操作机器学习模型（MLOps）

速览

遵循分两个阶段的端到端 MLOps 工作流。首先，设计训练解决方案、试验模型、使用 MLflow 跟踪训练，以及优化超参数。然后，生成管道、规划 MLOps 解决方案、使用GitHub Actions自动执行模型训练，以及部署和监视模型。

如果要设计机器学习训练解决方案并选择Azure 机器学习服务和计算，请选择此模块。

如果要使用自动化机器学习、MLflow 和负责任的 AI 仪表板比较模型，请选择此模块。

如果要将笔记本转换为训练脚本、运行命令作业以及使用 MLflow 跟踪模型，请选择此模块。

如果要通过在Azure 机器学习中使用扫描作业优化超参数来优化模型训练，请选择此模块。

如果要使用可重用组件和Azure 机器学习管道自动执行多步骤机器学习工作流，请选择此模块。

如果要使用GitHub Actions和Azure 机器学习管道自动执行和验证模型训练，请选择此模块。

如果要使用GitHub Actions和保护环境注册、部署、监视和回滚模型，请选择此模块。