Como implantar modelos de machine learning com Azure Machine Learning - Microsoft Reactor

Saiba como registrar e implantar modelos de ML no Serviço do Azure Machine Learning. Nesta apresentação você vai aprender a: Implantar um modelo como um serviço de inferência em tempo real. Consumir um serviço de inferência em tempo real. Solucionar problemas de implantação de serviço.

Transcript

1. Azure Machine Learning Como Implantar Modelos de Machine Learning Sidney Cirqueira– Microsoft Learn Student Ambassador
2. Sidney Cirqueira ✓ Analista de Dados & AI – Lanlink; ✓ Pós - Graduando em Big Data & Machine Learning - FASAM; ✓ Experiência focada em Engenharia de Dados e IA no MS Azure; ✓ Ciclista / Futevôlei
3. Agenda Pré-requisitos
4. O que é Azure Machine Learning? Computação Escalável sobre demanda Implantação de Modelos Armazenamento de dados e conectividade ML Orquestração de Fluxo de trabalho Gerenciamento e registro de modelos Metricas e monitoramento ✓ Plataforma completa para operacionalização de fluxos de trabalho de Machine Learning no Azure.
5. Azure Machine Learning Workspace
6. Azure Machine Learning Studio
7. Pipeline de Machine Learning
8. Pipeline de Machine Learning
9. Pipeline de Machine Learning
10. Pipeline de Machine Learning
11. Pipeline completo de Machine Learning
12. Inferência - Batch x Realtime Predição imediata para novos dados Deployment como um web service endpoint Predição Assincrona para dados em batch Deployment como pipeline
13. Tipo de implantação recomentada: ✓ Plataforma utilizando conteiners como o Azure Kubernetes Services (AKS). Outras opções de compute target para implantação: ✓ Computação local, Instancia de computação do Azure Machine Learning, Azure Container Instance (ACI), an Azure Kubernetes Service (AKS) cluster, Azure Function, ou em um modulo de Internet das coisas (IoT). Implantando um serviço de inferência em tempo real
14. 1. Registrar um modelo treinado 2. Definir uma configuração de inferência ✓ Criar um script de entrada (Scoring Script) - Implementar as funções init() e run() para carregar o modelo e retornar as predições ✓ Criar um ambiente ✓ Combinar o Script com Ambiente em uma configuração de inferência. 3. Definir a configuração de implantação 4. Implantar o Modelo Passo a passo para implantação
15. 1 – Azure Machine Learning SDK 2 – Endpoint REST 3 - Autenticação Você pode utilizer 2 tipos de autenticação: ✓ Key: Requisições são autenticadas por uma chave associada ao serviço. ✓ Token: Requisições autenticadas provendo um JSON Web Token (JWT). Consumir um serviço de inferência em tempo real
16. 1 – Verificar o estado do Serviço 2 – Revisar os Logs do Serviço 3 – Implantar em um Container Local Resolvendo problemas de implantação
17. Demo
18. • Documentação: https://docs.microsoft.com/en-us/azure/machine-learning/ • Microsoft Learn: https://docs.microsoft.com/en-us/learn/paths/build-ai-solutions-with-azure-ml-service/ • Microsoft Learn: https://docs.microsoft.com/en-us/learn/modules/register-and-deploy-model-with-amls/ • Como e onde realizar o deployment: https://docs.microsoft.com/en-us/azure/machine-learning/how-to- deploy-and-where?tabs=pythons • GitHub: https://aka.ms/mslearn-aml-labs Referências
19. Obrigado! =D sidney.cirqueira@studentambassadors.com https://github.com/sidneyocirqueira/material-de-estudo-dp100 mvpconf.com.br/2020 Voucher 10% de desconto: E61C227470 M https://medium.com/@sidneyocirqueira