Configurer l'entraînement du modèle avec CML

Dans cet exercice, vous utiliserez la GitHub Action CML pour entraîner un classifieur Random Forest afin de prédire les précipitations. CML est une GitHub Action qui simplifie la génération de rapports pour les expériences en ML.

L'entraînement se déclenchera lorsque vous ouvrirez une PR vers la branche main. Vous continuerez à travailler avec l'ensemble de données météo; le fichier preprocess_dataset.py contient des fonctions utilitaires pour prétraiter l'ensemble de données comme précédemment.

L'exécution de train.py produit un fichier metrics.json contenant les mesures du modèle et un fichier confusion_matrix.png avec le graphique de la matrice de confusion.

Votre tâche consiste à compléter l'échafaudage de .github/workflows/train_cml.yaml afin de définir un flux d'entraînement de modèle de haut niveau.

REMARQUE : Utilisez python3 au lieu de python pour exécuter les scripts Python.

Cette activité fait partie du cours

CI/CD pour le Machine Learning

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

CI/CD pour le Machine Learning

SkillTag.level.advancedSkillTag.label

4.8+

Commencer le cours gratuitement

Dans ce chapitre, vous explorerez les principes essentiels de l'Intégration continue/Livraison continue (CI/CD) et de YAML. Vous comprendrez le cycle de vie du développement logiciel et des notions clés comme build, test et deploy. Découvrez les différences entre l'Intégration continue, la Livraison continue et le Déploiement continu. Vous examinerez aussi l'importance de la CI/CD dans le machine learning et l'expérimentation.

Exercise 1: Introduction à l'intégration et à la livraison continues (CI/CD) pour le Machine Learning Exercise 2: Continuous deployment et Continuous delivery Exercise 3: Flux de travail en machine learning Exercise 4: Introduction à YAML Exercise 5: Syntaxe YAML Exercise 6: Mappages et séquences en YAML Exercise 7: Introduction à GitHub Actions Exercise 8: Utilité de GitHub Actions Exercise 9: Anatomie de GitHub Actions

Préparez-vous à explorer GitHub Actions (GHA), une plateforme influente pour exécuter des flux de travail CI/CD. Découvrez les divers composants de GHA, dont les événements, actions, travaux (jobs), étapes (steps), exécuteurs (runners) et le contexte. Apprenez à créer des flux de travail déclenchés par des événements comme les push et les pull requests, et à personnaliser les machines des runners. Plongez dans la pratique en mettant en place des pipelines CI fondamentaux et en comprenant les particularités du journal GHA.

Exercise 1: YAML intermédiaire Exercise 2: Trouvez la bonne combinaison Exercise 3: Concevoir un flux de travail d'intégration continue Exercise 4: Mettre en place un pipeline CI de base Exercise 5: Interpréter un flux de travail GitHub Actions Exercise 6: Rédiger un workflow GitHub Actions Exercise 7: Exécuter le code du dépôt Exercise 8: Branches de fonctionnalité dans le modèle de référentiel partagé Exercise 9: Exécuter du code Python dans GitHub Actions Exercise 10: Variables d'environnement et secrets Exercise 11: Qu'est-ce que GITHUB_TOKEN ?Exercise 12: Travailler avec des variables d'environnement Exercise 13: Travailler avec les secrets

Dans ce chapitre, vous verrez comment intégrer l'entraînement de modèles de machine learning dans un pipeline GitHub Action en utilisant l'action Continuous Machine Learning. Vous génèrerez un rapport Markdown complet incluant des mesures de performance et des graphiques. Vous aborderez aussi la gestion de versions des données en Machine Learning en adoptant Data Version Control (DVC) pour suivre les changements de données. Le chapitre couvre également la configuration des dépôts distants (remotes) DVC et les transferts de jeux de données. Enfin, vous explorerez les pipelines DVC en configurant un fichier YAML DVC pour orchestrer un entraînement de modèle reproductible.

Exercise 1: Entraînement de modèles avec GitHub Actions Exercise 2: Développer un modèle de classification Exercise 3: Entraîner un modèle de classification Exercise 4: Configurer l'entraînement du modèle avec CML

Exercice en cours

Exercise 5: Gestion de versions des jeux de données avec Data Version Control Exercise 6: Pourquoi les fichiers .dvc sont-ils nécessaires?Exercise 7: La gestion de versions des données en pratique Exercise 8: Interagir avec les dépôts distants DVC Exercise 9: Découvrir les avantages des remotes DVC Exercise 10: Mise en pratique des dépôts distants DVC Exercise 11: Pipelines DVC Exercise 12: Créer un pipeline DVC Exercise 13: Entraîner des modèles ML avec DVC

Dans ce chapitre, vous porterez votre attention sur l'analyse de la performance des modèles et le réglage fin des hyperparamètres. Vous acquerrez une expertise pratique pour comparer des mesures et des visualisations entre différentes branches afin d'évaluer les changements de performance. Vous allez effectuer un ajustement d'hyperparamètres avec GridSearchCV de scikit-learn. De plus, vous explorerez l'automatisation de pull requests utilisant la configuration de modèle optimale.

Exercise 1: Comparer les mesures et les graphiques dans DVC Exercise 2: Ajouter des mesures et des graphiques à dvc.yaml Exercise 3: Comparer des métriques entre des branches Git Exercise 4: Exécuter un pipeline DVC dans GitHub Actions Exercise 5: Ajustement des hyperparamètres avec DVC Exercise 6: Ajouter l'ajustement d'hyperparamètres à dvc.yaml Exercise 7: Exécuter des pipelines DVC de réglage d'hyperparamètres Exercise 8: Flux de travail GitHub Actions pour l'ajustement des hyperparamètres Exercise 9: Couplage lâche Exercise 10: Configurer l'ajustement des hyperparamètres dans GitHub Actions Exercise 11: Félicitations !