Introducción
Después del entrenamiento, se debe implementar un modelo de Machine Learning para integrar el modelo con una aplicación. En Azure Machine Learning, puede implementar fácilmente un modelo en un punto de conexión por lotes o en línea al registrar el modelo con MLflow.
Imagine que es científico de datos y que trabaja para una empresa que crea una aplicación para profesionales de atención médica con el fin de ayudar a diagnosticar la diabetes en pacientes. Los profesionales introducen la información médica de un paciente y esperan una respuesta de la aplicación, lo que indica si es probable que un paciente tenga diabetes o no.
Espera volver a entrenar periódicamente el modelo que predice la diabetes. Siempre que tenga más datos de entrenamiento, quiere volver a entrenar el modelo para generar un modelo de mejor rendimiento. Cada vez que se vuelve a entrenar el modelo, quiere actualizar el modelo que se implementa en el punto de conexión y que está integrado con la aplicación. Al hacerlo, proporciona a los profesionales la versión más reciente del modelo en cualquier momento que usen la aplicación.
Aprenderá a registrar un modelo con MLflow en Azure Machine Learning para preparar el modelo para la implementación.
Objetivos de aprendizaje
En este módulo aprenderá a:
- Registre modelos con MLflow.
- Comprenda el formato de MLmodel.
- Registre un modelo de MLFlow en Azure Machine Learning.