ستساعدك هذه البرامج التعليمية على البدء، وستساعدك على تعلم بعض الطرق المختلفة للعمل مع TFX لسير عمل الإنتاج وعمليات النشر. على وجه الخصوص، ستتعلم الأسلوبين الرئيسيين لتطوير خط أنابيب TFX:
- استخدام
InteractiveContextلتطوير المسار في دفتر الملاحظات، والعمل مع مكون واحد في كل مرة. هذا الأسلوب يجعل التطوير أسهل وأكثر بايثونية. - تحديد خط أنابيب كامل وتنفيذه باستخدام عداء. هذا هو الشكل الذي ستبدو عليه خطوط الأنابيب الخاصة بك عند نشرها.
دروس البدء
- __1. خط أنابيب المبتدئين__ --- ربما يكون أبسط خط أنابيب يمكنك إنشاؤه لمساعدتك على البدء. انقر فوق الزر _Run in Google Colab_. [:octicons-arrow-right-24: Starter Pipeline](tutorials/tfx/penguin_simple) - __2. إضافة التحقق من صحة البيانات__ --- البناء على المسار البسيط لإضافة مكونات التحقق من صحة البيانات. [:octicons-arrow-right-24: التحقق من صحة البيانات](tutorials/tfx/penguin_tfdv) - __3. إضافة هندسة الميزات__ --- البناء على مسار التحقق من صحة البيانات لإضافة مكون هندسة الميزات. [:octicons-arrow-right-24: هندسة الميزات](tutorials/tfx/penguin_tft) - __4. إضافة تحليل النموذج__ --- البناء على المسار البسيط لإضافة مكون تحليل النموذج. [:octicons-arrow-right-24: تحليل النموذج](tutorials/tfx/penguin_tfma)
TFX على جوجل كلاود
توفر Google Cloud منتجات متنوعة مثل BigQuery وVertex AI لجعل سير عمل ML لديك فعالاً من حيث التكلفة وقابلاً للتطوير. سوف تتعلم كيفية استخدام هذه المنتجات في خط أنابيب TFX الخاص بك.
- __التشغيل على Vertex Pipelines__ --- تشغيل الأنابيب على خدمة خطوط أنابيب مُدارة، Vertex Pipelines. [:octicons-arrow-right-24: Vertex Pipelines](tutorials/tfx/gcp/vertex_pipelines_simple) - __قراءة البيانات من BigQuery__ --- استخدام BigQuery كمصدر بيانات لخطوط ML. [:octicons-arrow-right-24: BigQuery](tutorials/tfx/gcp/vertex_pipelines_bq) - __تدريب وخدمة Vertex AI__ --- استخدام الموارد السحابية للتدريب على تعلم الآلة والخدمة مع Vertex AI. [:octicons-arrow-right-24: Vertex Training and Service](tutorials/tfx/gcp/vertex_pipelines_vertex_training) - __TFX على خطوط أنابيب Cloud AI Platform__ --- مقدمة لاستخدام TFX وCloud AI Platform Pipelines. [:octicons-arrow-right-24: Cloud Pipelines](دروس خصوصية/tfx/cloud-ai-platform-pipelines)
الخطوات التالية
بمجرد أن يكون لديك فهم أساسي لـ TFX، تحقق من هذه البرامج التعليمية والأدلة الإضافية. ولا تنس قراءة دليل مستخدم TFX .
- __البرنامج التعليمي الكامل لخط الأنابيب__ --- مقدمة مكونًا تلو الآخر إلى TFX، بما في ذلك _السياق التفاعلي_، وهو أداة تطوير مفيدة جدًا. انقر فوق الزر _Run in Google Colab_. [:octicons-arrow-right-24: Keras](tutorials/tfx/components_keras) - __برنامج تعليمي للمكونات المخصصة__ --- برنامج تعليمي يوضح كيفية تطوير مكونات TFX المخصصة الخاصة بك. [:octicons-arrow-right-24: Custom Component](tutorials/tfx/python_function_component) - __التحقق من صحة البيانات__ --- يوضح دفتر ملاحظات Google Colab هذا كيف يمكن استخدام التحقق من صحة بيانات TensorFlow (TFDV) للتحقيق في مجموعة بيانات وتصورها، بما في ذلك إنشاء الإحصاء الوصفي، واستنتاج المخطط، وإيجاد الحالات الشاذة. [:octicons-arrow-right-24: التحقق من صحة البيانات](tutorials/data_validation/tfdv_basic) - __تحليل النموذج__ --- يوضح دفتر ملاحظات Google Colab هذا كيف يمكن استخدام تحليل نموذج TensorFlow (TFMA) للتحقيق في خصائص مجموعة البيانات وتصورها وتقييم أداء النموذج على عدة محاور من الدقة. [:octicons-arrow-right-24: Model Analysis](tutorials/model_analogy/tfma_basic) - __تقديم نموذج__ --- يوضح هذا البرنامج التعليمي كيف يمكن استخدام TensorFlow Serving لخدمة نموذج باستخدام REST API البسيط. [:octicons-arrow-right-24: تحليل النموذج](tutorials/serving/rest_simple)
مقاطع الفيديو والتحديثات
اشترك في قائمة تشغيل TFX YouTube والمدونة للحصول على أحدث مقاطع الفيديو والتحديثات.