Wprowadzenie

  • 2 min

Wyobraź sobie, że jesteś inżynierem uczenia maszynowego, współpracując z zespołem ds. nauki o danych w modelu klasyfikacji cukrzycy. Przepływ pracy utworzony przez zespół nauki o danych wstępnie przetwarza dane i trenuje model. Chcesz automatycznie wykonać przepływ pracy. Dzięki temu włączysz zautomatyzowane trenowanie (i ponowne trenowanie) modelu klasyfikacji w różnych środowiskach, sterowane różnymi zdarzeniami.

Automatyzacja jest ważną częścią operacji uczenia maszynowego (MLOps). Podobnie jak metodyka DevOps, metodyka MLOps umożliwia szybkie opracowywanie i dostarczanie artefaktów uczenia maszynowego konsumentom tych artefaktów. Efektywna strategia MLOps umożliwia tworzenie zautomatyzowanych przepływów pracy w celu trenowania, testowania i wdrażania modeli uczenia maszynowego, a jednocześnie zapewnia utrzymanie jakości modelu.

Za pomocą funkcji GitHub Actions automatycznie wykonasz zadanie usługi Azure Machine Edukacja w celu wytrenowania modelu. Aby wykonać zadania usługi Azure Machine Edukacja za pomocą funkcji GitHub Actions, zapiszesz poświadczenia platformy Azure jako wpis tajny w usłudze GitHub. Następnie zdefiniujesz akcję usługi GitHub przy użyciu kodu YAML.

Cele szkolenia

Ten moduł obejmuje następujące zagadnienia:

  • Utwórz i przypisz jednostkę usługi uprawnienia wymagane do uruchomienia zadania usługi Azure Machine Edukacja.
  • Bezpieczne przechowywanie poświadczeń platformy Azure przy użyciu wpisów tajnych w usłudze GitHub.
  • Utwórz akcję usługi GitHub przy użyciu kodu YAML, który używa przechowywanych poświadczeń platformy Azure do uruchamiania zadania usługi Azure Machine Edukacja.