Introdução

Concluído

Imagine que você treinou um modelo para prever as vendas do produto. O modelo foi treinado e acompanhado no Azure Machine Learning. Todos os meses, você deseja usar o modelo para prever as vendas para o próximo mês.

Em muitos cenários de produção, tarefas de execução longa que lidam com grandes quantidades de dados são executadas como operações em lote. No aprendizado de máquina, de inferência em lote é usado para aplicar de forma assíncrona um modelo preditivo a vários casos e gravar os resultados em um arquivo ou banco de dados.

No Azure Machine Learning, você pode implementar soluções de inferência em lote ao implantar um modelo em um endpoint de lote.

Objetivos de aprendizagem

Neste módulo, você aprenderá a:

• Criar um ponto de extremidade em lote.
• Implemente seu modelo do MLflow em um endpoint de processamento em lote.
• Implantar um modelo personalizado em um ponto de extremidade em lote.
• Invocar pontos de extremidade em lote.