Introdução
Imagine que você é um engenheiro de machine learning trabalhando em conjunto com uma equipe de ciência de dados em um modelo de classificação de dados de diabetes. O fluxo de trabalho criado pela equipe de ciência de dados processa os dados previamente e treina o modelo. Você deseja executar o fluxo de trabalho automaticamente. Ao fazer isso, você permitirá o treinamento automatizado (e o novo treinamento) do modelo de classificação em ambientes diferentes, orientados por diferentes eventos.
A automação é uma parte importante do MLOps (operações de machine learning). Semelhante ao DevOps, o MLOps permite o desenvolvimento rápido e a entrega de artefatos de machine learning aos consumidores desses artefatos. Uma estratégia eficaz de MLOps permite a criação de fluxos de trabalho automatizados para treinar, testar e implantar modelos de machine learning, garantindo que a qualidade do modelo seja mantida.
Usando o GitHub Actions, você executará automaticamente um trabalho do Azure Machine Learning para treinar um modelo. Para executar seus trabalhos do Azure Machine Learning com o GitHub Actions, você salvará suas credenciais do Azure como um segredo no GitHub. Em seguida, você definirá a ação do GitHub usando o YAML.
Objetivos de aprendizagem
Neste módulo, você aprenderá a:
- Crie uma entidade de serviço e atribua a ela as permissões necessárias para executar um trabalho do Azure Machine Learning.
- Armazene as credenciais do Azure com segurança usando segredos no GitHub.
- Crie uma ação do GitHub usando YAML que use as credenciais armazenadas do Azure para executar um trabalho do Azure Machine Learning.