TOUT SUR GIT: LES 9 CONCEPTS ESSENTIELS POUR LES SCIENTIFIQUES DES DONNÉES
Introduction
Git est un outil essentiel pour la collaboration, mais beaucoup de scientifiques des données se sentent perdus sans savoir comment l’utiliser. Cet article vise à expliquer neuf des concepts Git les plus critiques pour aider les scientifiques des données à mieux comprendre cet outil.
Pour la millième fois…
Si vous voulez déployer des modèles sans maux de tête, Git est un outil indispensable. Git permet de garder une trace des changements de votre code et des données, de collaborer avec les autres, et de maintenir l’historique de votre projet. En outre, Git s’intègre facilement avec d’autres outils populaires en MLOps tels que DVC pour le contrôle de version des données.
0. Repository
Un référentiel Git, ou « repository », est essentiellement un dossier sur votre machine, qui peut contenir des fichiers. Pour convertir ce dossier en référentiel Git, il suffit d’appeler git init à l’intérieur. Dans un référentiel pour l’apprentissage automatique, vous trouverez généralement des dossiers pour stocker les données, les modèles et le code pour charger, nettoyer et transformer les données, ainsi que pour sélectionner, former et sauvegarder les modèles.
1. Tracked, Untracked
Lorsque vous initialisez Git dans un répertoire, par défaut, tous les fichiers existants ou nouveaux que vous créez seront « untracked » ou non suivis par Git. Vous devez donc mettre ces fichiers sous surveillance Git en exécutant git add path/to/file.py.
2. Commit
Lorsque vous exécutez git commit, vous prenez une photo de chaque fichier Git suivi pour un moment spécifique. Cela formera votre historique Git ou votre Git tree. En organisant la progression linéaire de votre référentiel en commits, vous pouvez cartographier la progression de votre référentiel comme un livre.
3. Staging Area
Avant de fermer le capuchon de la capsule de commit, vous devez vous assurer que le contenu est correct. Cela implique de dire à Git exactement quelles modifications de quels fichiers vous voulez envoyer. C’est là que la zone de mise en scène ou la zone d’index entre en jeu. La zone d’index contient les modifications que vous souhaitez inclure dans la prochaine validation.
4. Hashes et Tags
Tous les commits Git ont des hashes – chaînes de 40 caractères hexadécimaux qui donnent à chaque commit un identifiant unique – qui facilitent la commutation entre les commits. Vous pouvez également ajouter des tags (étiquettes) à des commits importants pour vous aider à vous souvenir d’eux plus facilement.
Conclusions
En comprenant ces neuf concepts Git essentiels, les scientifiques des données peuvent mieux travailler avec Git et collaborer avec d’autres développeurs. Le contrôle de version est essentiel pour tout projet d’apprentissage automatique, et Git est l’un des outils les plus importants pour y parvenir.
