Porozumění obchodnímu problému

Dokončeno

Představte si, že jste technik strojového učení v Proseware, mladý start-up pracující na nové aplikaci zdravotní péče. Model klasifikace cukrovky vytvořený datovými vědci je prvním modelem, který se má integrovat s aplikací. Po komunikaci s větším týmem se ukáže, že cílem je mít několik modelů integrovaných s webovou aplikací.

Když model klasifikace cukrovky prokáže úspěch, Proseware chce přidat další modely strojového učení, aby lékaři mohli rychleji diagnostikovat pacienty pro různé nemoci. Pro každý nový model bude tým datových věd muset experimentovat v bezpečném prostředí. Jakmile je nový model dostatečně přesný, aby se integroval s webovou aplikací, měli byste ho otestovat před nasazením do koncového bodu, který se bude volat z webové aplikace.

Společně s týmem se rozhodnete, že je nejlepší používat různá prostředí:

  • Vývoj pro experimentování
  • Příprava pro testování
  • Produkční prostředí pro nasazení modelu do produkčního koncového bodu

Pro každé prostředí vytvoříte samostatný pracovní prostor Azure Machine Learning. Když pro každé prostředí necháte pracovní prostory oddělené, budete moct chránit data a prostředky. Pracovní prostor pro vývoj například nebude obsahovat žádné osobní údaje od pacientů. Datoví vědci budou mít přístup jenom k vývojovému pracovnímu prostoru, protože potřebují jenom prostředí pro experimentování a nepotřebují přístup k žádnému z produkčního kódu nebo prostředků.

Jako technik strojového učení musíte zajistit, aby se datové vědce snadno přesunuly do různých prostředí. Jakmile je nový model připravený k nasazení, chcete, aby byl model natrénovaný a otestovaný v přípravném prostředí. Po otestování kódu, modelu a nasazení chcete model nasadit v produkčním prostředí. Části tohoto procesu je možné automatizovat, aby se proces urychlil.

Pokud chcete pracovat s prostředími, budete chtít:

  • Vytvořte prostředí v úložišti GitHub.
  • Uložte přihlašovací údaje do každého pracovního prostoru Azure Machine Learning jako tajný kód prostředí na GitHubu.
  • Přidání požadovaných revidujících do prostředí pro chráněné schválení
  • Používejte prostředí v pracovních postupech GitHub Actions.