پایپ لاین های یادگیری ماشین در گوگل کلود

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

در این دوره، شما از مهندسان و مدرسان یادگیری ماشین یاد خواهید گرفت که با توسعه‌ی پیشرفته‌ی پایپ لاین های یادگیری ماشین در گوگل کلود کار می‌کنند. چند ماژول اولیه به بررسی TensorFlow Extended (یا TFX) اختصاص دارد، که پلتفرم تولید یادگیری ماشین گوگل بر اساس TensorFlow برای مدیریت پایپ لاین ها و متادیتای یادگیری ماشین است. شما با کامپوننت های پایپ لاین و ارکستراسیون پایپ لاین با TFX آشنا خواهید شد. همچنین خواهید آموخت که چگونه می‌توانید پایپ لاین خود را از طریق ادغام مداوم و استقرار مداوم خودکار کنید و چگونه متادیتای یادگیری ماشین را مدیریت کنید. سپس توجه خود را به این موضوع معطوف خواهیم کرد که چگونه می‌توانیم پایپ لاین های یادگیری ماشین را در چندین فریم‌ورک یادگیری ماشین مانند TensorFlow ،PyTorch ،Scikit-learn و XGBoost خودکار و دوباره استفاده کنیم. همچنین خواهید آموخت که چگونه از یک ابزار دیگر در گوگل کلود، یعنی Cloud Composer، برای ارکستراسیون پایپ لاین های آموزش مستمر خود استفاده کنید. و در نهایت، گذری خواهیم داشت بر اینکه چگونه از MLflow برای مدیریت چرخه‌ی کامل عمر یادگیری ماشین استفاده کنیم.

پایپ لاین های یادگیری ماشین در گوگل کلود

فصل 1: مقدمه

مقدمه دوره 0:03:00

فصل 2: مقدمه‌ای بر پایپ لاین های TFX

TensorFlow Extended (TFX) 0:07:00
مفاهیم TFX 0:09:00
کامپوننت های داده‌های استاندارد TFX 0:10:00
کامپوننت های مدل استاندارد TFX 0:10:00
گره‌های پایپ لاین TFX 0:02:00
کتابخانه‌های TFX 0:06:00

فصل 3: ارکستراسیون پایپ لاین با TFX

ارکستراتورهای TFX 0:08:00
Apache Beam 0:07:00
TFX در پلتفرم هوش مصنوعی کلود 0:05:00

فصل 4: کامپوننت های سفارشی و CI/CD برای پایپ لاین های TFX

کامپوننت های سفارشی TFX: توابع پایتون 0:04:00
کامپوننت های سفارشی TFX: کانتینرها + دسته‌بندی شده 0:07:00
CI/CD برای گردش کارهای پایپ لاین TFX 0:12:00

فصل 5: متادیتای یادگیری ماشین با TFX

متادیتای پایپ لاین TFX 0:05:00
مدل داده‌های متادیتای یادگیری ماشین TFX 0:04:00

فصل 6: آموزش مستمر با چندین SDK ،KubeFlow و پایپ لاین های پلتفرم هوش مصنوعی

برنامه‌های آموزشی کانتینری 0:03:00
کانتینری کردن اپلیکیشن های PyTorch ،Scikit و XGBoost 0:01:00
KubeFlow و پایپ لاین های پلتفرم هوش مصنوعی 0:02:00
آموزش مستمر 0:02:00

فصل 7: آموزش مستمر با Cloud Composer

Cloud Composer چیست؟ 0:06:00
مفاهیم بنیادی Apache Airflow 0:09:00
پایپ لاین های آموزش مستمر با استفاده از Cloud Composer (داده) 0:06:00
پایپ لاین های آموزش مستمر با استفاده از Cloud Composer (مدل) 0:04:00
Apache Airflow، کانتینرها و TFX 0:01:00

فصل 8: پایپ لاین های یادگیری ماشین با MLflow

مقدمه 0:01:00
بررسی چالش‌های توسعه یادگیری ماشین 0:05:00
چگونه MLflow به این چالش‌ها می‌پردازد؟ 0:03:00
ردیابی MLflow 0:07:00
پروژه‌های MLflow 0:05:00
مدل‌های MLflow 0:07:00
ثبت‌نام مدل MLflow 0:04:00
دمو: مقدمه 0:00:00
استقرار MLflow به‌صورت محلی برای ردیابی آزمایشات Keras ،TensorFlow و Scikit-learn 0:05:00