ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
यह पाठ्यक्रम आपको अपनी मशीन लर्निंग विकास प्रक्रियाओं को सुव्यवस्थित करने में सक्षम बनाएगा, जिससे आपके प्रोजेक्ट्स में दक्षता, विश्वसनीयता और पुनरुत्पादकता बढ़ेगी। पूरे पाठ्यक्रम के दौरान, आप CI/CD वर्कफ़्लोज़ और YAML सिंटैक्स की व्यापक समझ विकसित करेंगे, GitHub Actions (GA) का उपयोग करके ऑटोमेशन करेंगे, पाइपलाइन में मॉडल प्रशिक्षित करेंगे, DVC के साथ डेटासेट का संस्करण प्रबंधन करेंगे, हाइपरपैरामीटर ट्यूनिंग करेंगे, और परीक्षण तथा पुल रिक्वेस्ट्स को स्वचालित करेंगे।
CI/CD, YAML, और मशीन लर्निंग की मूल बातें
आपको CI/CD और YAML की मूलभूत अवधारणाओं से परिचित कराया जाएगा, और आप सॉफ़्टवेयर डेवलपमेंट लाइफ साइकिल तथा build, test, और deploy जैसे प्रमुख शब्दों की समझ हासिल करेंगे। आप Continuous Integration, Continuous Delivery, और Continuous Deployment को परिभाषित करेंगे, साथ ही उनके बीच के अंतर का भी अध्ययन करेंगे। आप मशीन लर्निंग और प्रयोगों में CI/CD की उपयोगिता का भी अन्वेषण करेंगे।CI/CD स्वचालन के लिए GitHub Actions
आप GA के बारे में जानेंगे, जो CI/CD वर्कफ़्लो लागू करने के लिए एक शक्तिशाली प्लेटफ़ॉर्म है। आप GA के विभिन्न तत्वों की खोज करेंगे, जिनमें इवेंट्स, एक्शन्स, जॉब्स, स्टेप्स, रनर्स और कॉन्टेक्स्ट शामिल हैं। आप सीखेंगे कि पुश और पुल अनुरोधों जैसे इवेंट्स द्वारा ट्रिगर किए गए वर्कफ़्लो को कैसे परिभाषित करें और रनर मशीनों को कैसे कस्टमाइज़ करें। आप बुनियादी CI पाइपलाइनों को सेट अप करके और GA लॉग को समझकर व्यावहारिक अनुभव भी प्राप्त करेंगे।डेटा संस्करण नियंत्रण के साथ डेटासेट का संस्करणीकरण
आप Data Version Control (DVC) में गहराई से उतरेंगे, डेटासेट का संस्करणीकरण करेंगे, DVC को प्रारंभ करेंगे, और डेटासेट्स को ट्रैक करेंगे. DVC पाइपलाइनों का उपयोग करके, आप सीखेंगे कि वर्गीकरण मॉडल कैसे प्रशिक्षित करें और पुनरुत्पादनीय तरीके से मेट्रिक्स कैसे उत्पन्न करें।मॉडल प्रदर्शन का अनुकूलन और हाइपरपैरामीटर ट्यूनिंग
अब आप मॉडल प्रदर्शन विश्लेषण और हाइपरपैरामीटर ट्यूनिंग पर ध्यान केंद्रित करेंगे, और मॉडल प्रदर्शन में बदलावों की तुलना करने के लिए ब्रांचों के बीच मेट्रिक्स और प्लॉट्स में अंतर देखने के व्यावहारिक कौशल हासिल करेंगे। आप सीखेंगे कि GA का उपयोग करके आर्टिफैक्ट्स कैसे डाउनलोड करें और scikit-learn के GridSearchCV का उपयोग करके हाइपरपैरामीटर ट्यूनिंग कैसे करें। इसके अतिरिक्त, आप सर्वोत्तम मॉडल कॉन्फ़िगरेशन के साथ पुल अनुरोधों को स्वचालित करना भी सीखेंगे।पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Continuous Integration/Continuous Delivery और YAML का परिचय
इस अध्याय में, आप Continuous Integration/Continuous Delivery (CI/CD) और YAML के आवश्यक सिद्धांतों का अध्ययन करेंगे। आप सॉफ्टवेयर डेवलपमेंट लाइफ साइकिल और build, test, और deploy जैसे प्रमुख शब्दों को समझेंगे। Continuous Integration, Continuous Delivery, और Continuous Deployment के बीच अंतर जानिए। साथ ही, आप मशीन लर्निंग और एक्सपेरिमेंटेशन में CI/CD के महत्व की जाँच करेंगे.
- मशीन लर्निंग के लिए Continuous Integration/Continuous Delivery परिचय50 XP
- Continuous deployment और delivery50 XP
- मशीन लर्निंग वर्कफ़्लो100 XP
- YAML परिचय50 XP
- YAML सिंटैक्स100 XP
- YAML मैपिंग्स और सीक्वेन्सेज100 XP
- GitHub Actions परिचय50 XP
- GitHub Actions की उपयोगिता100 XP
- GitHub Actions का ढाँचा (Anatomy)100 XP
2
GitHub Actions
GitHub Actions (GHA) को एक्सप्लोर करने के लिए तैयार हो जाइए — CI/CD वर्कफ़्लो चलाने का एक प्रभावशाली प्लेटफ़ॉर्म। GHA के विविध कंपोनेंट्स जानिए, जिनमें events, actions, jobs, steps, runners, और context शामिल हैं। ऐसे workflows बनाना सीखिए जो push और pull request जैसे events पर सक्रिय हों, और runner machines को कस्टमाइज़ करें। हैंड्स-ऑन लर्निंग में उतरें: बेसिक CI पाइपलाइन्स सेटअप करें और GHA log की बारीकियाँ समझें.
3
Machine Learning में Continuous Integration
इस अध्याय में, आप Continuous Machine Learning GitHub Action का उपयोग करके GitHub Action पाइपलाइन में मशीन लर्निंग मॉडल ट्रेनिंग को इंटीग्रेट करेंगे। आप मॉडल metrics और plots सहित एक विस्तृत markdown रिपोर्ट जनरेट करेंगे। आप Data Version Control (DVC) अपनाकर Machine Learning में डेटा वर्ज़निंग में भी उतरेंगे ताकि डेटा परिवर्तनों को track कर सकें। अध्याय में DVC remotes सेट करना और डेटासेट ट्रांसफ़र भी शामिल हैं। अंत में, आप DVC पाइपलाइन्स एक्सप्लोर करेंगे और reproducible मॉडल ट्रेनिंग को ऑर्केस्ट्रेट करने के लिए DVC YAML फ़ाइल कॉन्फ़िगर करेंगे.
4
Training runs की तुलना और Hyperparameter (HP) ट्यूनिंग
इस अध्याय में, आप मॉडल परफॉर्मेंस के विश्लेषण और हाइपरपैरामीटर्स की फाइन-ट्यूनिंग पर ध्यान केंद्रित करेंगे। आप विभिन्न ब्रांचों में metrics और visualizations की तुलना करके मॉडल परफॉर्मेंस में बदलावों का आकलन करने का व्यावहारिक अनुभव प्राप्त करेंगे। आप
scikit-learn के GridSearchCV का उपयोग करके हाइपरपैरामीटर ट्यूनिंग करेंगे। इसके अलावा, आप सर्वोत्तम मॉडल कॉन्फ़िगरेशन का उपयोग करके pull requests के ऑटोमेशन में गहराई से जाएँगे.
Machine Learning के लिए CI/CD
कोर्स
पूर्ण
