CI/CD for Machine Learning

این دوره به شما قدرت می‌دهد تا فرآیندهای توسعه یادگیری ماشین خود را ساده کنید، کارایی، قابلیت اطمینان و تکرارپذیری را در پروژه‌های خود افزایش دهید. در طول دوره، شما درک جامعی از گردش‌های کاری CI/CD و نحو YAML، استفاده از GitHub Actions (GA) برای اتوماسیون، مدل‌های آموزشی در خط لوله، نسخه‌سازی مجموعه‌های داده با DVC و انجام تنظیم هایپرپارامتر ایجاد خواهید کرد.

با مفاهیم اساسی CI/CD و YAML آشنا می‌شوید و درک درستی از چرخه عمر توسعه نرم‌افزار و اصطلاحات کلیدی مانند ساخت، آزمایش و استقرار خواهید داشت. در حین بررسی تمایز آنها، یکپارچگی مداوم، تحویل مداوم و استقرار مداوم را تعریف خواهید کرد. همچنین کاربرد CI/CD در یادگیری ماشینی و آزمایش را بررسی خواهید کرد.

درباره GA، یک پلتفرم قدرتمند برای پیاده‌سازی گردش‌های کاری CI/CD، یاد خواهید گرفت. شما عناصر مختلف GA، از جمله رویدادها، اقدامات، مشاغل، مراحل، دوندگان و زمینه را کشف خواهید کرد. شما یاد خواهید گرفت که چگونه گردش‌های کاری ایجاد شده توسط رویدادهایی مانند درخواست‌های فشار و کشش و سفارشی کردن ماشین‌های دونده را تعریف کنید. همچنین با راه‌اندازی خطوط لوله CI اولیه و درک گزارش GA، تجربه عملی کسب خواهید کرد.

برای نسخه‌سازی مجموعه‌های داده، مقداردهی اولیه DVC و ردیابی مجموعه‌های داده، در کنترل نسخه داده (DVC) عمیق خواهید شد. با استفاده از خطوط لوله DVC، نحوه آموزش مدل‌های طبقه‌بندی و تولید معیارها را به روشی تکرارپذیر خواهید آموخت.

سپس بر تجزیه و تحلیل عملکرد مدل و تنظیم فراپارامتر تمرکز می‌کنید و مهارت‌های عملی در مقایسه معیارها و نمودارها در سراسر شاخه‌ها به دست می‌آورید تا تغییرات عملکرد مدل را پیگیری کنید. شما یاد خواهید گرفت که چگونه تنظیم هایپرپارامتر را با استفاده از GridSearchCV scikit-learn انجام دهید. علاوه بر این، درخواست‌های کشش خودکار را با بهترین پیکربندی مدل بررسی خواهید کرد.