;
- Creazione e configurazione di una Deep Learning VM;
- Introduzione a Jupyter;
- Connessione remota alla VM precedentemente creata per accedere tramite browser al notebook di Jupyter sul quale verranno eseguiti tutti gli script di codice;
- Importazione di dati grezzi su un bucket di Google Cloud Storage;
- Riealaborazione dei dati grezzi utilizzando un dataframe di Pandas;
- Creazione di un Time Series Algoritm a partire dal dataframe precedente utilizzando Tensor Flow;
- Generazione di un'analisi predittiva a partire dal modello appena creato;
- Visualizzazione e analisi dei risultati utilizzando Tensor Flow;
- Discussioni finali e proposte di possibili use case.
During the labo the following activities will be carried out:
- Introduction to Tensor Flow and Deep Learning VMs of the Google Cloud Platform;
- Creation and configuration of a Deep Learning VM;
- Introduction to Jupyter;
- Remote connection to the VM previously created to access via browser the Jupyter notebook on which all code scripts will be executed;
- Importing raw data to a Google Cloud Storage bucket;
- Reprocessing of raw data using a Pandas dataframe;
- Creation of a Time Series Algorithm starting from the previous dataframe using Tensor Flow;
- Generation of a predictive analysis starting from the newly created model;
- Visualization and analysis of results using Tensor Flow;
- Final discussions and proposals for possible use cases.
- Oggetto:
Modalità di insegnamento
Lezioni nel laboratortio di informatica.
Classes in the computer lab.
- Oggetto:
Modalità di verifica dell'apprendimento
Verrà valutato in base all'attività svolta in aula.
It will be evaluated based on the activity carried out in the classroom.
Testi consigliati e bibliografia
- Oggetto:
