After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
这门课程将帮助你简化机器学习开发流程，提升项目的效率、可靠性和可重复性。 在整个课程中，你将全面了解 CI/CD 工作流和 YAML 语法，利用 GitHub Actions（GA）实现自动化，在流水线中训练模型，使用 DVC 对数据集进行版本控制，执行超参数调优，并自动化测试和拉取请求。
CI/CD、YAML 和机器学习基础
您将了解 CI/CD 和 YAML 的基本概念，并掌握软件开发生命周期以及构建、测试和部署等关键术语。 您将定义持续集成、持续交付和持续部署，并了解它们之间的区别。 你还将探索 CI/CD 在机器学习和实验中的实用性。用于 CI/CD 自动化的 GitHub Actions
你将了解 GA，这一强大的平台可用于实现 CI/CD 工作流。 您将了解 GA 的各个组成部分，包括事件、操作、作业、步骤、运行器和上下文。 您将学习如何定义由 push 和 pull request 等事件触发的工作流，并自定义运行器机器。 你还将通过搭建基础 CI 流水线并理解 GA 日志获得实践经验。使用 Data Version Control 对数据集进行版本管理
您将深入学习 Data Version Control（DVC），用于数据集版本管理、初始化 DVC 以及跟踪数据集。 使用 DVC 管道，你将学习如何以可重复的方式训练分类模型并生成指标。优化模型性能与超参数调优
您现在将专注于模型性能分析和超参数调优，并掌握跨分支比较指标和图表差异的实用技能，以对比模型性能变化。 您将学习如何使用 GA 下载工件，并使用 scikit-learn 的 GridSearchCV 进行超参数调优。 此外，您还将探索如何使用最佳模型配置自动化拉取请求。先修要求
课程大纲
课程大纲
1
Continuous Integration/Continuous Delivery 与 YAML 入门
在本章中，您将学习 Continuous Integration/Continuous Delivery（CI/CD）与 YAML 的核心原则。您将理解软件开发生命周期，以及 build、test、deploy 等关键术语。您还会区分 Continuous Integration、Continuous Delivery 与 Continuous Deployment 的不同之处。此外，您将探讨 CI/CD 在机器学习与实验管理中的重要性。
2
GitHub Actions
本章将带您学习 GitHub Actions（GHA），这一用于执行 CI/CD 工作流的强大平台。您将了解 GHA 的多种组件，包括 events、actions、jobs、steps、runners 与 context。您将掌握如何编写在 push 与 pull request 等事件触发的工作流，并自定义 runner 机器。通过动手实践，您将搭建基础 CI 流水线，并深入理解 GHA 日志。
3
机器学习中的持续集成
在本章中，您将把机器学习模型训练集成到 GitHub Action 流水线中，并使用 Continuous Machine Learning GitHub Action。您将生成包含模型指标与图表的完整 Markdown 报告。您还将通过采用 Data Version Control（DVC）来跟踪数据变化，深入学习机器学习中的数据版本管理。本章也会介绍设置 DVC remotes 与数据集传输。最后，您将学习 DVC 流水线，并配置 DVC YAML 文件来编排可复现的模型训练。
4
对比训练运行与超参数（HP）调优
在本章中，您将把重点放在模型性能分析与超参数微调上。您将掌握在不同分支间对比指标与可视化图，以评估模型性能的变化。您还将使用 scikit-learn 的 GridSearchCV 进行超参数调优。此外，您将学习如何基于最优模型配置实现 pull request 的自动化。
面向机器学习的 CI/CD
课程完成
