導入
Azure Machine Learning では、ノートブックで実験し、ジョブとしてスクリプトを実行して機械学習モデルをトレーニング (および再トレーニング) することができます。
エンタープライズ データ サイエンス プロセスでは、プロセス全体を個々のタスクに分割する場合があります。 タスクはパイプラインとしてグループ化することができます。 パイプラインは、Azure で効果的な Machine Learning Operations(MLOps) ソリューションを実装する上で重要です。
個々のタスクのコンポーネントを作成し、コードの再利用と共有を簡単にする方法を学習します。 次に、コンポーネントを Azure Machine Learning パイプラインに結合し、パイプライン ジョブとして実行します。
注意
"パイプライン" という用語は、機械学習やソフトウェア エンジニアリングなど、さまざまな分野で幅広く使われています。 Azure Machine Learning の場合、パイプラインには、機械学習モデルのトレーニングに関連するステップが含まれています。 Azure DevOps または GitHub の場合、パイプラインは、ソフトウェアの提供に必要なビルドおよび構成タスクを実行するビルドまたはリリース パイプラインを指す可能性があります。 Azure Synapse Analytics の場合、パイプラインは、データ インジェストと変換のプロセスを定義するために使われます。 このモジュールでは、Azure Machine Learning のパイプラインに焦点を当てます。 ただし、サービス間のパイプラインが相互にやり取りする可能性があることに注意してください。 たとえば、Azure DevOps または Azure Synapse Analytics のパイプラインにより、Azure Machine Learning のパイプラインがトリガーされる可能性があります。
ヒント
Azure Machine Learning に関連する MLOps の詳細については、「機械学習操作の概要」を参照してください。
学習の目的
このモジュールでは、次の方法を学習します。
- コンポーネントを作成する。
- Azure Machine Learning パイプラインを構築する。
- Azure Machine Learning パイプラインを実行する。