Opis zagadnień dotyczących wdrażania modelu
W uczeniu maszynowym wdrożenie modelu można traktować jako proces, za pomocą którego integrujesz wytrenowane modele uczenia maszynowego w środowisku produkcyjnym, tak aby aplikacje biznesowe lub aplikacje użytkowników końcowych mogły używać przewidywań modelu do podejmowania decyzji lub uzyskiwania wglądu w dane. Najczęstszym sposobem wdrażania modelu przy użyciu usługi Azure Machine Edukacja z usługi Azure Databricks jest wdrożenie modelu jako usługi wnioskowania w czasie rzeczywistym. Tutaj termin wnioskowania odnosi się do użycia wytrenowanego modelu w celu przewidywania nowych danych wejściowych, na których model nie został wytrenowany.
Co to jest wnioskowanie w czasie rzeczywistym?
Model jest wdrażany w ramach usługi, która umożliwia aplikacjom żądanie natychmiastowego lub w czasie rzeczywistym przewidywań poszczególnych lub niewielkiej liczby obserwacji danych.
W usłudze Azure Machine Learning można tworzyć rozwiązania wnioskowania w czasie rzeczywistym, wdrażając model jako usługę czasu rzeczywistego hostowaną na platformie konteneryzowanej, takiej jak Azure Kubernetes Services (AKS).