Arquitetura do Azure Machine Learning

Essa arquitetura mostra os componentes usados para criar, implantar e gerenciar modelos de alta qualidade com o Azure Machine Learning, um serviço para o ciclo de vida de ML de ponta a ponta.

Arquitetura

Baixe um Arquivo Visio dessa arquitetura.

Fluxo de dados

1. Reuna todos os seus dados estruturados, não estruturados e semiestruturados (logs, arquivos e mídia) no Azure Data Lake Storage Gen2.
2. Use o Apache Spark no Azure Synapse Analytics para limpar, transformar e analisar conjuntos de dados.
3. Crie e treine modelos de machine learning no Azure Machine Learning.
4. Controlar o acesso e a autenticação para dados e o workspace de ML com o Microsoft Entra ID e o Azure Key Vault. Gerencie contêineres com o Registro de Contêiner do Azure.
5. Implante o modelo de machine learning em um contêiner usando os Serviços de Kubernetes do Azure, protegendo e gerenciando a implantação com as VNets do Azure e o Azure Load Balancer.
6. Usando métricas de log e monitoramento do Azure Monitor, avalie o desempenho do modelo.
7. Treine novamente os modelos conforme necessário no Azure Machine Learning.
8. Visualize saídas de dados com o Power BI.

Componentes

• O Azure Machine Learning é um serviço de aprendizado de máquina (ML) de nível empresarial para o ciclo de vida de aprendizado de máquina de ponta a ponta.
• O Azure Synapse Analytics é um serviço unificado em que você pode ingerir, explorar, preparar, transformar, gerenciar e fornecer dados para necessidades imediatas de business intelligence e aprendizado de máquina.
• O Azure Data Lake Storage Gen2 é um data lake extremamente escalonável e seguro para suas cargas de trabalho de análise de alto desempenho.
• O Registro de Contêiner do Azure é um registro de imagens do Docker e da Open Container Initiative (OCI), com suporte para todos os artefatos da OCI. Crie, armazene, proteja, digitalize, replique e gerencie imagens de contêiner e artefatos com uma instância totalmente gerenciada e com replicação geográfica da distribuição OCI.
• Serviço de Kubernetes do Azure O Serviço de Kubernetes do Azure (AKS) oferece Kubernetes sem servidor, uma experiência integrada de integração contínua e entrega contínua (CI/CD) e segurança e governança de nível empresarial. Implante e gerencie aplicativos em contêineres com mais facilidade usando um Serviço do Kubernetes totalmente gerenciado.
• O Azure Monitor permite coletar, analisar e agir sobre dados de telemetria de seus ambientes locais e do Azure. O Azure Monitor ajuda você a maximizar o desempenho e a disponibilidade dos aplicativos e a identificar problemas proativamente em segundos.
• O Azure Key Vault protege chaves criptográficas e outros segredos usados por aplicativos e serviços de nuvem.
• O Azure Load Balancer balanceia a carga do tráfego da Internet e de rede privada com alto desempenho e baixa latência. O Load Balancer funciona em máquinas virtuais, em conjuntos de dimensionamento de máquinas virtuais e em endereços IP.
• O Power BI é um pacote de ferramentas de análise de negócios que fornece insights a toda a organização. Conecte-se a centenas de fontes de dados, simplifique a preparação de dados e conduza a análise não planejada. Produza belos relatórios e, em seguida, publique-os para que sua organização consuma na Web e em dispositivos móveis.

Detalhes do cenário

Crie, implante e gerencie modelos de alta qualidade com o Azure Machine Learning, um serviço para o ciclo de vida de ML de ponta a ponta. Use operações de aprendizado de máquina (MLOps) líderes do setor, interoperabilidade de software livre e ferramentas integradas em uma plataforma segura e confiável projetada para aprendizado de máquina (ML) responsável.

Possíveis casos de uso

• Use o aprendizado de máquina como serviço.
• Interface de construção fácil e flexível.
• Ampla gama de algoritmos com suporte.
• Implementação fácil de serviços Web.
• Ótima documentação para soluções de aprendizado de máquina.

Considerações

Essas considerações implementam os pilares do Azure Well-Architected Framework, que é um conjunto de princípios de orientação que podem ser usados para aprimorar a qualidade de uma carga de trabalho. Para obter mais informações, confira Microsoft Azure Well-Architected Framework.

Otimização de custo

A otimização de custos é a análise de maneiras de reduzir as despesas desnecessárias e melhorar a eficiência operacional. Para obter mais informações, confira Visão geral do pilar de otimização de custo.

• Obter estimativas de preços

Colaboradores

Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.

Principais autores:

• Sheri Gilley | Desenvolvedora Sênior de Conteúdo
• Larry Franks | Desenvolvedor de Conteúdo
• Lauryn Gayhardt | Desenvolvedora de Conteúdo
• Samantha Salgado | Desenvolvedora de Conteúdo

Para ver perfis não públicos do LinkedIn, entre no LinkedIn.

Próximas etapas

Confira a documentação dos principais serviços nesta solução:

• Documentação do Azure Machine Learning
• Documentação do Azure Synapse Analytics
• Documentação do Azure Data Lake Storage Gen2
• Documentação do Registro de Contêiner do Azure
• Documentação do Serviço de Kubernetes do Azure
• Documentação do Azure Monitor
• Documentação do Azure Key Vault
• Documentação do Azure Load Balancer
• Documentação do Power BI

Recursos relacionados

Confira as diretrizes relacionadas no Centro de Arquitetura do Azure:

• Comparar os produtos e tecnologias de machine learning da Microsoft
• Estrutura de MLOps (operações de machine learning) para potencializar o ciclo de vida de machine learning com o Azure Machine Learning
• Implantar IA e ML computação local e na borda
• ML (machine learning) de vários modelos em escala com o Azure Machine Learning
• Escalar as iniciativas de IA e de machine learning em setores regulamentados
• Prever reinternações hospitalares usando técnicas de machine learning automatizado e tradicional
• Ambiente de pesquisa seguro para dados regulamentados