Introdução
No Azure Machine Learning, você pode experimentar em blocos de anotações e treinar (e reciclar) modelos de aprendizado de máquina executando scripts como trabalhos.
Em um processo de ciência de dados corporativo, você desejará separar o processo geral em tarefas individuais. Você pode agrupar tarefas como pipelines. Os pipelines são fundamentais para implementar uma solução eficaz de Operações de Machine Learning (MLOps) no Azure.
Você aprenderá a criar componentes de tarefas individuais, facilitando a reutilização e o compartilhamento de código. Em seguida, você combinará componentes em um pipeline do Azure Machine Learning, que será executado como um trabalho de pipeline.
Nota
O termo pipeline é usado extensivamente em vários domínios, incluindo aprendizado de máquina e engenharia de software. No Azure Machine Learning, um pipeline contém etapas relacionadas ao treinamento de um modelo de aprendizado de máquina. No Azure DevOps ou GitHub, um pipeline pode se referir a um pipeline de compilação ou versão, que executam as tarefas de compilação e configuração necessárias para fornecer software. No Azure Synapse Analytics, um pipeline é usado para definir o processo de ingestão e transformação de dados. O foco deste módulo está nos pipelines do Azure Machine Learning. No entanto, tenha em mente que é possível ter pipelines entre serviços interagindo uns com os outros. Por exemplo, um pipeline do Azure DevOps ou do Azure Synapse Analytics pode acionar um pipeline do Azure Machine Learning.
Gorjeta
Saiba mais sobre MLOps em relação ao Azure Machine Learning com uma introdução às operações de aprendizado de máquina
Objetivos de aprendizagem
Neste módulo, irá saber como:
- Crie componentes.
- Crie um pipeline do Azure Machine Learning.
- Execute um pipeline do Azure Machine Learning.