Azure Machine Learning을 사용하여 엔드투엔드 기계 학습 작업(MLOps)
MLOps(기계 학습 작업)는 DevOps 원칙을 기계 학습 프로젝트에 적용합니다. 이 학습 경로에서 소스 제어, 자동화 및 CI/CD와 같은 주요 개념을 구현하여 엔드투엔드 MLOps 솔루션을 빌드하는 방법을 알아봅니다.
사전 요구 사항
- Python 또는 R을 사용한 프로그래밍 환경
- 기계 학습 모델 개발 및 학습 경험
- 기본 Azure Machine Learning 개념에 대한 숙지
업적 코드
업적 코드를 요청하려고 하나요?
이 학습 경로의 모듈
Azure Machine Learning 작업을 사용하여 기계 학습 모델을 실험에서 프로덕션으로 가져오는 방법을 알아봅니다.
GitHub 작업을 사용하여 기계 학습 워크플로를 자동화하는 방법을 알아봅니다.
주 분기를 보호하는 방법과 코드 변경 내용을 기반으로 기계 학습 워크플로에서 작업을 트리거하는 방법을 알아봅니다.
기계 학습 워크로드에 대한 코드를 업데이트할 때마다 코드 검사를 자동화하는 방법을 알아봅니다.
MLOps(기계 학습 작업) 전략의 일부로 환경을 사용하여 기계 학습 모델을 학습, 테스트, 배포하는 방법을 알아봅니다.
GitHub Actions 및 Azure Machine Learning CLI(v2)를 사용하여 모델 배포를 자동화하고 테스트하는 방법을 알아봅니다.