Made With ML: khóa học ML sản xuất thực chiến

Made With ML là gì?

Made With ML là khóa học miễn phí của Goku Mohandas, dạy machine learning qua một ví dụ chạy xuyên suốt: phân loại các bài báo machine learning vào các nhóm như natural-language-processing, computer-vision, hay mlops dựa trên tiêu đề và mô tả. Bài học đặt tại madewithml.com; repo GitHub này chứa code — một Jupyter notebook cộng package Python madewithml/ đã refactor, có script riêng cho training, tuning, evaluation và serving.

Khóa học dạy những gì

• ✓Một ví dụ chạy xuyên suốt — phân loại bài báo ML theo tiêu đề và mô tả vào các nhóm như natural-language-processing hay computer-vision — đi từ thử nghiệm trong notebook đến một API được serve, tạo thành một end-to-end ML pipeline hoàn chỉnh.
• ✓Training và tuning phân tán qua Ray, với script train.py và tune.py nhận các flag --num-workers, --cpu-per-worker, --gpu-per-worker để cùng một đoạn code chạy được cả trên laptop lẫn trên cluster Anyscale.
• ✓Theo dõi thực nghiệm (experiment tracking) bằng MLflow, có luôn MLflow Tracking UI cục bộ tại localhost:8080; README gợi ý Weights & Biases hoặc Comet làm phương án thay thế khi làm việc theo team.
• ✓Lớp model serving dựng trên Ray Serve (serve.py), expose một endpoint /predict, cộng thêm CLI predict.py riêng để suy luận (inference) từng lần một.
• ✓CI/CD cho ML qua GitHub Actions: một workflow workloads chạy training và post kết quả ngay trên pull request, cùng một workflow serve tự rollout model khi PR được merge vào main.
• ✓Bộ test pytest chia thành tests/code, tests/data, tests/model, kèm báo cáo coverage chạy qua đúng những lệnh dùng cho các workload ML.

Bạn sẽ xây dựng được gì

• •Một kỹ sư software hoặc infra muốn xem một model được bọc trong cùng kỷ luật testing, CI/CD và deploy như một service bình thường.
• •Một data scientist đã có model chạy được trong notebook, cần một khuôn mẫu để biến nó thành script, một thực nghiệm được track, và một endpoint được serve.
• •Một sinh viên mới ra trường ngành CS hay data science muốn lấp khoảng cách giữa chương trình học và những gì một team ML sản xuất thực sự duy trì hằng ngày — đây cũng chính là cách README mô tả đối tượng của mình.
• •Học xong, bạn sẽ chạy qua cùng một bài toán phân loại bài báo dưới bốn hình thái: notebook, script Python đã refactor, thực nghiệm MLflow được track, và một endpoint do Ray serve, gọi qua HTTP.

Các khóa học ML sản xuất thay thế

Câu hỏi thường gặp

Ai nên thử — và ai nên bỏ qua

Nên học Made With ML nếu bạn đã biết train một model cơ bản và muốn xem phần triển khai — tracking, testing, CI/CD, serving — được làm thành một ví dụ mạch lạc thay vì rải rác qua từng bài blog. Kỹ sư software hoặc infra thừa kế hệ thống ML mà không có nền tảng ML sẽ thu được nhiều nhất, vì trọng tâm là thực hành sản xuất chứ không phải bản thân model. Đúng nghĩa một ML course for developers hơn là nhập môn nặng lý thuyết toán. Nên bỏ qua nếu bạn muốn nhập môn lý thuyết ML từ số 0, hoặc muốn nội dung vượt ra ngoài bài toán phân loại văn bản duy nhất mà khóa học xoay quanh.

Repo liên quan