Déployer et surveiller un modèle dans Azure Machine Learning
Intermédiaire
Scientifique des données
Ingénieur DevOps
Azure Machine Learning
GitHub
Choisissez ce module si vous souhaitez inscrire, déployer, surveiller et restaurer des modèles à l’aide de GitHub Actions et d’environnements protégés.
Objectifs d’apprentissage
Une fois ce module terminé, vous pouvez :
- Inscrivez, version et archivez des modèles MLflow tout au long de leur cycle de vie.
- Utilisez GitHub environnements pour contrôler l’accès et exiger l’approbation avant la promotion de production.
- Déployez et résolvez les problèmes d’un point de terminaison en ligne managé, favorisez en toute sécurité un modèle et revenez à une version précédente.
- Automatisez le déploiement et le test de modèles avec GitHub Actions.
- Surveillez un modèle déployé et reconnaissez les signaux qui appellent l’investigation ou la réentraînation.
Prérequis
- Expérience en programmation avec Python ou R
- Expérience en développement et en entraînement de modèles Machine Learning
- Connaissance des concepts de base Azure Machine Learning, tels que les travaux, les modèles et les points de terminaison
- Connaissance de base des concepts de GitHub et d’intégration continue/de déploiement continu (CI/CD)