Projektowanie potoku DVC

Projektowanie potoku DVC, czyli DAG (skierowanego grafu acyklicznego), to podstawa efektywnego wykorzystania DVC w procesach uczenia maszynowego. DAG-i pozwalają na zdefiniowanie danych wejściowych, wyjściowych oraz sposobu wykonania każdego kroku. Wyniki jednego kroku mogą stanowić dane wejściowe dla kolejnych, co naturalnie określa zależności między etapami.

W tym ćwiczeniu zaprojektujesz przepływ pracy ML składający się z czterech etapów:

• Przetwarzanie wstępne danych (preprocess_stage)
• Podział danych (split_stage)
• Trenowanie modelu (train_stage)
• Ewaluacja modelu (evaluate_stage)

Będziemy korzystać wyłącznie z poleceń dvc stage add. W razie potrzeby przewiń do końca pliku skryptu powłoki (dvc_dag_stages_add.sh).