أتمتة مسارات إعادة التدريب
من البيانات الجديدة إلى إعادة نشر النموذج
أتمتة مسارات إعادة التدريب درس مجاني في Deep Learning Academy على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Deep Learning Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.
تحتاج النماذج إلى التحديث
بمجرد ظهور الانجراف، يجب أن يتعلم النموذج من بيانات جديدة. ويُعد تنفيذ ذلك يدويًا في كل مرة بطيئًا ومعرضًا للأخطاء، لذلك نبني مسارًا. 🔄
ما هو المسار؟
مسار إعادة التدريب هو ببساطة سلسلة من الخطوات التلقائية. تُنفَّذ كل مرحلة بالترتيب، وتمرر مخرجاتها إلى المرحلة التالية من دون أن يضغط أي شخص على الأزرار.
المرحلة الأولى: جلب بيانات حديثة
يبدأ المسار بجلب أحدث الأمثلة. تجمع خطوة الإدخال هذه السجلات الجديدة، وتنشئ لها إصدارات حتى يبقى التشغيل قابلًا لإعادة الإنتاج.
def fetch_data():
return load_latest("prod_logs")المرحلة الثانية: التدريب
بعد ذلك، يدرّب المسار نموذجًا حديثًا على البيانات المدمجة. وتعيد خطوة التدريب هذه استخدام حلقتك، لكنها تعمل تلقائيًا وفق جدول زمني.
def train(data):
model = build_model()
return fit(model, data)المرحلة الثالثة: التقييم
لا تطلق النموذج من دون تحقق. تقيس خطوة التقييم أداء النموذج الجديد على مجموعة محجوزة، حتى تتأكد من أنه أفضل فعلًا، وليس أحدث فحسب.
score = evaluate(model, test_set)اتخذ قرارًا بناءً على الجودة
لا تروّج للنموذج إلا إذا استحق ذلك. تقارن بوابة بسيطة النتيجة الجديدة بالنتيجة الحالية، وتمنع أي تراجع من الوصول إلى المستخدمين.
if score > current_score:
deploy(model)شغّل المسار وفق جدول زمني
غالبًا ما تعمل المسارات وفق مؤقت. يطلق مشغّل cron العملية كل ليلة أو أسبوع، بحيث تحدث إعادة التدريب باستمرار من دون أن يتذكر أي شخص تشغيلها.
0 3 * * 0 python pipeline.pyأو شغّله عند حدوث انجراف
والأذكى من ذلك أن تجعل المراقبة تبدأ تشغيل المسار. فعندما يطلق فحص الانجراف تنبيهًا، يبدأ إعادة التدريب باعتباره حدثًا، لتستجيب بسرعة.
تشغّل أدوات التنسيق كل شيء
تربط أدوات مثل Airflow أو Prefect المراحل، وتعيد محاولة العمليات الفاشلة، وتعرض رسمًا بيانيًا واضحًا لما تم تشغيله ومتى تم تشغيله وما إذا نجح.
أغلق الحلقة
يُغذي النموذج المنشور سجلات جديدة، وتكتشف المراقبة الانجراف، ويعيد المسار التدريب، ثم يُطلق نموذج أفضل. وهذه الحلقة ذاتية الإصلاح هي هدف MLOps.
تمنحك الأتمتة وقتًا
عند تشغيل الحلقة، تتوقف عن معالجة الأزمات وتبدأ في التحسين. ويحافظ النظام على حداثة النماذج، بينما تركز على التجارب الحقيقية. 🚀
تحقق سريع
ما الذي يمنع نشر نموذج أسوأ تلقائيًا؟
مراجعة
تعلّمت أتمتة إعادة التدريب: اجلب البيانات، ودرّب النموذج، وقيّمه، واتخذ قرارًا بناءً على الجودة، وشغّل العملية وفق جدول زمني أو عند حدوث انجراف، وأغلق حلقة MLOps. 🎉
تعلم Python مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 30
- الدروس
- 120
الأسئلة الشائعة
هل درس «أتمتة مسارات إعادة التدريب» مجاني؟
نعم — نص درس «أتمتة مسارات إعادة التدريب» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Deep Learning Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Deep Learning Academy 4 دروس في المجموع.
ماذا ستتعلم في «أتمتة مسارات إعادة التدريب»؟
من البيانات الجديدة إلى إعادة نشر النموذج تتمرن على Deep Learning Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Deep Learning Academy؟
لا تُشترط خبرة سابقة. Deep Learning Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.
كم من الوقت يستغرق درس «أتمتة مسارات إعادة التدريب»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Deep Learning Academy هذا؟
نعم. كل درس في Deep Learning Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- تتبّع التجارب باستخدام Weights & Biases
- إدارة إصدارات البيانات والنماذج
- اكتشاف انجراف البيانات والنموذج
- أتمتة مسارات إعادة التدريب