使用 Azure 机器学习进行端到端机器学习操作 (MLOps)

  • 学习路径
  • 6 模块

速览

机器学习操作 (MLOps) 将 DevOps 原则应用于机器学习项目。 在此学习路径中，你将了解如何实现源代码管理、自动化和 CI/CD 等关键概念来生成端到端 MLOps 解决方案。

先决条件

  • 具有 Python 或 R 编程经验
  • 具有开发和训练机器学习模型的经验
  • 熟悉 Azure 机器学习基础概念

本学习路径中的模块

使用 Azure 机器学习作业实现自动化

了解如何使用 Azure 机器学习作业将机器学习模型从试验阶段转变为生产阶段。

使用 GitHub Actions 触发 Azure 机器学习作业

了解如何使用 GitHub Actions 自动执行机器学习工作流。

使用基于功能的开发触发 GitHub Actions

了解如何保护主分支以及如何根据代码更改触发机器学习工作流中的任务。

在 GitHub Actions 中使用 Lint 分析和单元测试

了解如何在更新机器学习工作负载的代码时自动执行代码检查。

使用 GitHub Actions 中的环境

了解如何通过将环境用作机器学习运营 (MLOps) 策略的一部分来训练、测试和部署机器学习模型。

使用 GitHub Actions 部署模型

了解如何使用 GitHub Actions 和 Azure 机器学习 CLI (v2) 自动执行和测试模型部署。

开始