上两篇终于把CI pipeline建立完成，CI pipeline做的就是把资料科学家会在Azure Machine Learning (AML)执行的所有任务，改由agent执行。
CI pipeline建立文章:
【Azure MLOps - 3】使用Azure DevOps建立训练模型的CI pipeline(上)
【Azure MLOps - 4】使用Azure DevOps建立训练模型的CI pipeline(下)
本篇文章结构:

概念说明启动CI pipeline，并检视Azure DevOps【pipeline published artifact区域】有模型档案检查Azure Machine Learning workspace

1.概念说明

在之后建立CI与CD pipeline后，触发这条CI pipeline的条件会是「当专案的Azure DevOps Repo有新的commit时，自动触发」

不过本篇文章是想要确认，前两篇辛苦设置的CI pipeline是否可以顺利运作。上一篇的pipeline成果图如下，涵盖了:
(1)建立AML workspace任务
(2)在AML上新增compute cluster任务
(3)上传训练资料集到AML data assets任务
(4)训练模型任务
(5)注册模型任务
(6)下载模型任务

所以本篇练习，会执行一次CI pipeline，确认Azure Machine Learninig workspace中，是否有对应的训练模型Job、模型也被注册。

2.启动CI pipeline

点选save&queue后，点选run:

启动后，点选pipeline当中的agent job 1，可以即时观察agent正在执行每个任务的log，如果没有出错，任务的标示是绿色勾勾:

点选这个CI pipeline，选择这次的run ID (即使是同一个pipeline，每次跑也都会有一个编号)，可以看到产出的published，这个地方就会是上一篇描述的【pipeline published artifact区域】:

点选published，就会来到【pipeline published artifact区域】，可以看到下载的模型档案和部署会需要的资料:

3. 检查Azure Machine Learning workspace

CI pipeline跑完后，模型也发布到【pipeline published artifact区域】中，相对的在Azure ML上也会有每个任务的设定产出。

3-1 AML experiment

在AML worksapce，点选job，可以看到建立好的实验:insurance_classfication，created by栏位中显示:「Service Principal」，代表是由agent执行pipeline产出的实验。Job type是Command (透过Azure CLI执行az ml指令)。
(补充，created by栏位里，有其他实验显示「pipeline」指的是AML的pipeline所建立的Job。)

3-2 AML model

在AML workspace，点选model，可以看到刚刚执行pipeline后，注册(register model)任务所产生模型。如果点选compute也可以看到用任务中Azure CLI指令建立的compute cluster:

在Azure ML workspace当中看到的所有结果，充分地演示了「资料科学家在AML worksapce做什么， CI pipeline agent就在AML worksapce做什么。」，CD pipeline也是一样的道理，在模型完成后，最终还是要部署成服务的，而资料科学家也会在Azure ML workspace执行「部署模型任务」。

下一篇【Azure MLOps - 6】建立CD pipeline:把机器学习模型部署到staging area