Popis aspektů nasazení modelu
Ve strojovém učení je možné nasazení modelu považovat za proces, pomocí kterého integrujete trénované modely strojového učení do produkčního prostředí, aby vaše obchodní nebo koncové aplikace mohly pomocí predikcí modelu provádět rozhodnutí nebo získávat přehledy o vašich datech. Nejběžnějším způsobem nasazení modelu pomocí služby Azure Machine Učení z Azure Databricks je nasazení modelu jako služby odvozování v reálném čase. Výraz odvozování odkazuje na použití natrénovaného modelu k vytváření předpovědí nových vstupních dat, na kterých nebyl model natrénován.
Co je odvozování v reálném čase?
Model se nasadí jako součást služby, která aplikacím umožňuje požadovat okamžité nebo reálné předpovědi pro jednotlivce nebo malý počet pozorování dat.
Ve službě Azure Machine Learning můžete vytvářet řešení pro odvozování v reálném čase nasazením modelu jako služby v reálném čase hostované v kontejnerizované platformě, jako je Azure Kubernetes Services (AKS).