Комплексный подход MLOps с использованием Машинного обучения Azure

  • Схема обучения
  • 6 Модули
intermediate
data-scientist
azure-machine-learning
github

Вкратце

В операциях машинного обучения (MLOps) к проектам машинного обучения применяются принципы DevOps. В этой схеме обучения вы узнаете, как реализовать ключевые понятия, такие как система управления версиями, автоматизация и CI/CD, для создания комплексного решения MLOps.

Предварительные требования

  • Опыт программирования на языке Python или R
  • Опыт разработки и обучения моделей машинного обучения
  • Знание основных понятий Машинного обучения Azure

Модули, включенные в эту схему обучения

Использование задания Машинного обучения Azure для автоматизации

Узнайте, как перевести модель машинного обучения с этапа экспериментов в рабочую среду с помощью заданий Машинного обучения Azure.

Активация заданий Машинного обучения Azure с помощью GitHub Actions

Узнайте, как автоматизировать рабочие процессы машинного обучения с помощью GitHub Actions.

Активация GitHub Actions с помощью разработки на основе функций

Узнайте, как защитить главную ветвь и как активировать задачи в рабочем процессе машинного обучения на основе изменений в коде.

Работа с анализом кода и модульным тестированием в GitHub Actions

Узнайте, как автоматизировать проверку кода при каждом обновлении кода для рабочих нагрузок машинного обучения.

Работа со средами в GitHub Actions

Узнайте, как обучать, тестировать и развертывать модель машинного обучения с помощью сред в рамках стратегии операций машинного обучения (MLOps).

Развертывание модели с помощью GitHub Actions

Узнайте, как автоматизировать и тестировать развертывание модели с помощью GitHub Actions и интерфейса командной строки Машинного обучения Azure (версии 2).