Введение

  • 2 мин

Представьте, что вы — инженер машинного обучения и работаете вместе с командой специалистов по обработке и анализу данных в модели классификации диабета. Рабочий процесс, созданный командой специалистов по обработке и анализу данных, предварительно обрабатывает данные и обучает модель. Необходимо выполнить рабочий процесс автоматически. Это позволит включить автоматическое обучение (и переобучение) модели классификации в разных средах на основе различных событий.

Автоматизация является важной частью операций машинного обучения (MLOps). Как и DevOps, MLOps обеспечивает быструю разработку и доставку артефактов машинного обучения потребителям таких артефактов. Эффективная стратегия MLOps позволяет создавать автоматизированные рабочие процессы для обучения, тестирования и развертывания моделей машинного обучения, вместе с тем обеспечивая надлежащее качество модели.

С помощью GitHub Actions вы можете автоматически выполнить задание Машинного обучения Azure для обучения модели. Чтобы выполнять задания Машинного обучения Azure с помощью GitHub Actions, необходимо сохранить учетные данные Azure как секрет в GitHub. Затем вы определите действие GitHub с помощью YAML.

Цели обучения

В этом модуле рассматриваются следующие задачи:

  • Создание субъекта-службы и назначение ему разрешений, необходимых для запуска задания Машинного обучения Azure.
  • Безопасное хранение учетных данных Azure с помощью секретов в GitHub.
  • Создание действия GitHub с помощью YAML, которое использует сохраненные учетные данные Azure для запуска задания машинного обучения Azure.