Het zakelijke probleem begrijpen
U werkt bij Proseware, een jonge start-up, gericht op verbetering van de gezondheidszorg. Samen met het data science-team bent u onlangs klaar met het operationeel maken van een diabetesclassificatiemodel. Met andere woorden, u hebt notebooks geconverteerd naar scripts die u kunt uitvoeren als een Azure Machine Learning-taak.
Tijdens een presentatie van de end-to-end-oplossing voor de zakelijke en technische belanghebbenden bij Proseware kwamen er verschillende vragen over het schalen van het gebruik van dit model, zowel vanuit het oogpunt van het maken van modellen als vanuit een verbruiksstandpunt.
In de gezondheidszorg gebruiken veel modellen medische gegevens van patiënten om ziekten te voorspellen. Uit eerdere projecten hebben we geleerd dat deze modellen vaak zeer afhankelijk zijn van de geografische locatie van de populatie waarop het model is getraind. Om dit model schaalbaar te maken, moeten we ervoor zorgen dat verschillende versies van het model automatisch kunnen worden getraind op basis van verschillende gegevenssegmenten.
In de vergadering hebben de zakelijke en technische belanghebbenden besloten om een MLOps-strategie (Machine Learning Operations) te implementeren om het snel maken, bijwerken en implementeren van modellen mogelijk te maken, zoals het classificatiemodel dat het data science-team heeft ontwikkeld voor de praktijkweb-app.
Omdat Proseware GitHub gebruikt om de code ervan te beheren, is de beslissing genomen om GitHub Actions te gebruiken als automatiseringsonderdeel van de MLOps-strategie.
De eerste stap bij het implementeren van het automatiseringsproces is het ontwikkelen van een GitHub Action om het diabetesclassificatiemodel te trainen met behulp van Azure Machine Learning-taken.
Als u de GitHub Action wilt maken om modeltraining te activeren met behulp van Azure Machine Learning Compute, wilt u het volgende doen:
- Maak een service-principal met behulp van de Azure CLI.
- Sla de referenties van de service-principal op als een geheim in GitHub.
- Maak een GitHub Action om het model te trainen met behulp van Azure Machine Learning Compute.