Wprowadzenie
Automatyzacja jest jednym z najważniejszych rozwiązań dotyczących operacji uczenia maszynowego (MLOps). Automatyzując zadania, można szybciej wdrażać nowe modele w środowisku produkcyjnym.
Obok automatyzacji kolejnym kluczowym aspektem metodyki MLOps jest kontrola źródła w celu zarządzania kodem i śledzenia wszelkich zmian.
Razem możesz użyć automatyzacji i kontroli źródła do wyzwalania zadań w przepływie pracy uczenia maszynowego na podstawie zmian w kodzie. Jednak chcesz, aby automatyczne zadanie było wyzwalane tylko wtedy, gdy zmiany kodu zostały zweryfikowane i zatwierdzone.
Na przykład po ponownym trenowaniu modelu przy użyciu nowych wartości hiperparametrów chcesz zaktualizować hiperparametr w kodzie źródłowym. Po zweryfikowaniu i zatwierdzeniu zmiany w kodzie używanym do trenowania modelu chcesz wyzwolić nowy model do wytrenowania.
GitHub to platforma, która oferuje funkcję GitHub Actions na potrzeby automatyzacji i repozytoriów korzystających z usługi Git na potrzeby kontroli źródła. Przepływy pracy funkcji GitHub Actions można skonfigurować tak, aby zostały wyzwolone przez zmianę w repozytorium.
Cele szkolenia
Ten moduł obejmuje następujące zagadnienia:
- Praca z programowaniem opartym na funkcjach.
- Chroń gałąź główną.
- Wyzwalanie przepływu pracy funkcji GitHub Actions przez scalenie żądania ściągnięcia.