Descrever considerações para a implantação do modelo

Concluído

No aprendizado de máquina, a implantação de modelo pode ser considerada como um processo pelo qual você integra seus modelos de aprendizado de máquina treinados em um ambiente de produção, de modo que seus aplicativos de negócios ou de usuários finais possam usar as previsões do modelo para tomar decisões ou obter informações sobre seus dados. A maneira mais comum de implantar um modelo usando o Azure Machine Learning do Azure Databricks é implantar o modelo como um serviço de inferência em tempo real. Aqui, o termo inferência refere-se ao uso de um modelo treinado para fazer previsões sobre novos dados de entrada nos quais o modelo não foi treinado.

O que é a Inferência em Tempo Real?

O modelo é implantado como parte de um serviço que permite que os aplicativos solicitem previsões imediatas ou em tempo real para observações de dados individuais ou de um pequeno número de observações.

A real-time inferencing service

No Azure Machine Learning, você pode criar soluções de inferência em tempo real implantando um modelo como um serviço em tempo real, hospedado em uma plataforma conteinerizada, como o Azure Kubernetes Services (AKS).