Glossário IA
O dicionário completo da Inteligência Artificial
Orquestração de Pipelines ML
Coordenação e automação de sequências de etapas interconectadas em um fluxo de trabalho de machine learning, desde a ingestão de dados até a implantação do modelo, garantindo a execução, monitoramento e gerenciamento de dependências.
Grafo Acíclico Dirigido (DAG)
Estrutura de grafo orientado sem ciclos usada para representar as dependências entre as tarefas de um pipeline, onde cada nó é uma tarefa e as arestas definem a ordem de execução, garantindo a ausência de loops infinitos.
Gerenciador de Workflow
Sistema ou ferramenta de software responsável pelo agendamento, execução, monitoramento e recuperação de erros de workflows complexos, frequentemente baseado em DAGs para orquestrar tarefas distribuídas.
Agendamento de Tarefas
Mecanismo que determina quando e como as tarefas individuais de um pipeline são executadas com base em suas dependências, disponibilidade de recursos e gatilhos predefinidos (tempo, eventos).
Gerenciamento de Dependências de Pipeline
Gerenciamento explícito das relações de precedência entre as etapas de um pipeline, garantindo que uma tarefa só seja executada depois que todas as suas tarefas parentes tenham sido concluídas com sucesso.
Idempotência
Propriedade de uma tarefa ou operação de pipeline que garante que sua execução múltipla com as mesmas entradas produz o mesmo estado final, essencial para a recuperação de erros e a confiabilidade.
Cache de Pipeline
Técnica que consiste em armazenar os resultados de saída de tarefas ou etapas intermediárias de um pipeline para evitar sua reexecução desnecessária em lançamentos subsequentes, acelerando assim as iterações.
Parametrização de Pipeline
Prática de projetar pipelines com variáveis externas configuráveis, permitindo iniciar execuções com diferentes hiperparâmetros, conjuntos de dados ou configurações sem modificar o código do pipeline.
Versionamento de Pipeline
Acompanhamento e gestão das diferentes iterações e configurações de um pipeline ao longo do tempo, frequentemente através de um sistema de controle de versão, para garantir a reprodutibilidade e a rastreabilidade das experiências.
Provisionamento de Recursos
Alocação dinâmica dos recursos de computação (CPU, GPU, memória) necessários para a execução de cada tarefa do pipeline, otimizando a utilização e o custo da infraestrutura.
Encadeamento de Pipelines
Técnica de orquestração avançada onde a saída de um pipeline completo serve como entrada para outro pipeline, permitindo compor fluxos de trabalho de ponta a ponta ainda mais complexos e modulares.
Execução Condicional
Lógica de orquestração que ativa ou desativa a execução de certas ramificações ou tarefas de um pipeline com base no resultado de etapas anteriores ou em condições externas.
Monitoramento de Pipeline
Monitoramento contínuo do progresso, desempenho e erros dos pipelines em execução, através de painéis, alertas e logs para garantir seu bom funcionamento.
Workflow-as-Code (Fluxo de Trabalho como Código)
Paradigma onde as definições de pipelines e suas lógicas de orquestração são declaradas e gerenciadas como código-fonte (ex: em Python ou YAML), promovendo a infraestrutura como código e a colaboração.
Reexecução de Pipeline
Capacidade de um orquestrador de reexecutar seletivamente uma parte ou a totalidade de um pipeline, seja para corrigir um erro, testar uma mudança ou atualizar dados.
Monitoramento de Acordo de Nível de Serviço (SLA)
Acompanhamento do desempenho de um pipeline em relação a objetivos predefinidos (ex: tempo máximo de execução, taxa de sucesso), com alertas em caso de não conformidade para garantir a qualidade do serviço.