Introduzione
In Azure Machine Learning è possibile sperimentare nei notebook ed eseguire il training (e ripetere il training) dei modelli di Machine Learning eseguendo script come processi.
In un processo di data science aziendale è necessario separare il processo complessivo in singole attività. È possibile raggruppare le attività come pipeline. Le pipeline sono fondamentali per implementare una soluzione machine learning operations (MLOps) efficace in Azure.
Si apprenderà come creare componenti di singole attività, semplificando il riutilizzo e la condivisione del codice. I componenti verranno quindi combinati in una pipeline di Azure Machine Learning, che verrà eseguita come processo della pipeline.
Nota
Il termine pipeline viene usata ampiamente in vari domini, tra cui Machine Learning e progettazione software. In Azure Machine Learning, una pipeline contiene passaggi correlati al training di un modello di Machine Learning. In Azure DevOps o GitHub una pipeline può fare riferimento a pipeline di compilazione o versione, che eseguono le attività di compilazione e configurazione necessarie per distribuire software. In Azure Synapse Analytics si usa una pipeline per definire il processo di inserimento e di trasformazione dei dati. Questo modulo è dedicato alle pipeline di Azure Machine Learning. Tuttavia, tenere presente che è possibile avere pipeline in più servizi che interagiscono tra loro. Ad esempio, una pipeline di Azure DevOps o Azure Synapse Analytics può attivare una pipeline di Azure Machine Learning.
Suggerimento
Altre informazioni su MLOps in relazione ad Azure Machine Learning con un'introduzione alle operazioni di Machine Learning
Obiettivi di apprendimento
Contenuto del modulo:
- Creare componenti.
- Creare una pipeline di Azure Machine Learning.
- Eseguire una pipeline di Azure Machine Learning.