Wprowadzenie

Wyobraź sobie, że wytrenujesz model, aby przewidzieć sprzedaż produktu. Model został wytrenowany i śledzony w usłudze Azure Machine Learning. Co miesiąc chcesz użyć modelu do prognozowania sprzedaży w nadchodzącym miesiącu.

W wielu scenariuszach produkcyjnych długotrwałe zadania, które zajmują się dużą ilością danych, są wykonywane jako operacje wsadowych. W uczeniu maszynowym wnioskowanie wsadowe służy do asynchronicznego stosowania modelu predykcyjnego do wielu przypadków i zapisywania wyników w pliku lub bazie danych.

W usłudze Azure Machine Learning można zaimplementować rozwiązania wnioskowania wsadowego, wdrażając model we wsadowym punkcie końcowym.

Cele nauki

W tym module dowiesz się, jak wykonywać następujące czynności:

• Utwórz punkt końcowy wsadowy.
• Wdróż model MLflow do wsadowego punktu końcowego.
• Wdróż model niestandardowy do punktu końcowego przetwarzania wsadowego.
• Wywoływanie punktów końcowych wsadowych.