Resumo

  • 2 minutos

Neste módulo, você levou um modelo treinado desde o registro até o monitoramento em produção, passando pela implantação automatizada, no Azure Machine Learning.

O que você aprendeu

  • Você registra e versão dos modelos do MLflow e arquiva versões que não precisam mais aparecer em listas padrão.
  • Você explora os estágios do MLOps que conectam o desenvolvimento de modelos à implantação, automação e monitoramento.
  • Você usa ambientes de GitHub protegidos para definir o escopo do acesso à implantação e exigir aprovação antes da promoção de produção.
  • Você implanta um modelo em um endpoint online gerenciado e usa uma implantação azul-verde para testar uma nova versão antes de direcionar o tráfego de produção para ela.
  • Você soluciona problemas de implantação e de pontuação ao verificar os detalhes da implantação e os logs do contêiner.
  • Você mantém a implantação anterior disponível para poder fazer a reversão ao redirecionar o tráfego sem alterar a URL do endpoint.
  • Você automatiza o registro, a implantação e o teste com GitHub Actions usando credenciais federadas OIDC.
  • Você usa sinais de monitoramento operacionais e de modelo para decidir quando reverter, investigar ou treinar novamente.

Saiba mais