Opérations Machine Learning de bout en bout (MLOps) avec Azure Machine Learning

  • Parcours d’apprentissage
  • 6 Modules

Aperçu

Les opérations de Machine Learning (MLOps) appliquent les principes DevOps aux projets de Machine Learning. Dans ce parcours d’apprentissage, vous allez apprendre à implémenter des concepts clés, tels que le contrôle de code source, l’automatisation et les CI/CD, pour créer une solution MLOps de bout en bout.

Prérequis

  • Expérience en programmation avec Python ou R
  • Expérience en développement et en entraînement de modèles Machine Learning
  • Connaissance des concepts Azure Machine Learning de base

Modules de ce parcours d’apprentissage

Utiliser un travail Azure Machine Learning pour automatiser

Apprenez à faire passer votre modèle Machine Learning de l’expérimentation à la production à l’aide de travaux Azure Machine Learning.

Déclencher des travaux Azure Machine Learning avec GitHub Actions

Apprenez à automatiser vos workflows Machine Learning avec GitHub Actions.

Déclencher GitHub Actions avec le développement basé sur les fonctionnalités

Apprenez à protéger votre branche principale et à déclencher des tâches dans le workflow Machine Learning en fonction des modifications dans le code.

Utiliser le linting et les tests unitaires dans GitHub Actions

Apprenez à automatiser les vérifications de code chaque fois que vous mettez à jour le code pour les charges de travail Machine Learning.

Utiliser des environnements dans GitHub Actions

Apprenez à entraîner, tester et déployer un modèle Machine Learning en utilisant des environnements dans le cadre de votre stratégie MLOps (Machine Learning Operations).

Déployer un modèle avec GitHub Actions

Apprenez à automatiser et à tester le déploiement de modèles avec GitHub Actions et Azure Machine Learning CLI (v2).

Démarrer