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)

中級

データサイエンティスト

Machine Learning

GitHub

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

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。