趋近智
机器学习数据版本控制与实验记录
章节 1: 机器学习可复现性的必要性
机器学习项目管理中的难题
为何单独使用 Git 无法满足需求
定义机器学习中的可复现性
可复现机器学习工作流程的组成部分
数据版本管理的基本思想
实验追踪的基本理念
章节 2: 使用 DVC 管理数据版本
数据版本控制方法
介绍数据版本控制 (DVC)
在项目中设置DVC
跟踪数据文件和目录
数据版本的存储与获取
将 DVC 连接到远程存储 (S3、GCS、Azure Blob)
在不同数据版本间切换
动手实践：数据集版本管理
章节 3: 使用 MLflow 追踪实验
实验跟踪的重要性
MLflow 追踪功能介绍
配置 MLflow
记录参数和指标
记录工件（模型、图表、文件）
使用实验管理运行
使用 MLflow 用户界面
比较实验运行
实践：追踪训练运行
章节 4: DVC 与 MLflow 的整合：构建可复现的工作流程
关联数据版本与实验
为集成构建项目结构
在 MLflow 中记录 DVC 元数据
构建 DVC 流水线
复现 DVC 流水线
追踪 DVC 流水线指标
结合 DVC 流水线与 MLflow 追踪
集成工作流程的最佳实践
动手实践：构建集成式流程
追踪 DVC 流水线指标
这部分内容有帮助吗？
- DVC Documentation: Metrics, Iterative, 2024 - 解释如何在 DVC 管道中声明、显示、比较和绘制指标，是讨论概念的主要来源。
- DVC Documentation: Plots, Iterative, 2024 (Iterative) - 详细介绍了如何定义、生成和自定义图表，以使用 DVC 可视化指标演变和 Git 历史中的其他数据。
- Building Machine Learning Pipelines, Hannes Hapke, Catherine Nelson, 2020 (O'Reilly Media) - 涵盖了构建可复现机器学习管道的最佳实践，包括使用 DVC 等工具进行数据和模型版本控制以及实验跟踪。