Проведение воспроизводимых ML-экспериментов

00:00 Содержание лекции
01:56 Проблема воспроизводимости ML-экспериментов
27:58 Работа с данными
47:12 Шаблон кода для обучения моделей на PyTorch Lightning
1:16:08 Как запуститься локально
1:23:03 Как запуститься в Colab
1:39:41 Яндекс. Датасфера
Подборка полезных материалов по теме лекции:
Презентация: docs.google.com/presentation/...
Блокноты лекции:
- EDA и подготовка разбиения данных на train-val-test на примере датасета PCAM: colab.research.google.com/dri...
- Запуск и обучение модели в среде Colab: colab.research.google.com/dri...
- Предлагаемый, в качестве шаблона, репозиторий с воспроизводимым кодом обучения модели классификации на Lightning: github.com/VasilievArtyom/Tra...
Полезные ссылки:
- Большой, но крайне дружелюбный туториал по git (Для тех, кто всё откладывал знакомство с этим инструментом): githowto.com/ru
- Инструкция по работе с сервисом Яндекс.Датасфера: yandex.cloud/ru/docs/datasphe...
- Инструмент Weights & Biases для распределенной визуализации экспериментов: wandb.ai/site
- Как заменить логирование в TB на логирование в W&B для Lightning пайплайнов: docs.wandb.ai/guides/integrat...
- MLflow: mlflow.org/
- Популярная статья о том, что такое MLflow и как им пользоваться: habr.com/ru/companies/otus/ar...
- Надстройка для гита, которая позволяет версионировать данные - DVC: github.com/iterative/dvc
- Статья о том как пользоваться DVC: habr.com/ru/articles/761072/
Наши каналы:
Сайт: msu.ai
VK: vk.com/msu_ai
Telegram: t.me/msu_ai_channel
#MSU_AI#Фонд_Интеллект