Áreas de trabajo de Microsoft.MachineLearningServices/schedules 2023-08-01-preview

• Más reciente
• 2025-04-01
• 2025-04-01-vista previa
• 2025-01-01-vista previa
• 2024-10-01
• 2024-10-01-vista previa
• 2024-07-01-vista previa
• 2024-04-01
• 2024-04-01-vista previa
• 2024-01-01-vista previa
• 2023-10-01
• 2023-08-01-vista previa
• 2023-06-01-vista previa
• 2023-04-01
• 2023-04-01-avance
• 2023-02-01-vista previa
• 2022-12-01-vista previa
• 2022-10-01
• 2022-10-01-vista previa
• 2022-06-01-vista previa

Definición de recursos de Bicep

El tipo de recurso workspaces/schedules se puede implementar con operaciones que tienen como destino:

• grupos de recursos: consulte comandos de implementación de grupos de recursos

Para obtener una lista de las propiedades modificadas en cada versión de API, consulte registro de cambios.

Formato de recurso

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue la siguiente bicep a la plantilla.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

{
  file: 'string'
  sparkJobEntryType: 'SparkJobPythonEntry'
}

Para SparkJobScalaEntry, use:

{
  className: 'string'
  sparkJobEntryType: 'SparkJobScalaEntry'
}

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Custom, use:

{
  mode: 'Custom'
  value: int
}

Objetos ModelPerformanceMetricThresholdBase

Establezca la propiedad modelType para especificar el tipo de objeto.

Para Clasificación, use:

{
  metric: 'string'
  modelType: 'Classification'
}

Para Regresión, use:

{
  metric: 'string'
  modelType: 'Regression'
}

Objetos NCrossValidations

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Custom, use:

{
  mode: 'Custom'
  value: int
}

MonitorComputeIdentityBase (objetos)

Establezca la propiedad computeIdentityType para especificar el tipo de objeto.

Para AmlToken, use:

{
  computeIdentityType: 'AmlToken'
}

Para ManagedIdentity, use:

{
  computeIdentityType: 'ManagedIdentity'
  identity: {
    type: 'string'
    userAssignedIdentities: {
      {customized property}: {}
    }
  }
}

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

Para PyTorch, use:

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

Para Ray, use:

{
  address: 'string'
  dashboardPort: int
  distributionType: 'Ray'
  headNodeAdditionalArgs: 'string'
  includeDashboard: bool
  port: int
  workerNodeAdditionalArgs: 'string'
}

Para TensorFlow, use:

{
  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int
}

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

{
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  jobType: 'AutoML'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }
}

En Comando, use:

{
  autologgerSettings: {
    mlflowAutologger: 'string'
  }
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobType: 'Command'
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
}

Para Etiquetado, use:

{
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefresh: 'string'
  }
  jobInstructions: {
    uri: 'string'
  }
  jobType: 'Labeling'
  labelCategories: {
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: ...
          }
        }
      }
      displayName: 'string'
      multiSelect: 'string'
    }
  }
  labelingJobMediaProperties: {
    mediaType: 'string'
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration: {
    mlAssist: 'string'
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Para Canalización, use:

{
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobs: {
    {customized property}: any(...)
  }
  jobType: 'Pipeline'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  settings: any(...)
  sourceJobId: 'string'
}

Para Spark, use:

{
  archives: [
    'string'
  ]
  args: 'string'
  codeId: 'string'
  conf: {
    {customized property}: 'string'
  }
  entry: {
    sparkJobEntryType: 'string'
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  files: [
    'string'
  ]
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jars: [
    'string'
  ]
  jobType: 'Spark'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    instanceType: 'string'
    runtimeVersion: 'string'
  }
}

Para Barrido, use:

{
  componentConfiguration: {
    pipelineSettings: any(...)
  }
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobType: 'Sweep'
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any(...)
    }
    shmSize: 'string'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(...)
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      locations: [
        'string'
      ]
      maxInstanceCount: int
      properties: {
        {customized property}: any(...)
      }
      shmSize: 'string'
    }
  }
}

Objetos DataQualityMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numeric, use:

{
  dataType: 'Numerical'
  metric: 'string'
}

Objetos DataImportSource

Establezca la propiedad sourceType para especificar el tipo de objeto.

