Automatisera modellträning med GitHub Actions

Nybörjare

Datavetare

Azure Machine Learning

GitHub

Välj den här modulen om du vill automatisera och validera modellträning med GitHub Actions och Azure Machine Learning pipelines.

Utbildningsmål

I den här modulen lär du dig att:

Identifiera vilka tillgångar för maskininlärning som ska versionshanteras i Git och vilka som hör hemma i specialanpassade tjänster som datalager och modellregister.
Beskriv trunkbaserade utvecklingsmetoder – kortlivade grenar, pull-begäranden och regler för grenskydd – som håller den delade grenen stabil samtidigt som säker iteration tillåts.
Förklara hur GitHub Actions arbetsflöden validerar kodändringar med lintnings- och enhetstester och hur grenskydd kan kräva dessa kontroller innan de slås samman.
Jämför klienthemligheter för tjänsthuvudnamn med federering av arbetsbelastningsidentiteter och förklara varför OpenID Connect är den föredragna autentiseringsmetoden för GitHub Actions-arbetsflöden som anropar Azure.
Beskriv hur ett GitHub Actions arbetsflöde skickar Azure Machine Learning kommando- och pipelinejobb och förklarar hur en mellanhand konverterar Azure händelser till repository_dispatch händelser.

Erfarenhet av att utveckla och träna maskininlärningsmodeller
Kännedom om grundläggande Azure Machine Learning-begrepp, inklusive arbetsytor och träningsjobb
Grundläggande kunskaper om GitHub lagringsplatser, grenar och pull-begäranden