Exportación o eliminación de los datos del área de trabajo de Machine Learning Service (v1)

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 su exportación y eliminación. Puede exportarlos y eliminarlos mediante Azure Machine Learning Studio, la CLI y el SDK. Se 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.

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

Estos recursos se pueden eliminar seleccionándolos en la lista y eligiendo Eliminar.

Captura de pantalla del portal, con el icono Eliminar resaltado

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

Captura de pantalla del directorio azureml en la cuenta de almacenamiento, en el portal

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

Azure Machine Learning Studio proporciona una vista unificada de los recursos de aprendizaje automático, como cuadernos, conjuntos de información, modelos y experimentos. Azure Machine Learning Studio enfatiza la conservación de un registro de datos y experimentos. Los recursos de cálculo, como las canalizaciones y los recursos de procesos, se pueden eliminar mediante el explorador. Para eliminar esos recursos, vaya al recurso en cuestión y seleccione Eliminar.

Los conjuntos de datos se pueden anular del registro y los experimentos se pueden archivar, pero tenga en cuenta que estas operaciones no eliminan los datos. Para quitar completamente los datos, los conjuntos de datos y los datos del experimento deben eliminarse en el nivel de almacenamiento. La eliminación en el nivel de almacenamiento se realiza mediante el portal, tal como se ha descrito anteriormente. Un trabajo individual se puede eliminar directamente en Studio. Al eliminar un trabajo, se eliminan los datos del trabajo.

Nota:

Antes de anular el registro de un conjunto de datos, use su vínculo Origen de datos para buscar la dirección URL de datos específica que desea eliminar.

Puede descargar los artefactos de aprendizaje de los trabajos experimentales mediante Studio. Elija el Experimento y Trabajo en que está interesado. Seleccione Salida y registros y elija los artefactos específicos que quiera descargar. Seleccione ... y Descargar.

Puede descargar un modelo registrado; para ello, vaya al Modelo y haga clic en 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