Introdução
A automação é uma das práticas mais importantes de MLOps (operações de machine learning). Ao automatizar tarefas, você pode implantar novos modelos para produção mais rapidamente.
Além da automação, outro aspecto fundamental das MLOps é o controle do código-fonte para gerenciar e controlar alterações do código.
Você pode usar a automação e o controle do código-fonte juntos para disparar tarefas no fluxo de trabalho de machine learning com base em alterações no código. Entretanto, você deseja que a tarefa automatizada seja disparada somente quando as alterações no código forem verificadas e aprovadas.
Por exemplo, depois de treinar novamente um modelo usando novos valores de hiperparâmetro, você deseja atualizar o hiperparâmetro no código-fonte. Depois de verificar e aprovar a alteração no código usado para treinar o modelo, você deseja disparar o novo modelo a ser treinado.
O GitHub é uma plataforma que oferece GitHub Actions para automação e repositórios usando Git para o controle do código-fonte. Você pode configurar fluxos de trabalho do GitHub Actions a serem disparados por uma alteração em seu repositório.
Objetivos de aprendizagem
Neste módulo, você aprenderá a:
- Trabalhe com o desenvolvimento baseado em recursos.
- Proteja o branch principal.
- Dispare um fluxo de trabalho do GitHub Actions mesclando uma solicitação de pull.