はじめに

機械学習モデルのトレーニングは、1 回手動で行います。 チームが毎日反復処理するとき、新しいデータを再トレーニングする必要がある場合、またはすべてのモデル バージョンがレビューおよび承認された変更に戻っていることを示す必要がある場合は、スケーリングされません。

あなたは Proseware のデータ サイエンティストだとします。 あなたのチームは、開業医がさらなる糖尿病スクリーニングまたは治療を必要とする可能性のある患者を特定するのに役立つモバイルアプリを開発しています。 分類モデルのトレーニング スクリプトはありますが、すべての実行では、適切なコマンドを覚え、資格情報を指定し、出力を監視する必要があります。 同僚が患者データの準備方法を変更しても、モデルがまだ正常にトレーニングされているか、その精度要件を満たしているかの自動チェックはありません。

このモジュールは、自動化レイヤーをゼロから構築します。 ソース管理から始めます。何をバージョン管理し、何を専用のストアに保持するか。 次に、チームが反復処理している間に運用コードを保護する方法として、トランクベースの開発について説明します。 そこから、GitHub Actions が提案された変更をマージ前に自動的に検証する方法、それらのワークフローを Azure に安全に接続する方法、そして GitHub のイベントや Azure 側のシグナルから Azure Machine Learning のジョブをトリガーする方法を見ていきます。

このモジュールを終了すると、Git に属する機械学習資産を特定し、トランクベースの開発が変更を管理する方法について説明し、GitHub Actions ワークフローがコードを検証し、Azureに対して認証し、ジョブAzure Machine Learning送信する方法を説明できます。