Operacionalizar modelos de aprendizagem automática (MLOps)
Síntese
-
Level
-
Habilidade
-
Produto
-
Função
Siga um fluxo de trabalho MLOps de ponta a ponta em duas etapas. Primeiro, desenhar uma solução de treino, experimentar modelos, acompanhar o treino com MLflow e ajustar os hiperparâmetros. Depois, construir pipelines, planear uma solução MLOps, automatizar o treino de modelos com GitHub Actions e implementar e monitorizar um modelo.
Pré-requisitos
- Experiência de programação com Python ou R
- Experiência no desenvolvimento e treinamento de modelos de machine learning
- Familiaridade com os conceitos básicos do Azure Machine Learning
Código de Feito
Pretende pedir um código de feito?
Módulos neste percurso de aprendizagem
Escolha este módulo se quiser conceber uma solução de treino de aprendizagem automática e selecione os serviços e computação do Azure Machine Learning.
Escolha este módulo se quiser comparar modelos usando machine learning automatizado, MLflow e o dashboard Responsible AI.
Escolha este módulo se quiser converter notebooks em scripts de treino, executar trabalhos de comandos e acompanhar modelos com MLflow.
Escolha este módulo se quiser otimizar o treino de modelos ajustando hiperparâmetros com sweep jobs no Azure Machine Learning.
Escolha este módulo se quiser automatizar fluxos de trabalho de machine learning em vários passos com componentes reutilizáveis e pipelines de Azure Machine Learning.
Escolha este módulo se quiser desenhar uma arquitetura MLOps para monitorizar e retreinar modelos de produção.
Escolha este módulo se quiser automatizar e validar o treino de modelos com pipelines GitHub Actions e Azure Machine Learning.
Escolha este módulo se quiser registar, implementar, monitorizar e reverter modelos usando GitHub Actions e ambientes protegidos.