Introduktion
Forestil dig, at du er maskinlæringstekniker og arbejder sammen med et datavidenskabsteam om en diabetesklassificeringsmodel. Den arbejdsproces, der er oprettet af datavidenskabsteamet, forarbejder data og oplærer modellen. Du vil automatisk udføre arbejdsprocessen. Når du gør det, aktiverer du automatiseret oplæring (og genoplæring) af klassificeringsmodellen i forskellige miljøer, der er baseret på forskellige begivenheder.
Automatisering er en vigtig del af machine learning-handlinger (MLOps). På samme måde som med DevOps giver MLOps mulighed for hurtig udvikling og levering af artefakter til forbrugere af disse artefakter. En effektiv MLOps-strategi gør det muligt at oprette automatiserede arbejdsprocesser til at oplære, teste og udrulle modeller til maskinel indlæring og samtidig sikre, at modelkvaliteten bevares.
Ved hjælp af GitHub-handlinger udfører du automatisk et Azure Machine Learning-job for at oplære en model. Hvis du vil udføre dine Azure Machine Learning-job med GitHub-handlinger, skal du gemme dine Azure-legitimationsoplysninger som en hemmelighed i GitHub. Du skal derefter definere GitHub-handlingen ved hjælp af YAML.
Læringsmål
I dette modul lærer du, hvordan du:
- Opret og tildel en tjenesteprincipal de tilladelser, der er nødvendige for at køre et Azure Machine Learning-job.
- Gem Azure-legitimationsoplysninger sikkert ved hjælp af hemmeligheder i GitHub.
- Opret en GitHub-handling ved hjælp af YAML, der bruger de gemte Azure-legitimationsoplysninger til at køre et Azure Machine Learning-job.