Operaționalizarea modelelor de învățare automată (MLOps)
Dintr-o privire
-
Nivel
-
Competență
-
Produs
-
Rol
Află cum să operaționalizezi modele de învățare automată folosind întregul ciclu de viață MLOps. Această cale de învățare acoperă experimentarea și antrenarea modelelor cu Azure Machine Learning, automatizarea antrenamentului modelelor cu pipeline-uri și reglaje a hiperparametrilor, declanșarea joburilor cu GitHub Actions, implementarea dezvoltării bazate pe trunchi, gestionarea mediilor și implementarea modelelor în producție.
Cerințe preliminare
- Experiența de programare cu Python sau R
- Experiență în dezvoltarea și instruirea modelelor de învățare programată
- Familiarizarea cu conceptele de bază învățare programată Azure
Codul realizării
Doriți să solicitați codul unei realizări?
Module din această cale de învățare
Află cum să găsești cel mai bun model de învățare automată cu învățare automată automată (AutoML), caiete cu urmărire MLflow și dashboard-ul Responsible AI.
Aflați cum să efectuați reglarea hiperparametrului cu o activitate de debarasare în Azure Machine Learning.
Aflați cum să creați și să utilizați componente pentru a construi conducte în Azure Machine Learning. Rulați și programați canale Azure Machine Learning pentru a automatiza fluxurile de lucru de învățare programată.
Aflați cum să automatizați fluxurile de lucru de învățare programată utilizând Acțiuni GitHub.
Aflați cum să vă protejați ramura principală și cum să declanșați activități în fluxul de lucru învățare programată pe baza modificărilor codului.
Aflați cum să instruiți, să testați și să implementați un model de învățare programată, utilizând medii ca parte a strategiei de învățare programată (MLOps).
Aflați cum să automatizați și să testați implementarea modelului cu acțiuni GitHub și azure Machine Learning CLI (v2).