使用 Azure Machine Learning 進行端對端的機器學習作業 (MLOp)

  • 學習途徑
  • 6 單元
中級
資料科學家
Azure Machine Learning
GitHub

機器學習作業 (MLOps) 會將 DevOps 準則套用至機器學習專案。 在此學習路徑中，您將了解如何實作原始檔控制、自動化和 CI/CD 等重要概念，以建置端對端 MLOps 解決方案。

必要條件

  • 使用 Python 或 R 進行程式設計
  • 開發和定型機器學習模型的經驗
  • 熟悉 Azure Machine Learning 基本概念

此學習路徑中的課程模組

使用 Azure Machine Learning 作業來進行自動化

了解如何使用 Azure Machine Learning 作業，將您的機器學習模型從實驗階段投入實際執行環境。

使用 GitHub Actions 觸發 Azure Machine Learning 作業

了解如何使用 GitHub Actions 將機器學習工作流程自動化。

使用功能型開發觸發 GitHub Actions

了解如何保護您的主分支，以及如何根據程式碼的變更觸發機器學習工作流程中的工作。

在 GitHub Actions 中使用 Lint 分析和單元測試

了解如何在更新機器學習工作負載的程式碼時自動執行程式碼檢查。

在 GitHub Actions 中使用環境

了解如何使用環境作為機器學習作業 (MLOps) 策略的一部分，來定型、測試及部署機器學習模型。

使用 GitHub Actions 部署模型

了解如何使用 GitHub Actions 和 Azure Machine Learning CLI (v2) 來自動化及測試模型部署。