Introduction
Imaginez que vous avez effectué l’apprentissage d’un modèle pour prédire les ventes de produits. Le modèle est 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 exécutées sous forme d’opérations de traitement par lots. En Machine Learning, l’inférence de lot est utilisée pour appliquer de manière 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 de lot en déployant un modèle sur un point de terminaison de lot.
Objectifs d’apprentissage
Dans ce module, vous allez découvrir comment :
- Créer un point de terminaison de lot.
- Déployer votre modèle MLflow sur un point de terminaison de lot.
- Déployer un modèle personnalisé sur un point de terminaison de lot.
- Appeler des points de terminaison de lot.