Bevezetés

Befejeződött

Tegyük fel, hogy betanított egy modellt a termékértékesítések előrejelzésére. A modellt betanították és nyomon követték az Azure Machine Tanulás. Minden hónapban a modell használatával szeretné előrejelzni a közelgő hónap értékesítését.

Számos éles helyzetben a nagy mennyiségű adatot tartalmazó, hosszú ideig futó feladatok kötegelt műveletekként lesznek végrehajtva. A gépi tanulásban a kötegelt következtetés aszinkron módon alkalmaz prediktív modellt több esetre, és az eredményeket fájlba vagy adatbázisba írja.

Diagram showing a batch inferencing service triggering a batch scoring job.

Az Azure Machine Tanulás kötegelt következtetési megoldásokat valósíthat meg úgy, hogy egy modellt üzembe helyez egy kötegvégponton.

Tanulási célkitűzések

Ebben a modulban a következőket sajátíthatja el:

  • Hozzon létre egy kötegvégpontot.
  • Helyezze üzembe az MLflow-modellt egy kötegvégponton.
  • Egyéni modell üzembe helyezése kötegelt végponton.
  • Kötegvégpontok meghívása.