MLOps auf Azure: Automatisieren von ML-Workflows mit Data Factory

Die Migration von Machine-Learning-Modellen von einem lokalen Notebook in eine zuverlässige Produktionsumgebung kann eine Herausforderung darstellen. Dieser textbasierte Kurs führt Sie durch die Automatisierung dieses Übergangs mit Azure MLOps und Data Factory. Sie lernen, wie Sie automatisierte Pipelines erstellen, die Datenbewegungen orchestrieren, Modelltraining auslösen, Versionierung verwalten und Bereitstellungen in der Produktion überwachen. Lernen Sie die Grundprinzipien von MLOps, die wichtigsten Begriffe und grundlegende Workflow-Konzepte kennen. Konfigurieren Sie Data Factory, um Datenaufbereitungspipelines zu orchestrieren und zu automatisieren. Registrieren und versionieren Sie Machine-Learning-Modelle mithilfe einer zentralen Modellregistrierung. Erstellen Sie automatisierte Pipelines, um Modelle sicher und konsistent bereitzustellen. Überwachen Sie die Modellleistung in der Produktion und verstehen Sie grundlegende Konzepte der Drift-Erkennung. Wenden Sie Best Practices für Sicherheit und Zugriffskontrolle in Ihrer Cloud-Umgebung an. Ausgehend von grundlegenden Cloud- und MLOps-Konzepten führt Sie der Kurs Schritt für Schritt durch das Einrichten von Datenpipelines, das Bereitstellen von Modellen und das Einführen einer kontinuierlichen Überwachung. Dieser Kurs richtet sich an Datenwissenschaftler, Entwickler und angehende Ingenieure, die die Grundlagen der Automatisierung erlernen möchten. Keine erweiterte DevOps-Erfahrung erforderlich. Lesen Sie noch heute weiter, um die Grundlagen des automatisierten maschinellen Lernens zu erlernen.