Introdução

Imagine que você é um engenheiro de aprendizado de máquina, trabalhando em conjunto com uma equipe de ciência de dados em um modelo de classificação de diabetes. O fluxo de trabalho criado pela equipe de ciência de dados pré-processa os dados e treina o modelo. Você deseja executar automaticamente o fluxo de trabalho. Ao fazer isso, você permitirá o treinamento automatizado (e retreinamento) do modelo de classificação em diferentes ambientes, impulsionado por diferentes eventos.

A automação é uma parte importante nas operações de aprendizado de máquina (MLOps). Semelhante ao DevOps, o MLOps permite o rápido desenvolvimento e entrega de artefatos de aprendizado de máquina aos consumidores desses artefatos. Uma estratégia de MLOps eficaz permite a criação de fluxos de trabalho automatizados para treinar, testar e implantar modelos de aprendizado de máquina, ao mesmo tempo em que garante que a qualidade do modelo seja mantida.

Usando as Ações do GitHub, você executará automaticamente um trabalho do Azure Machine Learning para treinar um modelo. Para executar seus trabalhos do Azure Machine Learning com as Ações do GitHub, você salvará suas credenciais do Azure como um segredo no GitHub. Em seguida, você definirá a Ação do GitHub usando YAML.

Objetivos de aprendizagem

Neste módulo, irá saber como:

• Crie e atribua a uma entidade de serviço as permissões necessárias para executar um trabalho do Azure Machine Learning.
• Armazene as credenciais do Azure com segurança usando segredos no GitHub.
• Crie uma Ação do GitHub usando o YAML que usa as credenciais armazenadas do Azure para executar um trabalho do Azure Machine Learning.