Para la base de datos, use:

{
  query: 'string'
  sourceType: 'database'
  storedProcedure: 'string'
  storedProcedureParams: [
    {
      {customized property}: 'string'
    }
  ]
  tableName: 'string'
}

Para file_system, use:

{
  path: 'string'
  sourceType: 'file_system'
}

Objetos de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

{
  webhookType: 'AzureDevOps'
}

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Custom, use:

{
  mode: 'Custom'
  value: int
}

Objetos DataDriftMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numeric, use:

{
  dataType: 'Numerical'
  metric: 'string'
}

PredictionDriftMetricThresholdBase (objetos)

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType: 'Categorical'
  metric: 'string'
}

Para Numeric, use:

{
  dataType: 'Numerical'
  metric: 'string'
}

MonitoringSignalBase (objetos)

Establezca la propiedad signalType para especificar el tipo de objeto.

Para Custom, use:

{
  componentId: 'string'
  inputAssets: {
    {customized property}: {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  signalType: 'Custom'
  workspaceConnection: {
    environmentVariables: {
      {customized property}: 'string'
    }
    secrets: {
      {customized property}: 'string'
    }
  }
}

Para DataDrift, use:

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataDrift'
}

Para DataQuality, use:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'DataQuality'
}

Para FeatureAttributionDrift, use:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'string'
    threshold: {
      value: int
    }
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'FeatureAttributionDrift'
}

Para GenerationSafetyQuality, use:

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  signalType: 'GenerationSafetyQuality'
  workspaceConnectionId: 'string'
}

Para GenerationTokenStatistics, use:

{
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  signalType: 'GenerationTokenStatistics'
}

Para ModelPerformance, use:

{
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  metricThreshold: {
    threshold: {
      value: int
    }
    modelType: 'string'
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'ModelPerformance'
}

Para PredictionDrift, use:

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType: 'PredictionDrift'
}

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

{
  nodesValueType: 'All'
}

Objetos LabelingJobMediaProperties

Establezca la propiedad mediaType para especificar el tipo de objeto.

Para Imagen, use:

{
  annotationType: 'string'
  mediaType: 'Image'
}

Para Texto, use:

{
  annotationType: 'string'
  mediaType: 'Text'
}

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandit, use:

{
  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int
}

Para MedianStopping, use:

{
  policyType: 'MedianStopping'
}

Para TruncationSelection, use:

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

Objetos MonitoringInputDataBase

Establezca la propiedad inputDataType para especificar el tipo de objeto.

Para fixed, use:

{
  inputDataType: 'Fixed'
}

Para Rolling, use:

{
  inputDataType: 'Rolling'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'
}

Para Static, use:

{
  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: 'string'
}

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Custom, use:

{
  mode: 'Custom'
  values: [
    int
  ]
}

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Classification'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Para previsión, use:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    featuresUnknownAtForecastTime: [
      'string'
    ]
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Forecasting'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Para ImageClassification, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageClassificationMultilabel, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageInstanceSegmentation, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    logTrainingMetrics: 'string'
    logValidationLoss: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageInstanceSegmentation'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para ImageObjectDetection, use:

{
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    logTrainingMetrics: 'string'
    logValidationLoss: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'ImageObjectDetection'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

Para Regresión, use:

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(...)
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'Regression'
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any(...)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

Para TextClassification, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Para TextClassificationMultilabel, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Para TextNER, use:

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  taskType: 'TextNER'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

Objetos MonitorComputeConfigurationBase

Establezca la propiedad computeType para especificar el tipo de objeto.

