Machine Learning on Azure
Um hub de consulta e referência sobre MLOps no Azure — da ingestão dos dados ao retreinamento automático, cobrindo cada etapa da arquitetura com serviços, padrões e boas práticas.
MLOps no Azure — Visão Geral da Arquitetura
Oito etapas que ligam fontes de dados a modelos servindo predições — com CI/CD, governança e retreinamento contínuo.
As 8 etapas do ciclo MLOps
Clique em qualquer etapa para mergulhar nos serviços, padrões e melhores práticas.
Origens estruturadas, semi-estruturadas e em streaming.
Mover e centralizar dados com Data Factory + ADLS Gen2.
Limpeza, transformação e feature engineering em escala.
Experimentos, hiperparâmetros e compute escalável.
Versionamento, linhagem, aprovação e governança.
AKS, ACI e Managed Endpoints para inferência em produção.
Performance, drift de dados, drift de conceito e logs.
Pipeline automático que fecha o ciclo MLOps.
Funcionalidades principais
Do commit ao deploy automático
Como Azure DevOps e GitHub Actions integram código, build, testes, validação de modelo e deploy.