O que são os pipelines do Azure Machine Learning?

Um pipeline do Azure Machine Learning é um fluxo de trabalho que automatiza uma tarefa completa de aprendizado de máquina. Ele padroniza as melhres práticas, dá suporte à colaboração em equipe e melhora a eficiência.

Por que os pipelines do Azure Machine Learning são necessários?

• Padroniza as MLOps (operações de aprendizado de máquina) e dá suporte à colaboração em equipe escalonável
• Melhora a eficiência do treinamento e reduz o custo

Um pipeline divide uma tarefa de aprendizado de máquina em etapas. Cada etapa é um componente gerenciável que pode ser desenvolvido e automatizado separadamente. O Azure Machine Learning gerencia as dependências entre as etapas. Essa abordagem modular:

• Padroniza o MLOps e dá suporte à colaboração em equipe
• Melhora a eficiência do treinamento e reduz o custo
• Padroniza as MLOps (operações de aprendizado de máquina) e dá suporte à colaboração em equipe escalonável
• Melhora a eficiência do treinamento e reduz o custo

Padronizar a prática de MLOps e dar suporte à colaboração em equipe escalonável

O MLOps automatiza a criação e a implantação de modelos. Os pipelines simplificam esse processo mapeando cada etapa para uma tarefa específica, para que as equipes possam trabalhar de forma independente.

Por exemplo, um projeto pode incluir coleta de dados, preparação, treinamento, avaliação e implantação. Engenheiros de dados, cientistas e engenheiros de ML possuem cada um seus passos. As etapas são mais bem criadas como componentes e, em seguida, integradas a um único fluxo de trabalho. Os pipelines podem ser com versão, automatizados e padronizados pelas práticas do DevOps.

Eficiência de treinamento e redução de custos

Os pipelines também melhoram a eficiência e reduzem os custos. Eles reutilizam saídas de etapas inalteradas e permitem executar cada etapa no melhor recurso de computação para a tarefa.

Introdução às melhores práticas

Você pode criar um pipeline de várias maneiras, dependendo do ponto de partida.

Ao começar a trabalhar com pipelines, comece dividindo o código existente em etapas, parametrizando entradas e encapsulando tudo em um pipeline.

Para escalar, use modelos de pipeline para problemas comuns. O Teams bifurca um modelo, trabalha em etapas atribuídas e atualiza apenas sua parte conforme necessário.

Com pipelines e componentes reutilizáveis, as equipes podem criar rapidamente novos fluxos de trabalho clonando ou combinando peças existentes.

Qual tecnologia de pipeline do Azure devo usar?

O Azure fornece vários tipos de pipelines para diferentes finalidades:

Próximas etapas

Os pipelines do Azure Machine Learning agregam valor desde o início do desenvolvimento.