Présentation
Imaginez que vous avez formé un modèle pour prédire les ventes de produits. Le modèle a été entraîné et suivi dans Azure Machine Learning. Chaque mois, vous souhaitez utiliser le modèle pour prévoir les ventes du mois à venir.
Dans de nombreux scénarios de production, les tâches de longue durée qui traitent de grandes quantités de données sont effectuées en tant qu’opérations de traitement par lots . Dans le Machine Learning, l’inférence par lots est utilisée pour appliquer de façon asynchrone un modèle prédictif à plusieurs cas et écrire les résultats dans un fichier ou une base de données.
Dans Azure Machine Learning, vous pouvez implémenter des solutions d’inférence par lots en déployant un modèle sur un point de terminaison batch.
Objectifs d’apprentissage
Dans ce module, vous allez apprendre à :
- Créez un point de terminaison de traitement par lots.
- Déployer votre modèle MLflow sur un point de terminaison de lot.
- Déployer un modèle personnalisé sur un point de terminaison de lot.
- Appelez des points de terminaison de lot.