Einführung
Stellen Sie sich vor, Sie sind Techniker*in für maschinelles Lernen und arbeiten mit einem Data Science-Team zusammen an einem Klassifizierungsmodell für Diabetes. Der vom Data Science-Team erstellte Workflow verarbeitet Daten und trainiert das Modell. Sie möchten den Workflow automatisch ausführen. Dazu aktivieren Sie automatisiertes Training (und das erneute Trainieren) des Klassifizierungsmodells in verschiedenen Umgebungen, die von verschiedenen Ereignissen gesteuert werden.
Die Automatisierung ist ein wichtiger Bestandteil in maschinellen Lernvorgängen (MLOps). Ähnlich wie DevOps ermöglicht MLOps eine schnelle Entwicklung und Bereitstellung von Artefakten für maschinelles Lernen für Benutzer*innen dieser Artefakte. Eine effektive MLOps-Strategie ermöglicht die Erstellung automatisierter Workflows, um maschinelle Lernmodelle zu trainieren, zu testen und bereitzustellen, während die Modellqualität beibehalten wird.
Mit GitHub Actions führen Sie automatisch einen Azure Machine Learning-Auftrag aus, um ein Modell zu trainieren. Um Ihre Azure Machine Learning-Aufträge mit GitHub Actions auszuführen, speichern Sie Ihre Azure-Anmeldeinformationen als in GitHub als Geheimnis. Anschließend definieren Sie die GitHub Actions-Instanz mithilfe von YAML.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Erstellen und Zuweisen der erforderlichen Berechtigungen zum Ausführen eines Azure Machine Learning-Auftrags für einen Dienstprinzipal
- Sicheres Speichern von Azure-Anmeldeinformationen mithilfe von Geheimnissen in GitHub
- Erstellen einer GitHub Actions-Instanz mit YAML, die die gespeicherten Azure-Anmeldeinformationen verwendet, um einen Azure Machine Learning-Auftrag auszuführen