Tutoriais do TensorFlow na produção
A melhor maneira de aprender sobre o TensorFlow Extended (TFX) é na prática. Estes tutoriais são exemplos focados nos principais elementos do TFX. Eles incluem introduções para iniciantes e tutoriais avançados para quem quer mergulhar em áreas mais complexas do TFX.
Tutoriais com os primeiros passos
1. Pipeline inicial
Comece pelo pipeline que é provavelmente o mais simples de criar. Clique no botão Executar no Google Colab.2. Adicionar a validação de dados
Veja como se basear no pipeline simples para adicionar componentes de validação de dados.3. Adicionar a engenharia de atributos
Veja como se basear no pipeline de validação de dados para adicionar um componente de engenharia de atributos.4. Adicionar a análise de modelos
Veja como se basear no pipeline simples para adicionar um componente de análise de modelo.TFX no Google Cloud
O Google Cloud oferece vários produtos, como o BigQuery e a Vertex AI, para tornar seu fluxo de trabalho de ML mais econômico e escalonável. Saiba como usar esses produtos no seu pipeline do TFX.
Execução no Vertex Pipelines
Veja como executar pipelines em um serviço de pipelines gerenciado, o do Cloud AI Platform.Ler dados do BigQuery
Aprenda a usar o BigQuery como origem de dados dos pipelines de ML.Treinamento no Vertex AI
Veja como usar recursos da nuvem para treinamento de ML com o treinamento da Vertex AI.TFX no AI Platform Pipelines do Cloud
Confira uma introdução ao uso do TFX e dos pipelines do Cloud AI Platform.Próximas etapas
Assim que você tiver uma compreensão básica do TFX, confira esses tutoriais e guias adicionais. E não deixe de ler o Guia do usuário do TFX.
Tutorial de pipelines completo
Veja uma introdução componente por componente do TFX, incluindo o contexto interativo, uma ferramenta de desenvolvimento muito útil. Clique no botão Executar no Google Colab.Tutorial de componentes personalizados
Veja neste tutorial como desenvolver seus próprios componentes do TFX personalizados.Validação de dados
Este notebook do Google Colab demonstra como os dados de validação do TensorFlow (TFDV, na sigla em inglês) podem ser usados para investigar e visualizar um conjunto de dados, gerar estatísticas descritivas, inferir um esquema e encontrar anomalias.Análise de modelos
Este notebook do Google Colab demonstra como a análise de modelos do TensorFlow (TFMA) pode ser usada para investigar e visualizar as características de um conjunto de dados e para avaliar o desempenho de um modelo ao longo de vários eixos de acurácia.Exibir um modelo
Este tutorial demonstra como o TensorFlow Serving pode ser usado para exibir um modelo usando uma API REST simples.Vídeos e atualizações
Inscreva-se no blog e na playlist do YouTube sobre o TFX para ver os vídeos e as atualizações mais recentes.
TFX: ML de produção com TensorFlow em 2020
Conferência de desenvolvedores do TensorFlow 2020
TFX: pipelines de ML de produção com o TensorFlow
TF World 2019
Como levar o machine learning da pesquisa para a produção
GOTO Copenhague 2019