Gratulacje!

CI/CD dla uczenia maszynowego

Ravi Bhadauria

Machine Learning Engineer

Składnia YAML

• Wcięcia
• Odwzorowania a: 1
• Tablice
  • Przepływowe [1, 2]
  • Blokowe

    - 1
    - 2
    

• Ciągi wieloliniowe
  • Wskaźniki stylu (|, >)
  • Wskaźniki obcięcia (-, +)

GitHub Actions

• Przepływ pracy (pipeline)
• Zdarzenia (on)
• Zadania (jobs)
• Środowiska uruchomieniowe (runs-on)
• Kroki (steps)
• Konteksty
• Sekrety i zmienne środowiskowe (GITHUB_TOKEN)
• Akcje (checkout, setup-python)
  • CML: cml comment create, cml pr create

Wersjonowanie danych i budowanie odtwarzalnych potoków

• dvc init
• Repozytoria zdalne DVC (w tym lokalne)
• dvc push, dvc pull
• dvc repro <target>
• dvc metrics show/diff
• dvc plots show/diff

• DVC YAML (dvc.yaml)
  • Kroki lub cele
  • Polecenia (cmd)
  • Zależności (deps)
  • Wyniki (outs)
  • Metryki (metrics)
  • Wykresy (plots)

Zasoby DataCamp

• Kursy

  • Developing Machine Learning Models for Production
  • MLOps Deployment and Life Cycling
  • Fully Automated MLOps
  • Introduction to DevOps

• Blogi

  • Kontrola wersji w data science

Dalsza lektura

CI/CD i wzorce rozgałęzień

DevOps a MLOps

Data Version Control

Rejestr modeli i zarządzanie cyklem życia

Dziękujemy!

CI/CD dla uczenia maszynowego