Operacionalización de modelos de aprendizaje automático (MLOps)
En un vistazo
-
Nivel
-
personalizada
-
Producto
Sigue un flujo de trabajo integral de MLOps en dos etapas. En primer lugar, diseñe una solución de entrenamiento, experimente con modelos, realice un seguimiento del entrenamiento con MLflow y ajuste los hiperparámetros. A continuación, compile canalizaciones, planee una solución de MLOps, automatice el entrenamiento de modelos con Acciones de GitHub e implemente y supervise un modelo.
Requisitos previos
- Experiencia de programación con Python o R
- Experiencia en el desarrollo y entrenamiento de modelos de Machine Learning
- Conocimientos básicos de los conceptos de Azure Machine Learning
Código de logros
¿Desea solicitar un código de logro?
Módulos en esta ruta de aprendizaje
Elija este módulo si desea diseñar una solución de entrenamiento de aprendizaje automático y seleccionar los servicios y recursos de proceso de Azure Machine Learning.
Elija este módulo si desea comparar modelos mediante el aprendizaje automático automatizado, MLflow y el panel de inteligencia artificial responsable.
Elija este módulo si desea convertir cuadernos en scripts de entrenamiento, ejecutar trabajos de comandos y realizar un seguimiento de los modelos con MLflow.
Elija este módulo si desea optimizar el entrenamiento del modelo mediante el ajuste de hiperparámetros con trabajos de barrido en Azure Machine Learning.
Elija este módulo si desea automatizar flujos de trabajo de aprendizaje automático de varios pasos con componentes reutilizables y canalizaciones de Azure Machine Learning.
Elija este módulo si desea diseñar una arquitectura de MLOps para supervisar y volver a entrenar modelos de producción.
Elija este módulo si desea automatizar y validar el entrenamiento del modelo con canalizaciones de Acciones de GitHub y Azure Machine Learning.
Elija este módulo si desea registrar, implementar, supervisar y revertir modelos mediante entornos protegidos y Acciones de GitHub.