CI/CD cho Machine Learning

Sẵn sàng khám phá GitHub Actions (GHA), một nền tảng mạnh mẽ để thực thi các workflow CI/CD. Khám phá các thành phần đa dạng của GHA, bao gồm events, actions, jobs, steps, runners và context. Nắm bắt cách xây dựng workflow kích hoạt khi có các sự kiện như push và pull request, và tùy chỉnh máy runner. Bắt tay thực hành khi bạn thiết lập các pipeline CI nền tảng và hiểu rõ chi tiết log của GHA.

Trong chương này, bạn sẽ tích hợp quá trình huấn luyện mô hình machine learning vào pipeline GitHub Action bằng Continuous Machine Learning GitHub Action. Bạn sẽ tạo một báo cáo markdown toàn diện bao gồm các chỉ số và biểu đồ của mô hình. Bạn cũng sẽ đi sâu vào quản lý phiên bản dữ liệu trong Machine Learning bằng cách áp dụng Data Version Control (DVC) để theo dõi thay đổi dữ liệu. Chương này cũng đề cập đến thiết lập DVC remotes và truyền tải tập dữ liệu. Cuối cùng, bạn sẽ khám phá các pipeline của DVC, cấu hình tệp YAML của DVC để điều phối việc huấn luyện mô hình có thể tái lập.

Trong chương này, bạn sẽ tập trung vào phân tích hiệu năng mô hình và tinh chỉnh siêu tham số. Bạn sẽ tích lũy kỹ năng thực hành trong việc so sánh các chỉ số và trực quan hóa giữa các nhánh khác nhau để đánh giá thay đổi về hiệu năng mô hình. Bạn sẽ thực hiện tinh chỉnh siêu tham số bằng GridSearchCV của scikit-learn. Hơn nữa, bạn sẽ tìm hiểu cách tự động hóa pull request với cấu hình mô hình tối ưu.