DigitalBrain — Motor de Inteligência Artificial
Camada de IA que processa dados agregados para gerar insights, predições e recomendações.
2 min de leitura
Propósito
Inteligência sobre dados governamentais
Processa dados agregados e anonimizados para gerar insights, predições e recomendações aos gestores — sem expor dados pessoais identificáveis.
Arquitetura
Camada 1
ML Pipeline Manager
Orquestração de pipelines
DatasetsTreinoDeployMonitoramento
Camada 2
LLM Orchestration Layer
Coordenação de LLMs
RAGTool UseGuardrails
Camada 3
Insight Engine
Geração de insights
AnomaliasTendênciasCorrelações
Camada 4
Recommendation System
Recomendações
CidadãoGestorProgramas
Sub-módulos
python
class MLPipelineManager:
def __init__(self, registry, feature_store, model_store, monitor):
self.registry = registry
self.features = feature_store
self.models = model_store
self.monitor = monitor
def run(self, pipeline_id: str) -> ModelArtifact:
spec = self.registry.get(pipeline_id)
raw = self._collect(spec.sources)
clean = self._preprocess(raw, spec.preprocess)
feats = self._feature_engineering(clean, spec.features)
train, valid = self._split(feats, spec.split)
model = self._train(train, spec.model)
metrics = self._evaluate(model, valid, spec.metrics)
artifact = self.models.publish(model, metrics)
self.monitor.watch(artifact, spec.drift)
return artifact1. Data Collection
2. Preprocessing
3. Feature Engineering
4. Training
5. Evaluation
6. Deployment
7. Monitoring
Modelo de Dados
prisma
model Pipeline {
id String @id @default(cuid())
name String
spec Json
enabled Boolean @default(true)
models TrainedModel[]
createdAt DateTime @default(now())
}
model TrainedModel {
id String @id @default(cuid())
pipelineId String
version String
metrics Json
artifactUri String
promotedAt DateTime?
pipeline Pipeline @relation(fields: [pipelineId], references: [id])
predictions Prediction[]
}
model Prediction {
id String @id @default(cuid())
modelId String
input Json
output Json
score Float?
occurredAt DateTime @default(now())
model TrainedModel @relation(fields: [modelId], references: [id])
}
model Insight {
id String @id @default(cuid())
type InsightType
scope String
severity Int
payload Json
generatedAt DateTime @default(now())
}
model KnowledgeBase {
id String @id @default(cuid())
source String
embedding Bytes
content String
metadata Json
}