آموزش پایپ‌لاین‌های ML در گوگل کلود (Google Cloud) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه はじめに

• معرفی دوره コース概要

آشنایی با پایپ‌لاین‌های TFX TFX パイプラインの紹介

• معرفی TensorFlow Extended (TFX) TensorFlow Extended（TFX）

• مفاهیم TFX TFX のコンセプト

• مفهوم داده‌های آموزشی در TFX TFX の標準データ コンポーネント

• مفهوم مدل‌های آموزشی در TFX TFX の標準モデル コンポーネント

• نمودار پایپ‌لاین TFX TFX パイプライン ノード

• کتابخانه TFX TFX ライブラリ

ارکستراسیون پایپ‌لاین با TFX TFX によるパイプライン オーケストレーション

• ارکستراتور TFX TFX オーケストレーター

• معرفی Apache Beam Apache Beam

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

مفهوم سفارشی‌سازی پایپ‌لاین TFX و CI/CD TFX パイプラインのカスタム コンポーネントと CI / CD

• سفارشی‌سازی پایپ‌لاین TFX با پایتون TFX のカスタム コンポーネント - Python 関数

• سفارشی‌سازی پایپ‌لاین TFX با کانتینر و سب‌کلاس‌ها TFX のカスタム コンポーネント - コンテナとサブクラス

• پیاده‌سازی CI/CD برای ورک‌فلوهای TFX TFX パイプライン ワークフローの CI / CD

متادیتا در TFX TFX におけるメタデータ

• متادیتا در پایپ‌لاین‌های TFX TFX パイプライン メタデータ

• مدل داده‌های متادیتای TFX ML TFX ML メタデータのデータモデル

ارکستراسیون پیشرفته با SDKهای مختلف، KubeFlow و AI Platform Pipelines 複数の SDK、KubeFlow および AI Platform Pipelines を使用した継続的なトレーニング

• ارکستراسیون پایپ‌لاین‌های کانتینری コンテナ化されたトレーニング アプリケーション

• کانتینری‌سازی برای PyTorch، Scikit و XGBoost PyTorch、Scikit、XGBoost アプリケーションのコンテナ化

• بررسی KubeFlow و AI Platform Pipelines KubeFlow および AI Platform Pipelines

• ارکستراسیون پیشرفته 継続的なトレーニング

ارکستراسیون پیشرفته با استفاده از Cloud Composer Cloud Composer を使用した継続的なトレーニング

• معرفی Cloud Composer Cloud Composer とは

• مفاهیم پایه Apache Airflow Apache Airflow の基本コンセプト

• پایپ‌لاین ارکستراسیون پیشرفته با Cloud Composer (بخش داده) Cloud Composer（データ）を使用した継続的なトレーニング パイプライン

• پایپ‌لاین ارکستراسیون پیشرفته با Cloud Composer (بخش مدل) Cloud Composer（モデル）を使用した継続的なトレーニング パイプライン

• ترکیب Apache Airflow، کانتینرها و TFX Apache Airflow、コンテナ、TFX

پایپ‌لاین‌های ML با استفاده از MLflow MLflow を使用した ML パイプライン

• مقدمه はじめに

• درک مسائل توسعه ML ML 開発における課題の概要

• راهکارهای MLflow برای مسائل مذکور こうした課題への MLflow による解決策

• ردیابی (Tracking) در MLflow MLflow のトラッキング

• پروژه‌ها در MLflow MLflow のプロジェクト

• مدیریت مدل در MLflow MLflow のモデル

• رجیستری مدل‌های MLflow MLflow のモデル レジストリ

• دمو: استقرار محلی MLflow デモ: MLflow をローカルにデプロイします。

• دمو: استفاده از MLflow در Databricks Community Edition デモ: Databricks コミュニティ エディションでの MLflow

جمع‌بندی まとめ

• جمع‌بندی دوره コースのまとめ