비즈니스 문제 이해
여러분은 건강 관리를 개선하는 것을 목표로 하는 젊은 스타트업인 Proseware에서 일하고 있습니다. 데이터 과학 팀과 함께 최근에 당뇨병 분류 모델 운영 작업을 완료했습니다. 즉, Notebook을 Azure Machine Learning 작업으로 실행할 수 있는 스크립트로 변환했습니다.
Proseware의 비즈니스 및 기술 이해 관계자에게 엔드투엔드 솔루션을 발표하는 동안, 모델 생성 관점에서 그리고 소비 관점에서 이 모델의 사용을 확장하는 방법에 대한 몇 가지 질문이 제기되었습니다.
건강 관리에서 많은 모델은 환자의 의료 데이터를 사용하여 질병을 예측합니다. 이전 프로젝트에서 이러한 모델은 모델에게 학습시킨 모집단의 지리적 위치에 크게 의존하는 경우가 많다는 것을 배웠습니다. 이 모델을 스케일링 가능하도록 하려면 다양한 데이터 세그먼트에 따라 모델의 다른 버전에 자동으로 학습시킬 수 있도록 해야 합니다.
회의에서 비즈니스 및 기술 이해 관계자는 데이터 과학 팀이 실무자 웹앱을 위해 개발한 분류 모델과 같은 모델의 신속한 생성, 업데이트 및 배포를 허용하는 MLOps(기계 학습 작업) 전략을 구현하기로 결정했습니다.
Proseware는 GitHub를 사용하여 코드의 버전을 제어하므로 GitHub Actions를 MLOps 전략의 자동화 구성 요소로 사용하기로 결정했습니다.
자동화 프로세스를 구현하는 첫 번째 단계는 Azure Machine Learning 작업을 사용하여 당뇨병 분류 모델을 학습시키는 GitHub Action을 개발하는 것입니다.
Azure Machine Learning 컴퓨팅을 사용하여 모델 학습을 트리거하는 GitHub Action을 만들려면 다음을 수행합니다.
- Azure CLI를 사용하여 서비스 주체를 만듭니다.
- GitHub에서 서비스 주체의 자격 증명을 비밀로 저장합니다.
- Azure Machine Learning 컴퓨팅을 사용하여 모델을 학습시키는 GitHub Action을 만듭니다.