Para ServerlessSpark, use:

{
  computeIdentity: {
    computeIdentityType: 'string'
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType: 'ServerlessSpark'
  instanceType: 'string'
  runtimeVersion: 'string'
}

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

{
  expression: 'string'
  triggerType: 'Cron'
}

Para Periodicidad, use:

{
  frequency: 'string'
  interval: int
  schedule: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    monthDays: [
      int
    ]
    weekDays: [
      'string'
    ]
  }
  triggerType: 'Recurrence'
}

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

{
  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Para literal, use:

{
  jobInputType: 'literal'
  value: 'string'
}

Para mlflow_model, use:

{
  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Para mltable, use:

{
  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Para triton_model, use:

{
  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Para uri_file, use:

{
  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Para uri_folder, use:

{
  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

{
  identityType: 'AMLToken'
}

Para Administrado, use:

{
  clientId: 'string'
  identityType: 'Managed'
  objectId: 'string'
  resourceId: 'string'
}

Para UserIdentity, use:

{
  identityType: 'UserIdentity'
}

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

{
  mlAssist: 'Disabled'
}

Para Habilitado, use:

{
  inferencingComputeBinding: 'string'
  mlAssist: 'Enabled'
  trainingComputeBinding: 'string'
}

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

{
  samplingAlgorithmType: 'Bayesian'
}

Para Grid, use:

{
  samplingAlgorithmType: 'Grid'
}

Para Random, use:

{
  logbase: 'string'
  rule: 'string'
  samplingAlgorithmType: 'Random'
  seed: int
}

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode: 'Auto'
}

Para Custom, use:

{
  mode: 'Custom'
  value: int
}

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

Para mlflow_model, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

Para mltable, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

Para triton_model, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

Para uri_file, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

Para uri_folder, use:

{
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

Objetos MonitoringFeatureFilterBase

Establezca la propiedad filterType para especificar el tipo de objeto.

Para AllFeatures, use:

{
  filterType: 'AllFeatures'
}

Para FeatureSubset, use:

{
  features: [
    'string'
  ]
  filterType: 'FeatureSubset'
}

Para TopNByAttribution, use:

{
  filterType: 'TopNByAttribution'
  top: int
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

{
  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

Para CreateMonitor, use:

{
  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSettings: {
      emailNotificationSettings: {
        emails: [
          'string'
        ]
      }
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        notificationTypes: [
          'string'
        ]
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Para ImportData, use:

{
  actionType: 'ImportData'
  dataImportDefinition: {
    assetName: 'string'
    autoDeleteSetting: {
      condition: 'string'
      value: 'string'
    }
    dataType: 'string'
    dataUri: 'string'
    description: 'string'
    intellectualProperty: {
      protectionLevel: 'string'
      publisher: 'string'
    }
    isAnonymous: bool
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    source: {
      connection: 'string'
      sourceType: 'string'
      // For remaining properties, see DataImportSource objects
    }
    stage: 'string'
    tags: {
      {customized property}: 'string'
    }
  }
}

Para InvokeBatchEndpoint, use:

{
  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any(...)
}

Valores de propiedad

Microsoft.MachineLearningServices/áreas de trabajo/programaciones

Nombre	Descripción	Importancia
nombre	El nombre del recurso	cuerda Restricciones: Patrón = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obligatorio)
padre	En Bicep, puede especificar el recurso primario para un recurso secundario. Solo tiene que agregar esta propiedad cuando el recurso secundario se declara fuera del recurso primario. Para obtener más información, consulte recurso secundario fuera del recurso primario.	Nombre simbólico del recurso de tipo: áreas de trabajo
Propiedades	[Obligatorio] Atributos adicionales de la entidad.	ScheduleProperties (obligatorio)

Todas las características

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'AllFeatures' (obligatorio)

Todos los nodos

Nombre	Descripción	Importancia
nodesValueType	[Obligatorio] Tipo del valor nodos	'All' (obligatorio)

