Dans ce cours, vous profiterez de l'expérience d'ingénieurs et de formateurs en ML qui développent des pipelines de ML chez Google Cloud à l'aide de technologies de pointe. Les premiers modules porteront sur TensorFlow Extended (TFX), la plate-forme Google de machine learning de production basée sur TensorFlow et conçue pour gérer des pipelines et des métadonnées de ML. Vous explorerez les composants de pipelines et apprendrez à orchestrer des pipelines avec TFX. Vous verrez également comment automatiser vos pipelines au moyen d'une intégration et d'un déploiement continus, et comment gérer des métadonnées de ML. Ensuite, nous découvrirons comment automatiser et réutiliser des pipelines de ML sur plusieurs frameworks de ML tels que TensorFlow, PyTorch, scikit-learn et XGBoost. Vous apprendrez également à utiliser Cloud Composer, un autre outil Google Cloud, pour orchestrer vos pipelines d'entraînement continu. Enfin, nous verrons comment utiliser MLflow pour gérer l'ensemble du cycle de vie du machine learning.
Overview
Syllabus
- Présentation
- Ce module présente le plan du cours.
- Présentation des pipelines TFX
- Ce module présente TensorFlow Extended (TFX), puis aborde les concepts et les composants TFX.
- Orchestrer des pipelines avec TFX
- Dans ce module, vous allez :
- Composants personnalisés et CI/CD pour les pipelines TFX
- Dans ce module, vous allez :
- Métadonnées avec TFX
- Ce module traite de l'utilisation de métadonnées TFX pour gérer des artefacts.
- Effectuer un entraînement continu avec plusieurs SDK, Kubeflow et AI Platform Pipelines
- Ce module traite de l'entraînement continu avec plusieurs SDK, mais aussi avec Kubeflow et AI Platform Pipelines.
- Effectuer un entraînement continu avec Cloud Composer
- Ce module traite de l'entraînement continu avec Cloud Composer.
- Pipelines de ML avec MLflow
- Ce module présente MLflow et ses composants.
- Résumé
- Ce module résume le cours.
Taught by
Google Cloud Training
