Navigation dans l'interface de déploiement ML
Lorsque vous ouvrez votre déploiement ML, vous pouvez effectuer des activités de gestion et de surveillance et les utiliser pour créer des prédictions sur des jeux de données.
Ouvrez un déploiement ML depuis le catalogue. Il existe des options de navigation pour les éléments suivants :
-
Approbation de modèles
-
Informations sur les déploiements
-
Prédictions du jeu de données (prédictions par lots)
-
Prédictions en temps réel
-
Surveillance de la dérive des données et des opérations
Statut d'approbation d'un modèle
Avant que le déploiement ML puisse générer des prédictions, il faut que son modèle source soit activé. Ce processus est connu sous le nom d'approbation de modèles et aide à contrôler le nombre de modèles déployés activement utilisés dans l'abonnement.
Si vous disposez des autorisations nécessaires, vous pouvez activer et désactiver le modèle source selon vos besoins. Sinon, contactez un administrateur de clients ou un autre utilisateur disposant d'autorisations suffisantes.
Voir :
Statut d'approbation d'un modèle

Vue d'ensemble du déploiement
La Vue d'ensemble du déploiement affiche les caractéristiques utilisées dans l'apprentissage du modèle et les détails du déploiement.
Vue d'ensemble du déploiement ML

Prédictions de jeu de données
Dans Prédictions du jeu de données, vous pouvez gérer et exécuter des prédictions par lots à l'aide du déploiement ML. Cliquez sur Créer une prédiction pour créer une configuration de prédiction à partir de laquelle vous exécutez des prédictions par lots. Pour un déploiement ML, vous pouvez avoir plusieurs configurations de prédiction.
Vous pouvez utiliser le menu Actions du tableau pour :
Exécuter des prédictions à partir de configurations existantes
Modifier et supprimer des configurations
Créer, modifier et supprimer des planifications de prédiction d'une configuration existante
Prédictions du jeu de données avec une vue d'ensemble et le menu Actions développé

Si vous sélectionnez Modifier la configuration de la prédiction, le volet Configuration de la prédiction s'ouvre.
Prédictions du jeu de données avec le volet latéral Configuration de la prédiction

Prédictions en temps réel
Le volet Prédictions en temps réel vous permet d'accéder au point de terminaison de prédiction en temps réel de Machine Learning API. Si le modèle du déploiement ML est activé pour effectuer des prédictions, ce volet est visible.
Pour des informations sur la création de prévisions en temps réel, consultez Création de prédictions en temps réel.
L'API de prédictions en temps réel est obsolète et remplacée par le point de terminaison de prédiction en temps réel de l'API Apprentissage automatique. La fonctionnalité elle-même n'est pas obsolète. Pour les prédictions en temps réel futures, utilisez le point de terminaison de prédiction en temps réel de l'API Apprentissage automatique.
Surveillance des modèles
Vous pouvez surveiller la dérive des données et les opérations du déploiement ML. Pour effectuer la surveillance des modèles, ouvrez le volet Surveillance de la dérive des données.
Grâce à la surveillance de la dérive des données, vous pouvez évaluer les modifications dans la répartition des caractéristiques dans le modèle source. En cas d'observation d'une dérive importante, il est recommandé d'effectuer de nouveau l'apprentissage du modèle ou de reconfigurer le modèle afin de prendre en compte les données les plus récentes, qui peuvent indiquer de nouveaux schémas dans les tendances des données.
Pour plus d'informations, consultez Surveillance de la dérive des données dans les modèles déployés.
Grâce à la surveillance des opérations, vous pouvez afficher des détails sur le mode d'utilisation du déploiement ML, comme le nombre d'événements de prédiction qui réussissent ou échouent, et la façon dont les événements de prédiction sont généralement déclenchés.
Pour plus d'informations, consultez Surveillance des opérations des modèles déployés.
Volet Surveillance de la dérive des données dans AutoML

Afficher une expérimentation ML
Cliquez sur Afficher l'expérimentation ML dans le coin inférieur gauche de la page pour ouvrir l'expérimentation ML à partir de laquelle le déploiement ML a été créé.
Vue d'ensemble du déploiement ML
