After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
本课程全面介绍数据版本控制（DVC），这是一款专为高效管理和版本控制机器学习数据而设计的工具。 你将了解机器学习产品生命周期，区分数据版本控制与代码版本控制，并探索 DVC 的功能和使用场景。
探索 DVC 功能
您将了解数据版本控制背后的动机、机器学习生命周期，以及 DVC 的独特功能和使用场景。 您还将学习 DVC 设置，涵盖安装、仓库初始化以及 .dvcignore 文件。 您将探索 DVC 缓存和暂存文件，学习添加和移除文件、管理缓存，并了解其底层机制。 您将学习 DVC 远程存储，解释 DVC 远程存储与 Git 远程仓库之间的区别，添加远程存储，列出它们，并对其进行修改。 你将学习如何与远程仓库交互、推送和拉取数据、检出特定版本，以及将数据获取到缓存中。自动化与评估
您将有动力自动化机器学习流水线，重点关注代码模块化和配置文件的创建。 您将了解 DVC 管道作为有向无环图的概念，并通过实践体验添加阶段及其输入和输出。 你将实践高效执行这些流水线，以支持机器学习模型训练中的不同用例。 课程以评估为重点收尾，展示如何在 DVC 中跟踪指标和图表。先修要求
课程大纲
课程大纲
1
DVC 简介
本章将全面介绍 Data Version Control（DVC），这是机器学习中进行数据版本管理的关键工具。您将了解进行数据版本管理的动机，明白它与代码版本管理的差异，并动手体验一个简单的分类问题。您还将回顾 Git 基本命令，认识 DVC，并练习创建与初始化仓库。最后，本章会概览 DVC 的功能与使用场景，包括数据与模型的版本管理、面向机器学习的 CI/CD、实验跟踪、流水线等。
2
DVC 配置与数据管理
本章将深入讲解 DVC 的搭建与配置，包括安装、初始化仓库，以及使用 .dvcignore 文件。随后将带您探索 DVC 缓存与暂存文件，学习如何添加与移除文件、管理缓存，并通过 MD5 哈希理解其底层机制。同时，本章还会说明 DVC 的远端（remotes），区分它与 Git 远端的不同，并指导您如何添加、列出与修改远端。最后，您将学习如何与这些远端交互：推送与拉取数据、检出特定版本，以及将数据获取到缓存。
3
DVC 中的流水线
本章聚焦使用 DVC 实现 ML 流水线自动化。您将创建一个包含配置与超参数的配置文件。您还会学习用有向无环图来可视化流水线，并使用命令描述依赖、命令与输出。内容还涵盖 DVC 流水线的执行，包括本地模型训练以及 Git 如何跟踪 DVC 元数据。此外，您将学习在 DVC 中跟踪指标与可视化图，包括如何打印指标、创建图表文件，并在不同流水线阶段比较指标与图表。
DVC 数据版本管理入门
课程完成
