Úvod
Představte si, že jste inženýr strojového učení, který spolupracuje s týmem datových věd na modelu klasifikace cukrovky. Pracovní postup vytvořený týmem datových věd předzpracuje data a trénuje model. Chcete automaticky spustit pracovní postup. Tím povolíte automatizované trénování (a přetrénování) klasifikačního modelu v různých prostředích řízených různými událostmi.
Automatizace je důležitou součástí operací strojového učení (MLOps). Podobně jako DevOps umožňuje MLOps rychle vyvíjet a doručovat artefakty strojového učení uživatelům těchto artefaktů. Efektivní strategie MLOps umožňuje vytvářet automatizované pracovní postupy pro trénování, testování a nasazování modelů strojového učení a zároveň zajišťuje zachování kvality modelu.
Pomocí GitHub Actions automaticky spustíte úlohu Azure Machine Learning pro trénování modelu. Pokud chcete spouštět úlohy Azure Machine Learning pomocí GitHub Actions, uložíte přihlašovací údaje Azure jako tajný kód na GitHubu. Pak pomocí YAML nadefinujete akci GitHubu.
Cíle výuky
V tomto modulu:
- Vytvořte a přiřaďte instančnímu objektu oprávnění potřebná ke spuštění úlohy Azure Machine Learning.
- Bezpečně ukládejte přihlašovací údaje Azure pomocí tajných kódů na GitHubu.
- Vytvořte akci GitHubu pomocí YAML, která používá uložené přihlašovací údaje Azure ke spuštění úlohy Azure Machine Learning.