Operationalisera maskininlärningsmodeller (MLOps)

  • Inlärningsväg
  • 8 Moduler

I korthet

Följ ett MLOps-arbetsflöde från slutpunkt till slutpunkt i två steg. Börja med att utforma en träningslösning, experimentera med modeller, spåra träning med MLflow och finjustera hyperparametrar. Skapa sedan pipelines, planera en MLOps-lösning, automatisera modellträning med GitHub Actions och distribuera och övervaka en modell.

Förutsättningar

  • Programmeringsupplevelse med Python eller R
  • Erfarenhet av att utveckla och träna maskininlärningsmodeller
  • Kunskaper om grundläggande Azure Machine Learning-begrepp

Moduler i den här utbildningsvägen

Kom igång med maskininlärning i Azure

Välj den här modulen om du vill utforma en maskininlärningsträningslösning och välja Azure Machine Learning tjänster och beräkning.

Experimentera med Azure Machine Learning

Välj den här modulen om du vill jämföra modeller med hjälp av automatiserad maskininlärning, MLflow och instrumentpanelen Ansvarsfull AI.

Köra träningsskript och spåra modeller med MLflow i Azure Machine Learning

Välj den här modulen om du vill konvertera notebook-filer till träningsskript, köra kommandojobb och spåra modeller med MLflow.

Utföra hyperparameterjustering med Azure Machine Learning

Välj den här modulen om du vill optimera modellträningen genom att justera hyperparametrar med svepjobb i Azure Machine Learning.

Att köra pipelines i Azure Machine Learning

Välj den här modulen om du vill automatisera arbetsflöden för maskininlärning i flera steg med återanvändbara komponenter och Azure Machine Learning pipelines.

Utforma en lösning för maskininlärningsåtgärder (MLOps)

Välj den här modulen om du vill utforma en MLOps-arkitektur för övervakning och omträning av produktionsmodeller.

Automatisera modellträning med GitHub Actions

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

Distribuera och övervaka en modell i Azure Machine Learning

Välj den här modulen om du vill registrera, distribuera, övervaka och återställa modeller med hjälp av GitHub Actions och skyddade miljöer.

Start