Förstå affärsproblemet
Proseware är ett ungt nystartat program som syftar till att förbättra hälso- och sjukvården. Ett team på Proseware arbetar med en ny webbapp som hjälper utövare att diagnostisera patienter snabbare. Forskning har visat att diabetes är en av de diagnoser som är vanlig, och lätt upptäckt när ett visst mönster i medicinska data hos en patient är uppenbart.
För att lansera den nya webbappen för utövare som hjälper dem att diagnostisera patienter är den första funktionen som distribueras i appen en diabetesdetektor. Funktionen gör det möjligt för en utövare att samla in medicinska data från en patient, fylla den i appen och lära sig om det finns en stor chans att den patienten har diabetes ja eller nej. Utövarna kommer att använda dessa insikter med sin expertis för att ge sina patienter råd om nästa steg.
Data science-teamet har skapat en klassificeringsmodell som exakt förutsäger om någon har diabetes eller inte baserat på anonymiserade data. Modellträningen definieras i en Jupyter-anteckningsbok. Nu är det upp till dig som maskininlärningstekniker att ta arbetet från data science-teamet och ta det till produktion.
För att operationalisera modellen vill du:
- Konvertera modellträningen till en robust och reproducerbar pipeline.
- Testa koden och modellen i en utvecklingsmiljö .
- Distribuera modellen i en produktionsmiljö .
- Automatisera processen från slutpunkt till slutpunkt.
Även om en Jupyter-notebook-fil är perfekt för experimentering passar den inte för produktionsarbetsbelastningar. Din första uppgift är att konvertera notebook-filer till skript och köra modellträningen som ett Azure Machine Learning-jobb, så att arbetsflödet enkelt kan utlösas och automatiseras.