Tutoriais do TensorFlow na produção

A melhor maneira de aprender sobre o TensorFlow Extended (TFX) é na prática. Estes tutoriais são exemplos focados nos principais elementos do TFX. Eles incluem introduções para iniciantes e tutoriais avançados para quem quer mergulhar em áreas mais complexas do TFX.

TFX 1.0

Temos o prazer de anunciar que o TFX 1.0.0 está disponível. Essa é a versão inicial pós-Beta, com APIs públicas e artefatos estáveis. Seus futuros pipelines do TFX continuarão funcionando depois de um upgrade dentro do escopo de compatibilidade definido nesta RFC.

Tutoriais com os primeiros passos

Comece pelo pipeline que é provavelmente o mais simples de criar. Clique no botão Executar no Google Colab.
Veja como se basear no pipeline simples para adicionar componentes de validação de dados.
Veja como se basear no pipeline de validação de dados para adicionar um componente de engenharia de atributos.
Veja como se basear no pipeline simples para adicionar um componente de análise de modelo.

TFX no Google Cloud

O Google Cloud oferece vários produtos, como o BigQuery e a Vertex AI, para tornar seu fluxo de trabalho de ML mais econômico e escalonável. Saiba como usar esses produtos no seu pipeline do TFX.
Veja como executar pipelines em um serviço de pipelines gerenciado, o do Cloud AI Platform.
Aprenda a usar o BigQuery como origem de dados dos pipelines de ML.
Veja como usar recursos da nuvem para treinamento de ML com o treinamento da Vertex AI.
Confira uma introdução ao uso do TFX e dos pipelines do Cloud AI Platform.

Próximas etapas

Assim que você tiver uma compreensão básica do TFX, confira esses tutoriais e guias adicionais. E não deixe de ler o Guia do usuário do TFX.
Veja uma introdução componente por componente do TFX, incluindo o contexto interativo, uma ferramenta de desenvolvimento muito útil. Clique no botão Executar no Google Colab.
Veja neste tutorial como desenvolver seus próprios componentes do TFX personalizados.
Este notebook do Google Colab demonstra como os dados de validação do TensorFlow (TFDV, na sigla em inglês) podem ser usados para investigar e visualizar um conjunto de dados, gerar estatísticas descritivas, inferir um esquema e encontrar anomalias.
Este notebook do Google Colab demonstra como a análise de modelos do TensorFlow (TFMA) pode ser usada para investigar e visualizar as características de um conjunto de dados e para avaliar o desempenho de um modelo ao longo de vários eixos de acurácia.
Este tutorial demonstra como o TensorFlow Serving pode ser usado para exibir um modelo usando uma API REST simples.

Vídeos e atualizações

Inscreva-se no blog e na playlist do YouTube sobre o TFX para ver os vídeos e as atualizações mais recentes.