Introdução
Imagine que você treinou um modelo para recomendar restaurantes. O modelo foi treinado e rastreado no Azure Machine Learning. Você quer usar o modelo em seu aplicativo, onde os consumidores podem procurar restaurantes em sua área. Cada vez que um consumidor seleciona um restaurante no aplicativo, você deseja que o modelo recomende outros restaurantes que também possam ser de interesse do consumidor para melhorar a experiência do usuário.
Sempre que você treina um modelo, você vai querer consumir o modelo. Você deseja usar o modelo treinado para prever rótulos para novos dados nos quais o modelo não foi treinado.
Para consumir o modelo, você precisa implantá-lo . Uma maneira de implantar um modelo é integrá-lo a um serviço que permite que os aplicativos solicitem previsões instantâneas ou em tempo real para conjuntos individuais ou pequenos de pontos de dados.
No Azure Machine Learning, você pode usar pontos de extremidade online para implantar e consumir seu modelo.
Objetivos de aprendizagem
Neste módulo, irá saber como:
- Crie endpoints online gerenciados.
- Implante seu modelo MLflow em um endpoint online gerenciado.
- Implante um modelo personalizado em um ponto de extremidade online gerenciado.
- Teste endpoints online.