Neste curso, você vai aprender com engenheiros e instrutores de ML que trabalham com o desenvolvimento de última geração dos pipelines de ML aqui no Google Cloud. Nos primeiros módulos, vamos abordar o TensorFlow Extended (ou TFX), que é uma plataforma de machine learning do Google baseada no TensorFlow criada para gerenciar pipelines e metadados de ML. Você vai conhecer os componentes e a orquestração de um pipeline com o TFX. Também vamos abordar como é possível automatizar os pipelines usando a integração e a implantação contínuas e como gerenciar os metadados de ML. Depois disso, vamos mudar o foco para discutir como podemos automatizar e reutilizar os pipelines de ML em vários frameworks de machine learning, como tensorflow, pytorch, scikit-learn e xgboost. Você também vai aprender a usar outra ferramenta no Google Cloud, o Cloud Composer, para orquestrar seus pipelines de treinamento contínuo. Por fim, vamos mostrar como usar o MLflow para gerenciar o ciclo de vida completo do machine learning.
Overview
Syllabus
- Introdução
- Neste módulo, abordamos o resumo do curso
- Introdução aos Pipelines do TFX
- Neste módulo, vamos apresentar o TensorFlow Extended (ou TFX) e abordar os conceitos e componentes dessa plataforma
- Orquestração do pipeline com o TFX
- Este módulo abrange o seguinte
- Componentes personalizados e CI/CD para pipelines do TFX
- Este módulo abrange o seguinte
- Metadados com o TFX
- Neste módulo, vamos falar sobre o uso dos metadados do TFX no gerenciamento de artefatos
- Treinamento contínuo com vários SDKs, KubeFlow e AI Platform Pipelines
- Neste módulo, abordamos o treinamento contínuo com vários SDKs, KubeFlow e AI Platform Pipelines
- Treinamento contínuo com Cloud Composer
- Neste módulo, abordamos o treinamento contínuo com o Cloud Composer
- Pipelines de ML com o MLflow
- Neste módulo, vamos apresentar o MLflow e os componentes dele
- Resumo
- Neste módulo, vamos fazer uma recapitulação do curso
Taught by
Google Cloud Training