Einführung

Abgeschlossen

Wenn Sie künstliche Intelligenz (KI) im großen Stil implementieren möchten, spielt die Automatisierung eine wichtige Rolle. Ziel ist es, mit Maschinellen Lernvorgängen (MLOps) vom Experiment zur Produktion zu wechseln.

Es gibt mehrere Workloads, die automatisiert werden können. Zum Automatisieren von Workloads erstellen Sie Pipelines, die Aufgaben in einer bestimmten Reihenfolge gruppieren. Um die Pipeline zu automatisieren, können Sie sie nach einem Zeitplan ausführen oder sie basierend auf einem Ereignis auslösen.

Sie erfahren, wie Sie zwischen den von Ihnen erstellten Pipelines mit Azure Machine Learning und Workflows unterscheiden können, die Sie mit Azure Pipelines in Azure DevOps oder GitHub Actions automatisieren können.

Hinweis

Eine Pipeline ist ein Konzept, das Sie in mehreren Diensten in Azure finden. Um zu klären, welche Pipeline impliziert wird, wird der vollständige Produktname für Azure Machine Learning-Pipelines, Azure (DevOps)-Pipelines und GitHub Actions eingeschlossen.

Lernziele

In diesem Modul lernen Sie Folgendes:

  • Verwenden von Azure Machine Learning-Pipelines.
  • Verwenden von Azure Pipelines und GitHub Actions zum Automatisieren von Workflows.