End-to-end machine learning-bewerkingen (MLOps) met Azure Machine Learning

  • Leertraject
  • 6 Modules
Gevorderd
Data Scientist
Azure Machine Learning
GitHub

Machine learning-bewerkingen (MLOps) past DevOps-principes toe op machine learning-projecten. In dit leertraject leert u hoe u belangrijke concepten zoals broncodebeheer, automatisering en CI/CD implementeert om een end-to-end MLOps-oplossing te bouwen.

Vereisten

  • Programmeerervaring met Python of R
  • Ervaring met het ontwikkelen en trainen van machine learning-modellen
  • Bekendheid met basisconcepten van Azure Machine Learning

Modules in dit leertraject

Een Azure Machine Learning-taak gebruiken voor automatisering

Leer hoe u uw machine learning-model kunt gebruiken van experimenten naar productie met behulp van Azure Machine Learning-taken.

Azure Machine Learning-taken activeren met GitHub Actions

Meer informatie over het automatiseren van uw machine learning-werkstromen met behulp van GitHub Actions.

GitHub Actions activeren met op functies gebaseerde ontwikkeling

Meer informatie over het beveiligen van uw hoofdbranch en het activeren van taken in de machine learning-werkstroom op basis van wijzigingen in de code.

Werken met linting en eenheidstests in GitHub Actions

Meer informatie over het automatiseren van codecontroles wanneer u code bijwerkt voor machine learning-workloads.

Werken met omgevingen in GitHub Actions

Leer hoe u een machine learning-model traint, test en implementeert met behulp van omgevingen als onderdeel van uw MLOps-strategie (Machine Learning Operations).

Een model implementeren met GitHub Actions

Meer informatie over het automatiseren en testen van modelimplementatie met GitHub Actions en de Azure Machine Learning CLI (v2).