イントロダクション
製品の売上を予測するモデルをトレーニングしたとします。 モデルは、Azure Machine Learning でトレーニングおよび追跡されています。 毎月、モデルを使用して、今後の月の売上を予測したいと考えています。
多くの運用シナリオでは、大量のデータを処理する実行時間の長いタスクが バッチ 操作として実行されます。 機械学習では、 バッチ推論を 使用して、予測モデルを複数のケースに非同期的に適用し、結果をファイルまたはデータベースに書き込みます。
Azure Machine Learning では、モデルをバッチ エンドポイントにデプロイすることで、バッチ推論ソリューションを実装できます。
学習目標
このモジュールでは、次の方法を学習します。
- バッチ エンドポイントを作成します。
- バッチ エンドポイントに MLflow モデルをデプロイする。
- バッチ エンドポイントにカスタム モデルをデプロイする。
- バッチ エンドポイントを呼び出す。