Xây dựng các đường ống học máy trên Google Cloud

Trong khoa học dữ liệu hiện đại, huấn luyện một mô hình chỉ là bước đầu tiên; thách thức thực sự nằm ở việc xây dựng các luồng công việc mạnh mẽ, lặp lại để quản lý dữ kiện và triển khai mô hình. Chương trình học dựa trên văn bản này hướng dẫn bạn qua các khái niệm cơ bản của việc thiết kế và quản lý các đường ống học máy trên Google Cloud. Bạn sẽ chuyển từ chạy thủ công, các kịch bản không kết nối để tạo ra các đường ống tự động có cấu trúc theo dõi siêu dữ liệu và quản lý các đồ tạo tác một cách liền mạch. Bằng cách đọc các giải thích chi tiết của chúng tôi và nghiên cứu các ví dụ cấu hình thực tế, bạn sẽ hiểu cách phối hợp toàn bộ chu kỳ học máy trong một môi trường đám mây. Bạn sẽ học được: - Hiểu các khái niệm đường ống cốt lõi và các nền tảng của dàn nhạc học máy - Cấu hình theo dõi siêu dữ liệu để theo dõe dòng dõi mô hình, đầu vào và đầu ra - Thiết kế các quy trình tự động để xử lý dữ liệu, đào tạo và đánh giá - Ứng dụng các thực tiễn tốt nhất của MLOps bằng cách sử dụng Vertex AI Pipelines và các công cụ đám mây hiện đại - Quản lý các sản phẩm và phiên bản đường ống cho các chạy học máy tái tạo - Thực hiện bảo mật cơ bản và giám sát cho các luồng công việc học máy dựa trên đám mây Chương trình bắt đầu với thuật ngữ thiết yếu và kiến trúc đường ống nền tảng trước khi chuyển sang cấu hình từng bước cho việc đào tạo và triển khai dàn dựng. Bạn sẽ nghiên cứu rõ ràng, các ví dụ viết về định nghĩa đường ống và chiến lược quản lý siêu dữ liệu. Lớp học này được thiết kế cho các kỹ sư ML tham vọng, các nhà khoa học dữ liệu và các nhà phát triển mới đến các đường ống dựa trên đám mây. Không cần kinh nghiệm trước với các công cụ học máy của Google Cloud, mặc dù hiểu biết cơ bản về Python sẽ hữu ích. Bắt đầu đọc ngay hôm nay để nắm vững những điều cơ bản về các luồng công việc học máy tự động trên Google Cloud.