簡介

手動訓練機器學習模型一次。 當你的團隊需要每天迭代、以新資料重新訓練，或必須證明每個模型版本都可追溯至經過審查並核准的變更時，這種做法就無法擴展。

想像你是 Proseware 的資料科學家。 您的團隊正在開發一款行動應用程式，協助從業人員辨識可能需要進一步糖尿病篩檢或治療的患者。 你有一個訓練腳本用於分類模型，但每次執行都需要有人記住正確的指令、提供憑證，並監控輸出。 當同事改變病患資料的準備方式時，不會自動檢查模型是否仍能成功訓練或符合準確度要求。

這個模組從零開始建構自動化層。 你先從版本控制開始——決定哪些內容要納入版本控制，哪些內容要保留在專用的儲存庫中。 接著您會探索主幹型開發，做為保護生產程式碼的方式，讓團隊在迭代中持續進行。 接著，你會看到 GitHub Actions 如何在合併前自動驗證擬議變更，如何安全地將這些工作流程連接到 Azure，以及如何從 GitHub 事件和 Azure 端訊號觸發 Azure Machine Learning 工作。

在本模組結束時，你可以辨識哪些機器學習資產屬於 Git，說明基於 trunk 的開發如何管理變更，並說明 GitHub Actions 工作流程如何驗證程式碼、向 Azure 認證，以及提交 Azure Machine Learning 工作。