Introdução
Imagine que você treinou um modelo para prever as vendas do produto. O modelo foi treinado e rastreado no Azure Machine Learning. Todos os meses, você deseja usar o modelo para prever as vendas para o mês seguinte.
Em muitos cenários de produção, tarefas de longa execução que lidam com grandes quantidades de dados são executadas como operações em lote . No aprendizado de máquina, a inferência em lote é usada para aplicar de forma assíncrona um modelo preditivo a vários casos e gravar os resultados em um arquivo ou banco de dados.
No Azure Machine Learning, você pode implementar soluções de inferência em lote implantando um modelo em um ponto de extremidade em lote.
Objetivos de aprendizagem
Neste módulo, irá saber como:
- Crie um ponto de extremidade em lote.
- Implante seu modelo MLflow em um ponto de extremidade em lote.
- Implante um modelo personalizado em um ponto de extremidade em lote.
- Invoque pontos de extremidade em lote.