Эксплуатация моделей машинного обучения (MLOps)
Вкратце
-
Level
-
Навык
-
Продукт
Узнайте, как использовать модели машинного обучения с помощью полного жизненного цикла MLOps. Этот путь обучения охватывает экспериментирование и обучение моделей с помощью Машинного обучения Azure, автоматизацию обучения моделей с помощью конвейеров и настройки гиперпараметров, активацию заданий с помощью GitHub Actions, реализацию разработки на основе магистрали, управление средами и развертывание моделей в рабочей среде.
Предварительные требования
- Опыт программирования на языке Python или R
- Опыт разработки и обучения моделей машинного обучения
- Знание основных понятий Машинного обучения Azure
Код достижения
Вы хотите запросить код достижения?
Модули, включенные в эту схему обучения
Узнайте, как найти лучшую модель машинного обучения с помощью автоматизированного машинного обучения (AutoML), записных книжек MLflow и панели мониторинга ответственного искусственного интеллекта.
Узнайте, как выполнять настройку гиперпараметров с помощью задания перебора в Azure Machine Learning.
Узнайте, как создавать и использовать компоненты для создания конвейера в Машинном обучении Azure. Запуск и планирование конвейеров машинного обучения Azure для автоматизации рабочих процессов машинного обучения.
Узнайте, как автоматизировать рабочие процессы машинного обучения с помощью GitHub Actions.
Узнайте, как защитить главную ветвь и как активировать задачи в рабочем процессе машинного обучения на основе изменений в коде.
Узнайте, как обучать, тестировать и развертывать модель машинного обучения с помощью сред в рамках стратегии операций машинного обучения (MLOps).
Узнайте, как автоматизировать и тестировать развертывание модели с помощью GitHub Actions и интерфейса командной строки Машинного обучения Azure (версии 2).