Kompleksowe operacje uczenia maszynowego (MLOps) przy użyciu usługi Azure Machine Learning

Ścieżka szkoleniowa
6 Moduły

Średni

Data Scientist

Azure Machine Learning

GitHub

Operacje uczenia maszynowego (MLOps) stosują zasady metodyki DevOps do projektów uczenia maszynowego. W tej ścieżce szkoleniowej dowiesz się, jak zaimplementować kluczowe pojęcia, takie jak kontrola źródła, automatyzacja i ciągła integracja/ciągłe wdrażanie, aby utworzyć kompleksowe rozwiązanie MLOps.

Wymagania wstępne

Środowisko programowania w języku Python lub R
Doświadczenie w tworzeniu i trenowanie modeli uczenia maszynowego
Znajomość podstawowych pojęć związanych z usługą Azure Machine Learning

Moduły w ramach tej ścieżki szkoleniowej

Używanie zadania usługi Azure Machine Learning na potrzeby automatyzacji

Dowiedz się, jak wykorzystać model uczenia maszynowego z eksperymentowania do środowiska produkcyjnego przy użyciu zadań usługi Azure Machine Learning.

Wyzwalanie zadań usługi Azure Machine Learning za pomocą funkcji GitHub Actions

Dowiedz się, jak zautomatyzować przepływy pracy uczenia maszynowego przy użyciu funkcji GitHub Actions.

Wyzwalanie funkcji GitHub Actions przy użyciu programowania opartego na funkcjach

Dowiedz się, jak chronić gałąź główną i jak wyzwalać zadania w przepływie pracy uczenia maszynowego na podstawie zmian w kodzie.

Praca z lintingiem i testowaniem jednostkowym w funkcji GitHub Actions

Dowiedz się, jak automatyzować kontrole kodu przy każdej aktualizacji kodu dla obciążeń uczenia maszynowego.

Praca ze środowiskami w funkcji GitHub Actions

Dowiedz się, jak trenować, testować i wdrażać model uczenia maszynowego przy użyciu środowisk w ramach strategii operacji uczenia maszynowego (MLOps).

Wdrażanie modelu za pomocą funkcji GitHub Actions

Dowiedz się, jak zautomatyzować i przetestować wdrażanie modelu za pomocą funkcji GitHub Actions i interfejsu wiersza polecenia usługi Azure Machine Learning (wersja 2).