آموزش TensorFlow در تولید
بهترین راه برای یادگیری TensorFlow Extended (TFX) یادگیری با انجام کار است. این آموزشها نمونه هایی متمرکز از بخشهای اصلی TFX هستند. آنها شامل آموزشهای مبتدی برای شروع کار و آموزشهای پیشرفته تری برای مواردی هستند که واقعاً می خواهید در قسمتهای پیشرفته تری از TFX فرو بروید.
شروع آموزشها
1. خط لوله استارت
احتمالا ساده ترین خط لوله ای است که می توانید بسازید تا به شما در شروع کار کمک کند. با کلیک بر روی Run در دکمه گوگل COLAB.2. افزودن اعتبارسنجی داده ها
ساختن بر روی خط لوله ساده برای افزودن مؤلفه های اعتبارسنجی داده ها.3. اضافه کردن ویژگی مهندسی
ساختن خط لوله اعتبارسنجی داده برای افزودن یک جزء مهندسی ویژگی.4. اضافه کردن تحلیل مدل
ساختن بر روی خط لوله ساده برای افزودن یک جزء تحلیل مدل.TFX در Google Cloud
Google Cloud محصولات مختلفی مانند BigQuery ، Vertex AI را ارائه می دهد تا گردش کار ML شما را مقرون به صرفه و مقیاس پذیر کند. شما می آموزید که چگونه از این محصولات در خط لوله TFX خود استفاده کنید.
در حال اجرا بر روی خطوط لوله Vertex
اجرای خطوط لوله در یک سرویس خط لوله مدیریت شده، خطوط لوله Vertex.خواندن داده ها از BigQuery
استفاده از BigQuery به عنوان منبع داده خطوط لوله ML.آموزش و سرویس AI Vertex
استفاده از منابع ابری برای آموزش ML و سرویس دهی با Vertex AI.TFX در خطوط لوله پلتفرم هوش مصنوعی ابری
مقدمه ای بر استفاده از خطوط لوله پلتفرم TFX و Cloud AI.مراحل بعدی
پس از درک اولیه TFX ، این آموزش ها و راهنماهای اضافی را بررسی کنید. و فراموش نکنید که به خواندن TFX راهنمای کاربر .
آموزش کامل خط لوله
معرفی مولفه های جزء به TFX، از جمله زمینه های تعاملی، یک ابزار توسعه بسیار مفید است. با کلیک بر روی Run در دکمه گوگل COLAB.آموزش اجزای سفارشی
آموزشی که نشان می دهد چگونه اجزای TFX سفارشی خود را توسعه دهید.اعتبار سنجی داده ها
این نوت بوک Google Colab نشان می‌دهد که چگونه می‌توان از اعتبارسنجی داده‌های TensorFlow (TFDV) برای بررسی و تجسم یک مجموعه داده، از جمله تولید آمار توصیفی، استنباط طرح‌واره، و یافتن ناهنجاری‌ها استفاده کرد.تحلیل مدل
این نوت بوک Google Colab نشان می دهد که چگونه می توان از تحلیل مدل TensorFlow (TFMA) برای بررسی و تجسم ویژگی های یک مجموعه داده و ارزیابی عملکرد یک مدل در چندین محور دقت استفاده کرد.در خدمت یک مدل
این آموزش نشان می دهد که چگونه TensorFlow Serving می تواند برای ارائه یک مدل با استفاده از یک REST API ساده استفاده شود.فیلم ها و به روز رسانی ها
مشترک شدن در TFX یوتیوب لیست پخش و وبلاگ برای آخرین فیلم ها و به روز رسانی.
TFX: تولید ML با TensorFlow در سال 2020
TF Dev Summit 2020
TFX: خطوط لوله تولید ML با TensorFlow
TF World 2019
یادگیری ماشینی از تحقیق به تولید
GOTO کپنهاگ 2019