소개
개발에서 프로덕션으로 모델을 가져와야 하는 기계 학습 엔지니어라고 상상해 보세요. 기계 학습 모델을 학습, 테스트, 배포하려면 MLOps(기계 학습 작업) 전략의 일부로 환경을 사용하는 것이 가장 좋습니다.
데이터 과학자가 모델을 학습하고 테스트한 후에는 모델을 배포하고, 배포를 테스트하고, 마지막으로 모델을 대규모로 사용할 프로덕션 환경에 배포하려고 합니다. 소프트웨어 개발 사례에 따라 이러한 작업은 다른 환경에서 수행해야 합니다. 개발, 스테이징, 프로덕션 환경과 같은 환경을 사용하여 MLOps 워크플로를 분리할 수 있습니다.
다른 환경을 만들려면 별도의 GitHub 환경에 연결된 다른 Azure Machine Learning 작업 영역을 만들 수 있습니다. GitHub Actions를 사용하면 환경 전체에서 워크플로를 자동화하고 제어된 승인을 추가하여 위험을 완화할 수 있습니다.
학습 목표
이 모듈에서는 다음을 수행하는 방법을 알아봅니다.
- GitHub에서 환경을 설정합니다.
- GitHub Actions에서 환경을 사용합니다.
- 모델을 다음 환경으로 이동하기 전에 필요한 검토자를 할당하는 승인을 추가합니다.