Exportación o eliminación de los datos del área de trabajo de Machine Learning Service

  • Artículo

En Azure Machine Learning, puede exportar o eliminar los datos del área de trabajo mediante la interfaz gráfica del portal o el SDK de Python. En este artículo se describen ambas opciones.

Nota:

Para más información sobre cómo ver o eliminar datos personales, consulte Solicitudes de interesados de datos de Azure para el RGPD. Para más información sobre RGPD, consulte Información sobre los procedimientos recomendados para el cumplimiento del RGPD y la sección RGPD del portal de confianza de servicios.

Nota

En este artículo se indican los pasos para eliminar los datos personales del dispositivo o del servicio y puede utilizarse para cumplir con sus obligaciones según el Reglamento general de protección de datos (RGPD). Para obtener información general sobre RGPD, consulte Información sobre los procedimientos recomendados para el cumplimiento del RGPD y la sección RGPD del portal de confianza de servicios.

Control de los datos del área de trabajo

Los datos en el producto que almacena Azure Machine Learning están disponibles para la exportación y eliminación. Puede exportar y eliminar datos con Estudio de Azure Machine Learning, la CLI y el SDK. Además, puede acceder a los datos de telemetría mediante el Portal de privacidad de Azure.

En Azure Machine Learning, los datos personales se componen de información de usuario procedente de los documentos del historial de trabajos.

Un área de trabajo de Azure se basa en un grupo de recursos para contener los recursos relacionados para una solución de Azure. Al crear un área de trabajo, tiene la oportunidad de usar un grupo de recursos existente o crear uno nuevo. Consulte esta página para más información sobre los grupos de recursos de Azure.

Eliminación de recursos de alto nivel mediante el portal

Cuando se crea un área de trabajo, Azure crea varios recursos en el grupo de recursos:

  • La propia área de trabajo
  • Una cuenta de almacenamiento
  • Un registro de contenedor
  • Una instancia de Application Insights
  • Un almacén de claves

Para eliminar estos recursos, selecciónelos en la lista y elija Eliminar:

Importante

Si el recurso está configurado para eliminación temporal, los datos no se eliminarán a menos que seleccione eliminar el recurso de forma permanente. Para más información, consulte los siguientes artículos.

Captura de pantalla del portal, con el icono para eliminar resaltado.

Se abre un cuadro de diálogo de confirmación, donde puede confirmar las opciones.

Los documentos del historial de trabajos pueden contener información personal del usuario. Estos documentos se almacenan en la cuenta de almacenamiento en Blob Storage, en las subcarpetas /azureml. Puede descargar y eliminar los datos del portal.

Captura de pantalla del directorio de Azure Machine Learning en la cuenta de almacenamiento, dentro del portal.

Exportación y eliminación de los recursos de aprendizaje automático con Azure Machine Learning Studio

Estudio de Azure Machine Learning proporciona una vista unificada de los recursos de aprendizaje automático, por ejemplo, cuadernos, activos de datos, modelos y trabajos. Estudio de Azure Machine Learning enfatiza la conservación de un registro de los datos y experimentos. Puede eliminar recursos informáticos (canalizaciones y recursos de procesos) directamente en el explorador. Para estos recursos, vaya al recurso en cuestión y seleccione Eliminar.

Puede anular el registro de los recursos de datos y los trabajos de archivo, pero estas operaciones no eliminan los datos. Para quitar completamente los datos, los activos de datos y los datos del trabajo se deben eliminar en el nivel de almacenamiento. La eliminación de nivel de almacenamiento se produce en el portal, como se ha descrito anteriormente. Estudio de Azure Machine Learning puede controlar la eliminación individual. La eliminación de trabajos elimina los datos de ese trabajo.

Estudio de Azure Machine Learning puede controlar las descargas de artefactos de entrenamiento de trabajos experimentales. Elija el Trabajo correspondiente. Seleccione Salida y registros y elija los artefactos específicos que quiera descargar. Elija ... y Descargar, o seleccione Descargar todo.

Para descargar un modelo registrado, vaya al Modelo y elija Descargar.

Captura de pantalla de la página del modelo de Studio con la opción de descarga resaltada.

Exportación y eliminación de los recursos con el SDK de Python

Puede descargar los resultados de un trabajo determinado mediante:

# Retrieved from Azure Machine Learning web UI
run_id = 'aaaaaaaa-bbbb-cccc-dddd-0123456789AB'
experiment = ws.experiments['my-experiment']
run = next(run for run in ex.get_runs() if run.id == run_id)
metrics_output_port = run.get_pipeline_output('metrics_output')
model_output_port = run.get_pipeline_output('model_output')

metrics_output_port.download('.', show_progress=True)
model_output_port.download('.', show_progress=True)

Los siguientes recursos de aprendizaje automático se pueden eliminar mediante el SDK de Python:

Tipo Llamada a función Notas
Workspace delete Use delete-dependent-resources para poner en cascada el proceso de eliminación.
Model delete
ComputeTarget delete
WebService delete

Pasos siguientes

Más información sobre la administración de un área de trabajo.