Wprowadzenie
Wyobraź sobie, że jesteś inżynierem uczenia maszynowego, współpracując z zespołem ds. nauki o danych w modelu klasyfikacji cukrzycy. Przepływ pracy utworzony przez zespół nauki o danych wstępnie przetwarza dane i trenuje model. Chcesz automatycznie wykonać przepływ pracy. Dzięki temu włączysz zautomatyzowane trenowanie (i ponowne trenowanie) modelu klasyfikacji w różnych środowiskach, sterowane różnymi zdarzeniami.
Automatyzacja jest ważną częścią operacji uczenia maszynowego (MLOps). Podobnie jak metodyka DevOps, metodyka MLOps umożliwia szybkie opracowywanie i dostarczanie artefaktów uczenia maszynowego konsumentom tych artefaktów. Efektywna strategia MLOps umożliwia tworzenie zautomatyzowanych przepływów pracy w celu trenowania, testowania i wdrażania modeli uczenia maszynowego, a jednocześnie zapewnia utrzymanie jakości modelu.
Za pomocą funkcji GitHub Actions automatycznie wykonasz zadanie usługi Azure Machine Learning w celu wytrenowania modelu. Aby wykonać zadania usługi Azure Machine Learning za pomocą funkcji GitHub Actions, zapiszesz poświadczenia platformy Azure jako wpis tajny w usłudze GitHub. Następnie zdefiniujesz akcję usługi GitHub przy użyciu kodu YAML.
Cele szkolenia
Ten moduł obejmuje następujące zagadnienia:
- Utwórz i przypisz jednostkę usługi uprawnienia wymagane do uruchomienia zadania usługi Azure Machine Learning.
- Bezpieczne przechowywanie poświadczeń platformy Azure przy użyciu wpisów tajnych w usłudze GitHub.
- Utwórz akcję usługi GitHub przy użyciu kodu YAML, który używa przechowywanych poświadczeń platformy Azure do uruchamiania zadania usługi Azure Machine Learning.