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

سرفصل ها و درس ها

معرفی Présentation

• معرفی دوره Présentation du cours

معرفی خط لوله‌های TFX Présentation des pipelines TFX

• TensorFlow Extended (TFX) TensorFlow Extended (TFX)

• مفاهیم TFX Concepts TFX

• اجزای استاندارد داده‌های TFX Composants de données TFX standards

• اجزای استاندارد مدل‌های TFX Composants de modèles TFX standards

• گره‌های خط لوله TFX Nœuds de pipelines TFX

• کتابخانه‌های TFX Bibliothèques TFX

ارکستراسیون خط لوله‌ها با TFX Orchestrer des pipelines avec TFX

• ابزارهای ارکستراسیون TFX Outils d'orchestration TFX

• Apache Beam Apache Beam

• TFX روی Cloud AI Platform TFX sur Cloud AI Platform

اجزای سفارشی و CI/CD برای خط لوله‌های TFX Composants personnalisés et CI/CD pour les pipelines TFX

• اجزای سفارشی TFX – توابع پایتون Composants TFX personnalisés – Fonctions Python

• اجزای سفارشی TFX – کانتینرها و زیرکلاس‌ها Composants TFX personnalisés – Conteneurs et sous-classes

• CI/CD برای گردش کارهای خط لوله TFX CI/CD pour les workflows de pipelines TFX

مدیریت متاداده‌ها با TFX Métadonnées avec TFX

• متاداده‌های خط لوله TFX Métadonnées de pipelines TFX

• مدل متاداده‌های ML در TFX Modèle de métadonnées de ML TFX

آموزش مداوم با SDKهای مختلف، Kubeflow و AI Platform Pipelines Effectuer un entraînement continu avec plusieurs SDK, Kubeflow et AI Platform Pipelines

• اپلیکیشن‌های آموزش کانتینری شده Applications d'entraînement conteneurisées

• کانتینری کردن اپلیکیشن‌های PyTorch، scikit-learn و XGBoost Conteneuriser des applications PyTorch, scikit-learn et XGBoost

• Kubeflow و AI Platform Pipelines Kubeflow et AI Platform Pipelines

• آموزش مداوم Entraînement continu

آموزش مداوم با Cloud Composer Effectuer un entraînement continu avec Cloud Composer

• Cloud Composer چیست؟ Qu'est-ce que Cloud Composer ?

• مفاهیم بنیادی Apache Airflow Concepts fondamentaux d'Apache Airflow

• خط لوله‌های آموزش مداوم با Cloud Composer (داده‌ها) Pipelines d'entraînement continu avec Cloud Composer (données)

• خط لوله‌های آموزش مداوم با Cloud Composer (مدل) Pipelines d'entraînement continu avec Cloud Composer (modèle)

• Apache Airflow، کانتینرها و TFX Apache Airflow, conteneurs et TFX

خط لوله‌های ML با MLflow Pipelines de ML avec MLflow

• معرفی MLflow Présentation

• بررسی مشکلات توسعه یادگیری ماشین Présentation des problèmes liés au développement du ML

• نحوه حل مشکلات توسط MLflow Comment MLflow résout ces problèmes

• رهگیری (Tracking) در MLflow Suivi MLflow

• پروژه‌های MLflow Projets MLflow

• مدل‌های MLflow Modèles MLflow

• رجیستری مدل‌های MLflow Registre de modèles MLflow

• دمو: استقرار MLflow به صورت محلی Démonstration : Déployer MLflow localement

• دمو: استفاده از MLflow با Databricks Community Edition Démonstration : Utiliser MLflow avec Databricks Community Edition

جمع‌بندی Résumé

• جمع‌بندی نهایی دوره Résumé du cours