CI/CD для машинного навчання

Курс допоможе вам оптимізувати процеси розробки машинного навчання, підвищуючи ефективність, надійність і відтворюваність ваших проєктів. Протягом курсу ви сформуєте ґрунтовне розуміння робочих процесів CI/CD і синтаксису YAML, використовуючи GitHub Actions (GA) для автоматизації, навчання моделей у конвеєрі, версіонування наборів даних за допомогою DVC, виконання налаштування гіперпараметрів і автоматизації тестування та pull request-ів.

Основи CI/CD, YAML і машинного навчання

Ви ознайомитеся з фундаментальними концепціями CI/CD і YAML, а також отримаєте розуміння життєвого циклу розробки програмного забезпечення та ключових термінів, як-от build, test і deploy. Ви визначите безперервну інтеграцію, безперервну доставку та безперервне розгортання, а також розглянете їхні відмінності. Ви також ознайомитеся з корисністю CI/CD у машинному навчанні та експериментах.

GitHub Actions для автоматизації CI/CD

Ви дізнаєтеся про GA — потужну платформу для впровадження CI/CD-робочих процесів. Ви ознайомитеся з різними елементами GA, зокрема подіями, діями, завданнями, кроками, виконавцями та контекстом. Ви навчитеся визначати робочі процеси, що запускаються подіями, такими як push і pull request, а також налаштовувати машини-ранери. Ви також отримаєте практичний досвід, налаштовуючи базові CI-пайплайни та розуміючи GA log.

Керування версіями наборів даних за допомогою Data Version Control

Ви глибоко зануритеся в Data Version Control (DVC) для керування версіями наборів даних, ініціалізації DVC та відстеження наборів даних. Використовуючи конвеєри DVC, ви навчитеся тренувати моделі класифікації та генерувати метрики відтворюваним способом.

Оптимізація продуктивності моделі та налаштування гіперпараметрів

Тепер ви зосередитеся на аналізі продуктивності моделі та налаштуванні гіперпараметрів і здобудете практичні навички порівняння метрик і графіків між гілками, щоб зіставляти зміни в продуктивності моделі. Ви дізнаєтеся, як завантажувати артефакти за допомогою GA та виконувати налаштування гіперпараметрів за допомогою GridSearchCV із scikit-learn. Крім того, ви дізнаєтеся, як автоматизувати pull requests за допомогою найкращої конфігурації моделі.