요약
Tip
자세한 내용은 텍스트 및 이미지 탭을 참조하세요.
이 모듈에서는 등록에서 자동화된 배포를 통한 학습된 모델을 Azure Machine Learning 프로덕션 모니터링으로 가져갔습니다.
배운 내용
- MLflow 모델을 등록하고 버전을 지정한 다음 기본 목록에 더 이상 표시할 필요가 없는 버전을 보관합니다.
- 모델 개발을 배포, 자동화 및 모니터링에 연결하는 MLOps 단계를 살펴봅니다.
- 보호된 GitHub 환경을 사용하여 배포 액세스 범위를 지정하고 프로덕션 승격 전에 승인을 받아야 합니다.
- 관리되는 온라인 엔드포인트에 모델을 배포하고 파란색-녹색 롤아웃을 사용하여 프로덕션 트래픽을 해당 엔드포인트로 이동하기 전에 새 버전을 테스트합니다.
- 배포 세부 정보 및 컨테이너 로그를 확인하여 배포 및 채점 실패 문제를 해결합니다.
- 엔드포인트 URL을 변경하지 않고 트래픽을 리디렉션하여 롤백할 수 있도록 이전 배포를 계속 사용할 수 있습니다.
- OIDC 페더레이션 자격 증명을 사용하여 GitHub Actions 등록, 배포 및 테스트를 자동화합니다.
- 운영 및 모델 모니터링 신호를 사용하여 롤백, 조사 또는 재학습 시기를 결정합니다.