Entender o problema de negócios

Seu trabalho na Proseware é uma start-up jovem, que visa aprimorar a assistência médica. Junto com a equipe de ciência de dados, você concluiu recentemente o trabalho de operacionalização de um modelo de classificação de diabetes. Em outras palavras, você converteu notebooks em scripts que podem ser executados como um trabalho do Azure Machine Learning.

Durante uma apresentação da solução de ponta a ponta para os stakeholders corporativos e técnicos da Proseware, surgiram várias perguntas sobre como dimensionar o uso desse modelo tanto do ponto de vista da criação do modelo quanto do ponto de vista do consumo.

Na saúde, muitos modelos usam dados médicos de pacientes para prever doenças. Em projetos anteriores, aprendemos que esses modelos geralmente são altamente dependentes da localização geográfica da população em que o modelo é treinado. Para tornar esse modelo escalonável, precisamos garantir que diferentes versões do modelo possam ser treinadas automaticamente com base em diferentes segmentos de dados.

Na reunião, os stakeholders corporativos e técnicos decidiram implementar uma estratégia de MLOps (operações de machine learning) para permitir a rápida criação, atualização e implantação de modelos, como o modelo de classificação que a equipe de ciência de dados desenvolveu para o aplicativo Web do profissional.

Como a Proseware usa o GitHub para realizar controle de versão do próprio código, foi tomada a decisão de usar GitHub Actions como o componente de automação da estratégia de MLOps.

A primeira etapa na implementação do processo de automação é desenvolver uma GitHub Action para treinar o modelo de classificação de diabetes usando trabalhos do Azure Machine Learning.

Para criar a GitHub Action para disparar o treinamento de modelo usando a computação do Azure Machine Learning, você deve:

• Criar uma entidade de serviço usando a CLI do Azure.
• Armazene as credenciais da entidade de serviço como um segredo no GitHub.
• Crie uma GitHub Action para treinar o modelo usando a computação do Azure Machine Learning.