はじめに

• 2 分

あなたは機械学習エンジニアで、開発から運用までのモデルを用意する仕事が与えられています。 機械学習モデルをトレーニングし、テストし、デプロイするには、機械学習運用 (MLOps) 戦略の一環として環境を利用することが最も良いとされます。

データ サイエンティストがモデルをトレーニングし、テストしたら、あなたがモデルをデプロイし、デプロイをテストし、最後にモデルを運用環境にデプロイします。その運用環境でモデルが大規模に利用されます。 ソフトウェア開発プラクティスに従って、これらのタスクはさまざまな環境で実行する必要があります。 開発、ステージング、運用環境などの環境を使用すると、MLOps ワークフローを分離できます。

異なる環境を作成するために、別の GitHub 環境にリンクされた異なる Azure Machine Learning ワークスペースを作成できます。 GitHub Actions を利用することで、複数の環境でワークフローを自動化し、ゲート承認を追加してリスクを軽減できます。

学習の目的

このモジュールでは、次の方法を学習します。

• GitHub で環境を設定します。
• GitHub Actions で環境を使用します。
• モデルを次の環境に移動する前に、必要なレビュー担当者を割り当てる承認を追加します。