Inleiding
Automatisering is een van de belangrijkste procedures voor machine learning-bewerkingen (MLOps). Door taken te automatiseren, kunt u sneller nieuwe modellen implementeren in productie.
Naast automatisering is broncodebeheer een ander belangrijk aspect van MLOps om code te beheren en eventuele wijzigingen bij te houden.
Samen kunt u automatisering en broncodebeheer gebruiken om taken in de machine learning-werkstroom te activeren op basis van wijzigingen in de code. U wilt echter dat de geautomatiseerde taak alleen wordt geactiveerd wanneer de codewijzigingen zijn geverifieerd en goedgekeurd.
Nadat u bijvoorbeeld een model opnieuw hebt getraind met behulp van nieuwe hyperparameterwaarden, wilt u de hyperparameter bijwerken in de broncode. Nadat u de wijziging hebt gecontroleerd en goedgekeurd in de code die wordt gebruikt om het model te trainen, wilt u het nieuwe model activeren om te worden getraind.
GitHub is een platform dat GitHub Actions biedt voor automatisering en opslagplaatsen met behulp van Git voor broncodebeheer. U kunt uw GitHub Actions-werkstromen zo configureren dat deze worden geactiveerd door een wijziging in uw opslagplaats.
Leerdoelen
In deze module wordt het volgende behandeld:
- Werken met op functies gebaseerde ontwikkeling.
- Bescherm de hoofdbranch.
- Activeer een GitHub Actions-werkstroom door een pull-aanvraag samen te voegen.