De oplossingsarchitectuur verkennen
Het is belangrijk om het algemene beeld te begrijpen voordat u verdergaat met de implementatie om ervoor te zorgen dat aan alle vereisten wordt voldaan. We willen er ook voor zorgen dat de aanpak in de toekomst eenvoudig kan worden aangepast. De focus van deze oefening is het gebruik van GitHub Actions als het orchestration- en automatiseringsprogramma voor de MLOps-strategie (Machine Learning Operations) die is gedefinieerd in de oplossingsarchitectuur.
Notitie
Het diagram is een vereenvoudigde weergave van een MLOps-architectuur. Als u een gedetailleerdere architectuur wilt bekijken, bekijkt u de verschillende use cases in de MLOps-oplossingsversneller (v2).
De architectuur bevat:
- Installatie: Maak alle benodigde Azure-resources voor de oplossing.
- Modelontwikkeling (interne lus): de gegevens verkennen en verwerken om het model te trainen en te evalueren.
- Continue integratie: het model verpakken en registreren.
- Modelimplementatie (outer loop): implementeer het model.
- Continue implementatie: test het model en promoot het naar de productieomgeving.
- Bewaking: model- en eindpuntprestaties bewaken.
We gaan met name het trainingsgedeelte van de modelontwikkeling of interne lus automatiseren, waardoor we uiteindelijk meerdere modellen kunnen trainen en registreren voor implementatie in faserings- en productieomgevingen.
De Azure Machine Learning-werkruimte, Azure Machine Learning-rekenproces en gitHub-opslagplaats zijn allemaal voor u gemaakt door het infrastructuurteam.
Daarnaast is de code voor het trainen van het classificatiemodel gereed voor productie en zijn de gegevens die nodig zijn om het model te trainen beschikbaar in een Azure Blob Storage die is verbonden met de Azure Machine Learning-werkruimte.
Uw implementatie zorgt ervoor dat de overstap van interne naar buitenste lus een geautomatiseerd proces is dat plaatsvindt wanneer een data scientist nieuwe modelcode naar de GitHub-opslagplaats pusht, waardoor de continue levering van machine learning-modellen wordt ingeschakeld aan downstreamgebruikers van het model, zoals de webtoepassing die het model voor diabetesclassificatie gebruikt.