آموزش خط لوله‌های یادگیری ماشین (ML Pipelines) در گوگل کلود - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introducción

• معرفی دوره Introducción al curso

آشنایی با خط لوله‌های TFX Introducción a las canalizaciones de TFX

• تنسورفلو اکستندد (TFX) TensorFlow Extended (TFX)

• مفاهیم TFX Conceptos de TFX

• اجزای استاندارد داده در TFX Componentes de datos estándar de TFX

• اجزای استاندارد مدل در TFX Componentes de modelos estándar de TFX

• گره‌های خط لوله TFX Nodos de canalizaciones de TFX

• کتابخانه‌های TFX Bibliotecas de TFX

سازماندهی خط لوله‌ها با TFX Organización de las canalizaciones con TFX

• سازمان‌دهنده‌های TFX Organizadores de TFX

• آپاچی بیم (Apache Beam) Apache Beam

• استفاده از TFX در Cloud AI Platform TFX en Cloud AI Platform

اجزای سفارشی و CI/CD برای خط لوله‌های TFX Componentes personalizados y CI/CD para canalizaciones de TFX

• اجزای سفارشی TFX: توابع پایتون Componentes personalizados de TFX: funciones de Python

• اجزای سفارشی TFX: کانتینرها و زیرکلاس‌ها Componentes personalizados de TFX: contenedores y subclases

• پیاده‌سازی CI/CD برای جریان‌های کاری TFX CI/CD para flujos de trabajo de canalizaciones de TFX

مدیریت متادیتای یادگیری ماشین با TFX ML Metadatos con TFX

• متادیتای خط لوله‌های TFX Metadatos de canalizaciones de TFX

• مدل داده‌های ML Metadata در TFX Modelo de datos de ML Metadata de TFX

آموزش مداوم با SDKهای مختلف، Kubeflow و AI Platform Pipelines Entrenamiento continuo con múltiples SDK, Kubeflow y AI Platform Pipelines

• برنامه‌های آموزشی میزبانی شده در کانتینر Aplicaciones de entrenamiento alojadas en contenedores

• کانتینری کردن برنامه‌های PyTorch، scikit-learn و XGBoost Aloje en contenedores aplicaciones de PyTorch, scikit‑learn y XGBoost

• بررسی Kubeflow و AI Platform Pipelines Kubeflow y AI Platform Pipelines

• آموزش مداوم (Continuous Training) Entrenamiento continuo

آموزش مداوم با Cloud Composer Entrenamiento continuo con Cloud Composer

• Cloud Composer چیست؟ ¿Qué es Cloud Composer?

• مفاهیم پایه Apache Airflow Conceptos básicos de Apache Airflow

• خط لوله‌های آموزش مداوم با Cloud Composer (بخش داده‌ها) Canalizaciones de entrenamiento continuo con Cloud Composer (datos)

• خط لوله‌های آموزش مداوم با Cloud Composer (بخش مدل) Canalizaciones de entrenamiento continuo con Cloud Composer (modelo)

• ترکیب Apache Airflow، کانتینرها و TFX Apache Airflow, contenedores y TFX

خط لوله‌های یادگیری ماشین با MLflow Canalizaciones de AA con MLflow

• مقدمه MLflow Introducción

• مروری بر چالش‌های توسعه یادگیری ماشین Descripción general de los desafíos de desarrollo del AA

• نحوه حل چالش‌ها با استفاده از MLflow Cómo se superan estos desafíos con MLflow

• ردیابی در MLflow (MLflow Tracking) Seguimiento de MLflow

• پروژه‌های MLflow Proyectos de MLflow

• مدل‌های MLflow Modelos de MLflow

• ثبت مدل در MLflow (Model Registry) Registro del modelo de MLflow

• دمو: اجرای محلی MLflow Demostración: Implemente MLflow de forma local.

• دمو: استفاده از MLflow با Databricks Community Edition Demostración: MLflow con Databricks Community Edition

جمع‌بندی Resumen

• جمع‌بندی نهایی دوره Resumen del curso