آموزش CI/CD برای یادگیری ماشین

این دوره شما را قادر می‌سازد تا فرآیندهای توسعه یادگیری ماشین خود را ساده‌سازی کنید، کارایی، قابلیت اطمینان و تکرارپذیری را در پروژه‌های خود افزایش دهید. در طول دوره، درک جامعی از گردش کارهای CI/CD و سینتکس YAML به دست خواهید آورد، از GitHub Actions (GA) برای خودکارسازی، آموزش مدل‌ها در یک پایپ لاین، نسخه‌بندی مجموعه داده‌ با DVC، انجام تنظیم ابرپارامترها و خودکارسازی تست و درخواست‌های ادغام استفاده خواهید کرد.

اصول CI/CD ،YAML و یادگیری ماشین

شما با مفاهیم اساسی CI/CD و YAML آشنا شده و درکی از چرخه عمر توسعه نرم‌افزار و اصطلاحات کلیدی مانند ساخت، تست و استقرار کسب خواهید کرد. شما یکپارچه‌سازی پیوسته، تحویل پیوسته و استقرار پیوسته را تعریف کرده و تمایزات آن‌ها را بررسی خواهید کرد. همچنین به بررسی کاربرد CI/CD در یادگیری ماشین و آزمایش‌گری خواهید پرداخت.

GitHub Actions برای خودکارسازی CI/CD

شما در مورد GA، یک پلتفرم قدرتمند برای پیاده‌سازی گردش کارهای CI/CD یاد خواهید گرفت. عناصر مختلف GA از جمله رویدادها، اکشن‌ها، جاب‌ها، مراحل، رانرها و context را کشف خواهید کرد. خواهید آموخت که چگونه گردش کارهایی را تعریف کنید که توسط رویدادهایی مانند Push و درخواست ادغام فعال می‌شوند و ماشین‌های رانر را سفارشی کنید. همچنین با راه‌اندازی پایپ لاین‌های CI اولیه و درک لاگ GA، تجربه عملی کسب خواهید کرد.

نسخه‌بندی مجموعه داده‌ با Data Version Control

شما به عمق Data Version Control (DVC) برای نسخه‌بندی مجموعه داده‌، مقداردهی اولیه DVC و رهگیری مجموعه داده‌ها خواهید پرداخت. با استفاده از پایپ لاین‌های DVC، خواهید آموخت که چگونه مدل‌های طبقه‌بندی را آموزش داده و معیارها را به روشی تکرارپذیر ایجاد کنید.

بهینه‌سازی عملکرد مدل و تنظیم ابرپارامترها

اکنون بر تحلیل عملکرد مدل و تنظیم ابرپارامترها تمرکز خواهید کرد و مهارت‌های عملی در مقایسه معیارها و نمودارها بین شاخه‌های مختلف برای بررسی تغییرات در عملکرد مدل به دست خواهید آورد. خواهید آموخت که چگونه آرتیفکت‌ها را با استفاده از GA دانلود کنید و تنظیم ابرپارامترها را با استفاده از GridSearchCV کتابخانه scikit-learn انجام دهید. علاوه بر این، خودکارسازی درخواست‌های ادغام را با بهترین پیکربندی مدل بررسی خواهید کرد.