RESTエンドポイントとしてのモデルのデプロイ
機械学習モデルは、RESTエンドポイントとしてデプロイする必要があります。機械学習トランスフォーメーションは、エンドポイントを使用してモデルと通信します。
次のような機械学習プラットフォームに従って、モデルをRESTエンドポイントとしてデプロイします。
- Amazon SageMaker
Amazon SageMakerで、Amazon API GatewayとAWS Lambdaを使用して、モデルをエンドポイントとしてデプロイします。
詳細については、次のAWS Machine Learningのブログ記事にある手順を参照してください。
- https://aws.amazon.com/blogs/machine-learning/call-an-amazon-sagemaker-model-endpoint-using-amazon-api-gateway-and-aws-lambda/
- Azure Machine Learning
Azure Machine Learningで、モデルをリアルタイムエンドポイントとしてデプロイします。
リアルタイムエンドポイントの詳細については、Microsoft Azureのドキュメントを参照してください。
モデルをRESTエンドポイントとしてデプロイした後に、APIコレクションを作成し、エンドポイントにアクセスするためのREST API要求を設定します。