Introduzione
Si supponga di essere un tecnico dell'apprendimento automatico che lavora con un team di data science su un modello di classificazione del diabete. Il flusso di lavoro creato dal team di data science pre-elabora i dati ed esegue il training del modello. Si vuole eseguire automaticamente il flusso di lavoro. A tale scopo, si abiliterà il training automatizzato (e la ripetizione del training) del modello di classificazione in ambienti diversi, basato su eventi diversi.
L'automazione è una parte importante nelle operazioni di Machine Learning (MLOps). Analogamente a DevOps, MLOps consente di sviluppare e distribuire rapidamente gli artefatti di apprendimento automatico ai consumer di tali artefatti. Una strategia MLOps efficace consente la creazione di flussi di lavoro automatizzati per eseguire il training, il test e la distribuzione di modelli di Machine Learning, garantendo al tempo stesso che la qualità del modello venga mantenuta.
Usando GitHub Actions, si eseguirà automaticamente un processo di Azure Machine Learning per eseguire il training di un modello. Per eseguire i processi di Azure Machine Learning con GitHub Actions, verranno salvate le credenziali di Azure come segreto in GitHub. Si definirà quindi l'azione GitHub usando YAML.
Obiettivi di apprendimento
Contenuto del modulo:
- Creare e assegnare a un'entità servizio le autorizzazioni necessarie per eseguire un processo di Azure Machine Learning.
- Archiviare le credenziali di Azure in modo sicuro usando i segreti in GitHub.
- Creare con YAML un'azione GitHub che usa le credenziali di Azure archiviate per eseguire un processo di Azure Machine Learning.