简介

  • 2 分钟

假设你是一名机器学习工程师，与一个数据科学团队一起研究糖尿病分类模型。 数据科学团队创建的工作流会对数据进行预处理并训练模型。 你想要自动执行工作流。 通过执行此操作，可实现在不同的环境中自动训练（和重新训练）由不同事件驱动的分类模型。

自动化是机器学习操作 (MLOps) 的重要组成部分。 与 DevOps 类似，MLOps 允许快速开发机器学习项目，并将其交付给这些项目的使用者。 有效的 MLOps 策略允许创建自动化工作流来训练、测试和部署机器学习模型，同时确保维护模型质量。

使用 GitHub Actions 可自动执行 Azure 机器学习作业来训练模型。 若要使用 GitHub Actions 执行 Azure 机器学习作业，请将 Azure 凭据保存为 GitHub 中的机密。 然后使用 YAML 定义 GitHub 操作。

学习目标

在本模块中，你将了解如何：

  • 创建服务主体并为其分配运行 Azure 机器学习作业所需的权限。
  • 使用 GitHub 中的机密安全地存储 Azure 凭据。
  • 使用 YAML 创建 GitHub 操作，该操作使用存储的 Azure 凭据运行 Azure 机器学习作业。