Arquitetura MLOps no Azure
Uma referência visual e detalhada das 8 etapas que compõem um pipeline completo de Machine Learning em produção no Microsoft Azure — alinhado com as melhores práticas de MLOps.
1
Fontes de Dados
Origens estruturadas, semi-estruturadas e em streaming.
2
Ingestão & Armazenamento
Mover e centralizar dados com Data Factory + ADLS Gen2.
3
Preparação de Dados
Limpeza, transformação e feature engineering em escala.
4
Treinamento
Experimentos, hiperparâmetros e compute escalável.
5
Registro de Modelo
Versionamento, linhagem, aprovação e governança.
6
Deploy (Serving)
AKS, ACI e Managed Endpoints para inferência em produção.
7
Monitoramento
Performance, drift de dados, drift de conceito e logs.
8
Retreinamento
Pipeline automático que fecha o ciclo MLOps.