Bevezetés
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.
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.