Introduction au versionnage des données avec DVC

Ce cours propose une introduction complète à Data Version Control (DVC), un outil conçu pour une gestion et une versioning efficaces des données de machine learning. Vous comprendrez le cycle de vie des produits de machine learning, en distinguant le versionnement des données du versionnement du code et en explorant les fonctionnalités et les cas d’usage de DVC.

Exploration des caractéristiques uniques de DVC

Vous comprendrez les motivations derrière le versionnage des données, le cycle de vie du machine learning et les fonctionnalités distinctives ainsi que les cas d’usage de DVC. Vous découvrirez également la configuration de DVC, couvrant l’installation, l’initialisation du dépôt et le fichier .dvcignore. Vous explorerez le cache DVC et les fichiers de staging, apprendrez à ajouter et supprimer des fichiers, à gérer les caches et à comprendre les mécanismes sous-jacents. Vous découvrirez les remotes DVC, expliquerez la distinction entre les remotes DVC et Git, ajouterez des remotes, les listerez et les modifierez. Vous apprendrez à interagir avec des dépôts distants, à pousser et tirer des données, à extraire des versions spécifiques et à récupérer des données dans le cache.

Automatiser et évaluer

Vous serez motivé à automatiser les pipelines de ML, en mettant l’accent sur la modularisation du code et la création d’un fichier de configuration. Vous découvrirez les pipelines DVC sous forme de graphes acycliques dirigés, avec une expérience pratique dans l’ajout d’étapes ainsi que de leurs entrées et sorties. Vous vous entraînerez à exécuter efficacement ces pipelines afin de permettre différents cas d’usage dans l’entraînement de modèles de machine learning. Le cours se termine par un focus sur l’évaluation, en montrant comment les métriques et les graphiques sont suivis dans DVC.