AmlToken

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'AMLToken' (obligatorio)

AmlTokenComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'AmlToken' (obligatorio)

Configuración de eliminación automática

Nombre	Descripción	Importancia
condición	Cuándo comprobar si un recurso ha expirado	'CreadoMayorQue' 'LastAccessedGreaterThan'
valor	Valor de condición de expiración.	cuerda / cadena

AutoForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Auto' (obligatorio)

Configuración de Autologger

Nombre	Descripción	Importancia
mlflowAutologger	[Obligatorio] Indica si el registrador automático de mlflow está habilitado.	'Deshabilitado' 'Habilitado' (obligatorio)

AutoMLJob

Nombre	Descripción	Importancia
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo. Este es un valor opcional que se debe proporcionar, si no se proporciona, AutoML se usará de forma predeterminada en la versión del entorno mantenido por AutoML de producción al ejecutar el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	AutoMLJobEnvironmentVariables
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'AutoML' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	AutoMLJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
taskDetails	[Obligatorio] Esto representa un escenario que puede ser una de las tablas,NLP/Image.	AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre	Descripción	Importancia

AutoMLJobOutputs

Nombre	Descripción	Importancia

AutoMLVertical

Nombre	Descripción	Importancia
logVerbosity	Detalle del registro del trabajo.	"Crítico" "Depurar" 'Error' 'Información' 'NotSet' 'Advertencia'
targetColumnName	Nombre de columna de destino: se trata de la columna de valores de predicción. También conocido como nombre de columna de etiqueta en el contexto de las tareas de clasificación.	cuerda / cadena
tipo de tarea	Establézcalo en "Clasificación" para el tipo Classification. Establézcalo en "Previsión" para el tipo Previsión. Establezca en "ImageClassification" para el tipo ImageClassification. Establezca en "ImageClassificationMultilabel" para el tipo ImageClassificationMultilabel. Establezca en "ImageInstanceSegmentation" para el tipo ImageInstanceSegmentation. Establezca en "ImageObjectDetection" para el tipo ImageObjectDetection. Establezca en "Regresión" para el tipo Regresión. Establezca en "TextClassification" para el tipo TextClassification. Establezca en "TextClassificationMultilabel" para el tipo TextClassificationMultilabel. Establezca en "TextNER" para el tipo TextNer.	'Clasificación' "Previsión" 'Clasificación de imágenes' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regresión' 'Clasificación de texto' 'TextClassificationMultilabel' 'TextNER' (obligatorio)
trainingData	[Obligatorio] Entrada de datos de entrenamiento.	MLTableJobInput (obligatorio)

AutoNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Auto' (obligatorio)

AutoEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Auto' (obligatorio)

AutoTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Auto' (obligatorio)

AutoTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Auto' (obligatorio)

AzureDevOpsWebhook

Nombre	Descripción	Importancia
webhookType	[Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada.	"AzureDevOps" (obligatorio)

Política de Bandidos

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'Bandit' (obligatorio)
slackAmount	Distancia absoluta permitida desde la mejor ejecución.	Int
slackFactor	Relación de la distancia permitida desde la ejecución con mejor rendimiento.	Int

BayesianSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Bayesian' (obligatorio)

CategoricalDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos categóricos que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

CategoricalDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de calidad de datos categóricos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

CategoricalPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de predicción categórica que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

Clasificación

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
Etiqueta positiva	Etiqueta positiva para el cálculo de métricas binarias.	cuerda / cadena
primaryMetric	Métrica principal de la tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Clasificación' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ClassificationTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

ClassificationModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Rendimiento del modelo de clasificación que se va a calcular.	'Precisión' 'Precisión' 'Recall' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Clasificación' (obligatorio)

ClassificationTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

Transformador de columna

Nombre	Descripción	Importancia
Campos	Campos en los que se va a aplicar la lógica del transformador.	cadena[]
parámetros	Propiedades diferentes que se van a pasar al transformador. La entrada esperada es el diccionario de pares clave-valor en formato JSON.	cualquier

