Azure Machine Learning を使用したエンドツーエンドでの機械学習オペレーション (MLOps)
機械学習操作 (MLOps) では、機械学習プロジェクトに DevOps 原則を適用します。 このラーニング パスでは、エンドツーエンドの MLOps ソリューションを、ソース管理、自動化、CI/CD などの主要な概念を実装して構築する方法について説明します。
前提条件
- Python または R でのプログラミング経験
- 機械学習モデルの開発とトレーニングの経験
- 基本的な Azure Machine Learning の概念に関する知識
実績コード
実績コードを要求しますか?
このラーニング パス内のモジュール
Azure Machine Learning のジョブを使用して、機械学習モデルを実験から運用に移行する方法について説明します。
GitHub Actions を使用して機械学習ワークフローを自動化する方法について説明します。
メイン ブランチを保護する方法と、コードに対する変更に基づいて機械学習ワークフローでタスクをトリガーする方法について説明します。
機械学習ワークロードのコードを更新するとき、自動的に必ずコード チェックが実行されるようにする方法について説明します。
機械学習運用 (MLOps) 戦略の一環として環境を使用して、機械学習モデルをトレーニングし、テストし、デプロイする方法について学習します。
GitHub Actions と Azure Machine Learning CLI (v2) を使用してモデル デプロイを自動化およびテストする方法について学習します。