YAML परिचय

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Machine Learning के लिए CI/CD

SkillTag.level.advancedSkillTag.label

4.8+

इस अध्याय में, आप Continuous Integration/Continuous Delivery (CI/CD) और YAML के आवश्यक सिद्धांतों का अध्ययन करेंगे। आप सॉफ्टवेयर डेवलपमेंट लाइफ साइकिल और build, test, और deploy जैसे प्रमुख शब्दों को समझेंगे। Continuous Integration, Continuous Delivery, और Continuous Deployment के बीच अंतर जानिए। साथ ही, आप मशीन लर्निंग और एक्सपेरिमेंटेशन में CI/CD के महत्व की जाँच करेंगे.

Exercise 1: मशीन लर्निंग के लिए Continuous Integration/Continuous Delivery परिचय Exercise 2: Continuous deployment और delivery Exercise 3: मशीन लर्निंग वर्कफ़्लो Exercise 4: YAML परिचय

वर्तमान अभ्यास

Exercise 5: YAML सिंटैक्स Exercise 6: YAML मैपिंग्स और सीक्वेन्सेज Exercise 7: GitHub Actions परिचय Exercise 8: GitHub Actions की उपयोगिता Exercise 9: GitHub Actions का ढाँचा (Anatomy)

GitHub Actions (GHA) को एक्सप्लोर करने के लिए तैयार हो जाइए — CI/CD वर्कफ़्लो चलाने का एक प्रभावशाली प्लेटफ़ॉर्म। GHA के विविध कंपोनेंट्स जानिए, जिनमें events, actions, jobs, steps, runners, और context शामिल हैं। ऐसे workflows बनाना सीखिए जो push और pull request जैसे events पर सक्रिय हों, और runner machines को कस्टमाइज़ करें। हैंड्स-ऑन लर्निंग में उतरें: बेसिक CI पाइपलाइन्स सेटअप करें और GHA log की बारीकियाँ समझें.

Exercise 1: इंटरमीडिएट YAML Exercise 2: सही कॉम्बिनेशन चुनें Exercise 3: एक Continuous Integration वर्कफ़्लो डिज़ाइन करें Exercise 4: बेसिक CI पाइपलाइन सेट करना Exercise 5: GitHub Actions वर्कफ़्लो को समझें Exercise 6: एक GitHub Actions वर्कफ़्लो लिखें Exercise 7: रिपोजिटरी का कोड चलाना Exercise 8: शेयर्ड रिपॉज़िटरी मॉडल में फीचर ब्रांचेस Exercise 9: GitHub Actions में Python कोड चलाना Exercise 10: Environment Variables और Secrets Exercise 11: GITHUB_TOKEN क्या है?Exercise 12: Environment variables के साथ काम करना Exercise 13: Secrets के साथ काम करना

इस अध्याय में, आप Continuous Machine Learning GitHub Action का उपयोग करके GitHub Action पाइपलाइन में मशीन लर्निंग मॉडल ट्रेनिंग को इंटीग्रेट करेंगे। आप मॉडल metrics और plots सहित एक विस्तृत markdown रिपोर्ट जनरेट करेंगे। आप Data Version Control (DVC) अपनाकर Machine Learning में डेटा वर्ज़निंग में भी उतरेंगे ताकि डेटा परिवर्तनों को track कर सकें। अध्याय में DVC remotes सेट करना और डेटासेट ट्रांसफ़र भी शामिल हैं। अंत में, आप DVC पाइपलाइन्स एक्सप्लोर करेंगे और reproducible मॉडल ट्रेनिंग को ऑर्केस्ट्रेट करने के लिए DVC YAML फ़ाइल कॉन्फ़िगर करेंगे.

Exercise 1: GitHub Actions के साथ मॉडल ट्रेनिंग Exercise 2: एक क्लासिफिकेशन मॉडल विकसित करें Exercise 3: एक क्लासिफिकेशन मॉडल ट्रेन करें Exercise 4: CML का उपयोग करके मॉडल प्रशिक्षण सेटअप करें Exercise 5: Data Version Control के साथ डेटासेट का वर्जनिंग Exercise 6: `.dvc` फाइलों की ज़रूरत क्यों है?Exercise 7: कार्यान्वयन में डेटा वर्ज़निंग Exercise 8: DVC remotes के साथ इंटरैक्ट करना Exercise 9: DVC Remotes के फ़ायदों की पड़ताल Exercise 10: DVC remotes in action Exercise 11: DVC पाइपलाइंस Exercise 12: DVC पाइपलाइन बनाना Exercise 13: DVC के साथ ML मॉडल ट्रेन करें

इस अध्याय में, आप मॉडल परफॉर्मेंस के विश्लेषण और हाइपरपैरामीटर्स की फाइन-ट्यूनिंग पर ध्यान केंद्रित करेंगे। आप विभिन्न ब्रांचों में metrics और visualizations की तुलना करके मॉडल परफॉर्मेंस में बदलावों का आकलन करने का व्यावहारिक अनुभव प्राप्त करेंगे। आप scikit-learn के GridSearchCV का उपयोग करके हाइपरपैरामीटर ट्यूनिंग करेंगे। इसके अलावा, आप सर्वोत्तम मॉडल कॉन्फ़िगरेशन का उपयोग करके pull requests के ऑटोमेशन में गहराई से जाएँगे.

Exercise 1: DVC में मेट्रिक्स और प्लॉट्स की तुलना Exercise 2: dvc.yaml में metrics और plots जोड़ना Exercise 3: Git ब्रांचों में मेट्रिक्स की तुलना Exercise 4: GitHub Actions में DVC पाइपलाइन चलाएँ Exercise 5: DVC के साथ Hyperparameter Tuning Exercise 6: dvc.yaml में Hyperparameter tuning जोड़ना Exercise 7: Hyperparameter Tuning DVC pipelines चलाना Exercise 8: Hyperparameter Tuning के लिए GitHub Actions वर्कफ़्लो Exercise 9: Loose Coupling Exercise 10: GitHub Actions में Hyperparameter Tuning सेटअप करें Exercise 11: बधाई हो!