After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Tìm hiểu sâu về Data Version Control (DVC) — công cụ quản lý và phiên bản hóa dữ liệu cho Machine Learning. Khám phá vai trò của DVC trong vòng đời ML, phân biệt phiên bản hóa dữ liệu với phiên bản hóa mã, và xem xét các tính năng cùng trường hợp sử dụng của DVC. Học cách thiết lập DVC, bao gồm quản lý bộ nhớ đệm (cache) và remotes, cũng như ứng dụng trong CI/CD, theo dõi thí nghiệm và pipelines. Tự động hóa các pipeline ML với trọng tâm là mô-đun hóa mã, và thực hành chạy pipeline hiệu quả. Kết thúc với đánh giá mô hình, khám phá cách theo dõi chỉ số trong DVC để hỗ trợ ra quyết định.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về DVC
Chương này cung cấp phần giới thiệu toàn diện về Data Version Control (DVC), một công cụ thiết yếu để phiên bản hóa dữ liệu trong Machine Learning. Bạn sẽ khám phá động lực đằng sau việc phiên bản hóa dữ liệu, hiểu sự khác biệt giữa phiên bản hóa dữ liệu và mã, và thử nghiệm với một bài toán phân loại đơn giản. Bạn sẽ ôn lại các lệnh Git cơ bản, tìm hiểu về DVC và thực hành thiết lập một kho lưu trữ. Chương kết thúc với tổng quan về các tính năng và trường hợp sử dụng của DVC, bao gồm phiên bản hóa dữ liệu và mô hình, CI/CD cho Machine Learning, theo dõi thí nghiệm, pipelines và hơn thế nữa.
- Động lực cho Data Versioning50 XP
- Cấu trúc của một mô hình Machine Learning100 XP
- Khác biệt giữa quản lý phiên bản dữ liệu và mã nguồn50 XP
- Hiểu về siêu tham số (Hyperparameters)50 XP
- Giới thiệu về DVC50 XP
- Làm việc với Git CLI100 XP
- Ôn tập DVC CLI50 XP
- Tính năng và trường hợp sử dụng của DVC50 XP
- DVC pipelines50 XP
- CI/CD cho machine learning50 XP
2
Cấu hình DVC và Quản lý Dữ liệu
Chương này đi sâu vào thiết lập DVC, bao gồm cài đặt, khởi tạo kho lưu trữ và sử dụng tệp .dvcignore. Tiếp đó là khám phá cache và các tệp staging của DVC, giúp bạn biết cách thêm và xóa tệp, quản lý cache và hiểu cơ chế nền tảng dựa trên băm MD5. Chương cũng làm rõ về DVC remotes, phân biệt với Git remotes, và hướng dẫn cách thêm, liệt kê và chỉnh sửa chúng. Cuối cùng, bạn sẽ học cách tương tác với các remote này bằng cách đẩy (push) và kéo (pull) dữ liệu, checkout các phiên bản cụ thể, và fetch dữ liệu vào cache.
3
Pipelines trong DVC
Chương này tập trung vào tự động hóa các pipeline ML bằng DVC. Bạn sẽ tạo một tệp cấu hình chứa thiết lập và siêu tham số. Bạn cũng học cách trực quan hóa pipeline bằng đồ thị có hướng không chu trình và sử dụng các lệnh để mô tả phụ thuộc, lệnh thực thi và đầu ra. Phần chạy pipeline DVC được đề cập, bao gồm huấn luyện mô hình cục bộ và cách Git theo dõi siêu dữ liệu của DVC. Ngoài ra, bạn sẽ khám phá chức năng theo dõi metrics và plots trong DVC, bao gồm cách in metrics, tạo tệp plot, và so sánh metrics cùng plots giữa các giai đoạn của pipeline.
Nhập môn Quản lý Phiên bản Dữ liệu với DVC
Hoàn
thành khóa học
