บทนำ
สมมติว่า คุณเป็นวิศวกรการเรียนรู้ของเครื่องที่ได้รับมอบหมายให้นําแบบจําลองจากการพัฒนาไปเป็นการผลิต หากต้องการฝึก ทดสอบ และปรับใช้แบบจําลองการเรียนรู้ของเครื่อง จะดีที่สุดที่จะใช้สภาพแวดล้อม เป็นส่วนหนึ่งของกลยุทธ์ การดําเนินการเรียนรู้ของเครื่อง (MLOps)
หลังจากที่นักวิทยาศาสตร์ข้อมูลได้ฝึกและทดสอบแบบจําลองแล้ว คุณจะต้องปรับใช้แบบจําลอง ทดสอบการปรับใช้ และสุดท้ายปรับใช้แบบจําลองไปยังการผลิตซึ่งจะใช้ในขนาดใหญ่ ซึ่งสอดคล้องกับแนวทางปฏิบัติในการพัฒนาซอฟต์แวร์ งานเหล่านี้ควรดําเนินการในสภาพแวดล้อมที่แตกต่างกัน โดยการใช้สภาพแวดล้อม เช่น การพัฒนา การจัดเตรียม และสภาพแวดล้อมการผลิต คุณสามารถแยกเวิร์กโฟลว์ MLOps ได้
ในการสร้างสภาพแวดล้อมที่แตกต่างกัน คุณสามารถสร้างพื้นที่ทํางาน Azure Machine Learning ที่แตกต่างกันที่เชื่อมโยงกับสภาพแวดล้อม GitHub ที่แยกต่างหากได้ ด้วยการใช้ การดําเนินการ GitHub คุณสามารถทําให้เวิร์กโฟลว์ข้ามสภาพแวดล้อมเป็นอัตโนมัติได้โดยการเพิ่มการอนุมัติที่ผ่านประตูเพื่อลดความเสี่ยง
วัตถุประสงค์การเรียนรู้
ในมอดูลนี้ คุณจะได้เรียนรู้วิธีการ:
- ตั้งค่าสภาพแวดล้อมใน GitHub
- ใช้สภาพแวดล้อมในการดําเนินการ GitHub
- เพิ่มการอนุมัติเพื่อกําหนดผู้ตรวจสอบที่จําเป็นก่อนที่จะย้ายแบบจําลองไปยังสภาพแวดล้อมถัดไป