Maskininlärningsåtgärder från slutpunkt till slutpunkt (MLOps) med Azure Machine Learning

  • Inlärningsväg
  • 6 Moduler
Medel
Data Scientist
Azure Machine Learning
GitHub

Maskininlärningsåtgärder (MLOps) tillämpar DevOps-principer på maskininlärningsprojekt. I den här utbildningsvägen får du lära dig hur du implementerar viktiga begrepp som källkontroll, automatisering och CI/CD för att skapa en MLOps-lösning från slutpunkt till slutpunkt.

Förutsättningar

  • Programmeringsupplevelse med Python eller R
  • Erfarenhet av att utveckla och träna maskininlärningsmodeller
  • Kunskaper om grundläggande Azure Machine Learning-begrepp

Moduler i den här utbildningsvägen

Använda ett Azure Machine Learning-jobb för automatisering

Lär dig hur du tar din maskininlärningsmodell från experimentering till produktion med hjälp av Azure Machine Learning-jobb.

Utlösa Azure Machine Learning-jobb med GitHub Actions

Lär dig hur du automatiserar dina maskininlärningsarbetsflöden med hjälp av GitHub Actions.

Utlösa GitHub Actions med funktionsbaserad utveckling

Lär dig hur du skyddar din huvudgren och hur du utlöser uppgifter i maskininlärningsarbetsflödet baserat på ändringar i koden.

Arbeta med linting och enhetstestning i GitHub Actions

Lär dig hur du automatiserar kodkontroller när du uppdaterar kod för maskininlärningsarbetsbelastningar.

Arbeta med miljöer i GitHub Actions

Lär dig hur du tränar, testar och distribuerar en maskininlärningsmodell med hjälp av miljöer som en del av din STRATEGI för maskininlärningsåtgärder (MLOps).

Distribuera en modell med GitHub Actions

Lär dig hur du automatiserar och testar modelldistribution med GitHub Actions och Azure Machine Learning CLI (v2).