Hiểu rõ vấn đề kinh doanh
Hãy tưởng tượng bạn là một kỹ sư máy học tại Proseware, một khởi nghiệp trẻ làm việc trên một ứng dụng chăm sóc sức khỏe mới. Mô hình phân loại bệnh tiểu đường, do các nhà khoa học dữ liệu tạo ra là mô hình đầu tiên được tích hợp với ứng dụng. Sau khi bạn nói chuyện với nhóm lớn hơn, hóa ra mục tiêu là có nhiều mô hình được tích hợp với ứng dụng web.
Khi mô hình phân loại bệnh tiểu đường trở nên thành công, Proseware muốn bổ sung thêm nhiều mô hình máy học, để các học viên có thể chẩn đoán bệnh nhân các bệnh khác nhau nhanh hơn. Đối với mỗi mô hình mới, nhóm khoa học dữ liệu sẽ cần phải có khả năng thử nghiệm trong một môi trường an toàn. Sau khi mô hình mới đủ chính xác để được tích hợp với ứng dụng web, mô hình mới sẽ được kiểm tra trước khi triển khai đến một điểm cuối sẽ được gọi từ ứng dụng web.
Cùng với nhóm, bạn quyết định tốt nhất là sử dụng các môi trường khác nhau:
- phát triển thử nghiệm.
- bộ để thử nghiệm.
- sản để triển khai mô hình đến điểm cuối sản xuất.
Đối với mỗi môi trường, bạn sẽ tạo một không gian làm việc Azure Machine Learning riêng biệt. Bằng cách giữ các không gian làm việc riêng biệt cho từng môi trường, bạn sẽ có thể bảo vệ dữ liệu và tài nguyên. Ví dụ: không gian làm việc phát triển sẽ không chứa bất kỳ dữ liệu cá nhân nào từ bệnh nhân. Và các nhà khoa học dữ liệu sẽ chỉ có quyền truy cập vào không gian làm việc phát triển, vì họ chỉ cần một môi trường để thử nghiệm, và không cần truy cập vào bất kỳ mã hoặc tài nguyên sản xuất nào.
Là một kỹ sư máy học, bạn cần phải đảm bảo rằng bất kỳ thứ gì mà các nhà khoa học dữ liệu xây dựng, sẽ dễ dàng di chuyển qua các môi trường. Một khi mô hình mới đã sẵn sàng để triển khai, bạn muốn mô hình được đào tạo và thử nghiệm trong môi trường dàn dựng. Sau khi kiểm tra mã, mô hình và triển khai, bạn muốn triển khai mô hình trong môi trường sản xuất. Các phần của quy trình này có thể được tự động hóa để tăng tốc quá trình.
Để làm việc với môi trường, bạn sẽ muốn:
- Tạo môi trong kho GitHub của bạn.
- Lưu trữ thông tin xác thực cho mỗi không gian làm việc Azure Machine Learning dưới dạng một môi được bảo mật trong GitHub.
- Thêm người yêu cầu vào môi trường để duyệt có.
- Sử dụng môi trường trong dòng công việc Hành động GitHub của bạn.