上兩篇終於把CI pipeline建立完成，CI pipeline做的就是把資料科學家會在Azure Machine Learning (AML)執行的所有任務，改由agent執行。
CI pipeline建立文章:
【Azure MLOps - 3】使用Azure DevOps建立訓練模型的CI pipeline(上)
【Azure MLOps - 4】使用Azure DevOps建立訓練模型的CI pipeline(下)
本篇文章結構:

1. 概念說明
2. 啟動CI pipeline，並檢視Azure DevOps【pipeline published artifact區域】有模型檔案
3. 檢查Azure Machine Learning workspace

1.概念說明

在之後建立CI與CD pipeline後，觸發這條CI pipeline的條件會是「當專案的Azure DevOps Repo有新的commit時，自動觸發」

不過本篇文章是想要確認，前兩篇辛苦設置的CI pipeline是否可以順利運作。上一篇的pipeline成果圖如下，涵蓋了:
(1)建立AML workspace任務
(2)在AML上新增compute cluster任務
(3)上傳訓練資料集到AML data assets任務
(4)訓練模型任務
(5)註冊模型任務
(6)下載模型任務

所以本篇練習，會執行一次CI pipeline，確認Azure Machine Learninig workspace中，是否有對應的訓練模型Job、模型也被註冊。

2.啟動CI pipeline

點選save&queue後，點選run:

啟動後，點選pipeline當中的agent job 1，可以即時觀察agent正在執行每個任務的log，如果沒有出錯，任務的標示是綠色勾勾:

點選這個CI pipeline，選擇這次的run ID (即使是同一個pipeline，每次跑也都會有一個編號)，可以看到產出的published，這個地方就會是上一篇描述的【pipeline published artifact區域】:

點選published，就會來到【pipeline published artifact區域】，可以看到下載的模型檔案和部署會需要的資料:

3. 檢查Azure Machine Learning workspace

CI pipeline跑完後，模型也發布到【pipeline published artifact區域】中，相對的在Azure ML上也會有每個任務的設定產出。

3-1 AML experiment

在AML worksapce，點選job，可以看到建立好的實驗:insurance_classfication，created by欄位中顯示:「Service Principal」，代表是由agent執行pipeline產出的實驗。Job type是Command (透過Azure CLI執行az ml指令)。
(補充，created by欄位裡，有其他實驗顯示「pipeline」指的是AML的pipeline所建立的Job。)

3-2 AML model

在AML workspace，點選model，可以看到剛剛執行pipeline後，註冊(register model)任務所產生模型。如果點選compute也可以看到用任務中Azure CLI指令建立的compute cluster:

在Azure ML workspace當中看到的所有結果，充分地演示了「資料科學家在AML worksapce做什麼， CI pipeline agent就在AML worksapce做什麼。」，CD pipeline也是一樣的道理，在模型完成後，最終還是要部署成服務的，而資料科學家也會在Azure ML workspace執行「部署模型任務」。

下一篇【Azure MLOps - 6】建立CD pipeline:把機器學習模型部署到staging area