Umfassende Machine Learning-Vorgänge (MLOps) mit Azure Machine Learning

  • Lernpfad
  • 6 Module
Fortgeschrittene Anfänger
Data Scientist
Azure Machine Learning
GitHub

Bei Machine Learning-Vorgängen (MLOps) werden DevOps-Prinzipien auf Projekte für maschinelles Lernen angewandt. In diesem Lernpfad erfahren Sie, wie Sie wichtige Konzepte wie Quellcodeverwaltung, Automatisierung und CI/CD implementieren, um eine umfassende MLOps-Lösung zu erstellen.

Voraussetzungen

  • Programmiererfahrung mit Python oder R
  • Erfahrung mit dem Entwickeln und Trainieren von Machine Learning-Modellen
  • Vertrautheit mit grundlegenden Azure Machine Learning-Konzepten

Module in diesem Lernpfad

Verwenden eines Azure Machine Learning-Auftrags für die Automatisierung

Hier erfahren Sie, wie Sie Ihr Machine Learning-Modell von den ersten Experimenten bis in die Produktion mithilfe von Azure Machine Learning-Aufträgen migrieren.

Auslösen von Azure Machine Learning-Aufträgen mit GitHub Actions

Hier erfahren Sie, wie Sie Ihre Workflows für maschinelles Lernen mithilfe von GitHub Actions automatisieren.

Auslösen von GitHub Actions mithilfe der featurebasierten Entwicklung

Hier erfahren Sie, wie Sie Ihren Mainbranch schützen und Aufgaben im Machine Learning-Workflow basierend auf Änderungen am Code auslösen.

Arbeiten mit Linting und Komponententests in GitHub Actions

Hier erfahren Sie, wie Sie Codeüberprüfungen automatisieren, wenn Sie Code für Machine Learning-Workloads aktualisieren.

Arbeiten mit Umgebungen in GitHub Actions

Hier erfahren Sie, wie Sie ein Machine Learning-Modell trainieren, testen und bereitstellen, indem Sie Umgebungen als Teil Ihrer MLOps-Strategie (Machine Learning Operations) verwenden.

Bereitstellen eines Modells mit GitHub Actions

Hier erfahren Sie, wie Sie die Modellbereitstellung mit GitHub Actions und der Azure Machine Learning CLI (v2) automatisieren und testen.