Operacionalizar modelos de machine learning (MLOps)
Visão rápida
-
Nível
-
Habilidade
-
Produto
-
Função
Siga um fluxo de trabalho de ponta a ponta do MLOps em dois estágios. Primeiro, crie uma solução de treinamento, experimente modelos, acompanhe o treinamento com o MLflow e ajuste hiperparâmetros. Em seguida, crie pipelines, planeje uma solução MLOps, automatize o treinamento de modelo com GitHub Actions e implante e monitore um modelo.
Pré-requisitos
- Experiência de programação com Python ou R
- Experiência no desenvolvimento e treinamento de modelos de machine learning
- Familiaridade com conceitos básicos do Azure Machine Learning
Código de Conquista
Gostaria de solicitar um código de conquista?
Módulos neste roteiro de aprendizagem
Escolha este módulo se quiser criar uma solução de treinamento de machine learning e selecionar Azure Machine Learning serviços e computação.
Escolha este módulo se quiser comparar modelos usando o machine learning automatizado, o MLflow e o painel de IA Responsável.
Escolha este módulo se quiser converter notebooks em scripts de treinamento, executar trabalhos de comando e acompanhar modelos com o MLflow.
Escolha este módulo se quiser otimizar o treinamento de modelo ajustando hiperparâmetros com trabalhos de varredura em Azure Machine Learning.
Escolha este módulo se quiser automatizar fluxos de trabalho de machine learning de várias etapas com componentes reutilizáveis e pipelines Azure Machine Learning.
Escolha este módulo se quiser projetar uma arquitetura MLOps para monitorar e treinar novamente modelos de produção.
Escolha este módulo se quiser automatizar e validar o treinamento de modelo com pipelines de GitHub Actions e Azure Machine Learning.
Escolha este módulo se quiser registrar, implantar, monitorar e reverter modelos usando ambientes GitHub Actions e protegidos.