Rendere operativi i modelli di Machine Learning (MLOps)

  • Percorso di apprendimento
  • 7 Moduli

Riepilogo

Informazioni su come rendere operativi i modelli di Machine Learning usando il ciclo di vita MLOps completo. Questo percorso di apprendimento illustra l'esperimento e il training di modelli con Azure Machine Learning, l'automazione del training dei modelli con pipeline e ottimizzazione degli iperparametri, l'attivazione di processi con GitHub Actions, l'implementazione dello sviluppo basato su trunk, la gestione degli ambienti e la distribuzione di modelli nell'ambiente di produzione.

Prerequisiti

  • Esperienza di programmazione con Python o R
  • Esperienza nello sviluppo e nel training di modelli di Machine Learning
  • Familiarità con i concetti di base di Azure Machine Learning

Moduli in questo percorso di apprendimento

Sperimentare con Azure Machine Learning

Scopri come trovare il miglior modello di machine learning con machine learning automatizzato (AutoML), notebook tracciati con MLflow e dashboard di intelligenza artificiale responsabile.

Eseguire l'ottimizzazione degli iperparametri con Azure Machine Learning

Scopri come eseguire l'ottimizzazione degli iperparametri con un job di sweep in Azure Machine Learning.

Eseguire pipeline in Azure Machine Learning

Informazioni su come creare e usare componenti per creare pipeline in Azure Machine Learning. Eseguire e pianificare le pipeline di Azure Machine Learning per automatizzare i flussi di lavoro di Machine Learning.

Attivare i processi di Azure Machine Learning con GitHub Actions

Informazioni su come automatizzare i flussi di lavoro di Machine Learning usando GitHub Actions.

Attivare GitHub Actions con lo sviluppo basato su funzionalità

Informazioni su come proteggere il ramo principale e su come attivare le attività nel flusso di lavoro di Machine Learning in base alle modifiche apportate al codice.

Collaborare con gli ambienti in GitHub Actions

Informazioni su come eseguire il training, testare e distribuire un modello di Machine Learning usando gli ambienti come parte della strategia MLOps (Machine Learning Operations).

Distribuire un modello con GitHub Actions

Informazioni su come automatizzare e testare la distribuzione del modello con GitHub Actions e l'interfaccia della riga di comando di Azure Machine Learning (v2).

Avvio