CommandJob (ComandoTrabajo)

Nombre	Descripción	Importancia
autologgerSettings	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	Configuración de Autologger
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch, Ray o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	CommandJobEnvironmentVariables
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	CommandJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Command' (obligatorio)
Límites	Límite de trabajos de comando.	CommandJobLimits
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	CommandJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nombre	Descripción	Importancia

CommandJobInputs

Nombre	Descripción	Importancia

CommandJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena

CommandJobOutputs

Nombre	Descripción	Importancia

ComponentConfiguration

Nombre	Descripción	Importancia
pipelineSettings	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier

CreateMonitorAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateMonitor' (obligatorio)
monitorDefinition	[Obligatorio] Define el monitor.	MonitorDefinition (obligatorio)

CronTrigger (Gatillo Cron)

Nombre	Descripción	Importancia
expresión	[Obligatorio] Especifica la expresión cron de la programación. La expresión debe seguir el formato NCronTab.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
triggerType	[Obligatorio]	'Cron' (obligatorio)

CustomForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Custom' (obligatorio)
valor	[Obligatorio] Valor del horizonte de previsión.	int (obligatorio)

CustomMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica definida por el usuario que se va a calcular.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

CustomModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

CustomModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

CustomMonitoringSignal

Nombre	Descripción	Importancia
componentId	[Obligatorio] Identificador de recurso de ARM del recurso de componente usado para calcular las métricas personalizadas.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
inputAssets	Supervisar los recursos que se van a tomar como entrada. La clave es el nombre del puerto de entrada del componente, el valor es el recurso de datos.	CustomMonitoringSignalInputAssets
Entradas	Parámetros de componente adicionales que se van a tomar como entrada. La clave es el nombre del puerto de entrada literal del componente, el valor es el valor del parámetro.	CustomMonitoringSignalInputs
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	CustomMetricThreshold[] (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Custom' (obligatorio)
workspaceConnection	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	MonitoringWorkspaceConnection (obligatorio)

CustomMonitoringSignalInputAssets

Nombre	Descripción	Importancia

CustomMonitoringSignalInputs

Nombre	Descripción	Importancia

CustomNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de N-Validaciones cruzadas.	int (obligatorio)

CostumbreEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de estacionalidad.	int (obligatorio)

CustomTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Custom' (obligatorio)
valores	[Obligatorio] Establezca los valores de retardo de destino.	int[] (obligatorio)

CustomTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Custom' (obligatorio)
valor	[Obligatorio] Valor TargetRollingWindowSize.	int (obligatorio)

Fuente de base de datos

Nombre	Descripción	Importancia
consulta	Instrucción SQL Query para la importación de datos origen de base de datos	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'database' (obligatorio)
storedProcedure	SQL StoredProcedure en el origen de la base de datos de importación de datos	cuerda / cadena
storedProcedureParams	Parámetros StoredProcedure de SQL	DatabaseSourceStoredProcedureParamsItem[]
tableName	Nombre de la tabla en el origen de la base de datos de importación de datos	cuerda / cadena

DatabaseSourceStoredProcedureParamsItem

Nombre	Descripción	Importancia

DataDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericDataDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataDriftMonitoringSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos usado para determinar el ámbito de un subconjunto de la población de datos.	MonitoringDataSegment
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Filtro de características que identifica qué característica se va a calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataDrift' (obligatorio)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

Importación de datos

Nombre	Descripción	Importancia
assetName	Nombre del recurso para el trabajo de importación de datos que se va a crear	cuerda / cadena
autoDeleteSetting	Especifica la configuración del ciclo de vida del recurso de datos administrado.	AutoDeleteSetting
Tipo de dato	[Obligatorio] Especifica el tipo de datos.	'MLTABLE' "uri_file" 'uri_folder' (obligatorio)
dataUri	[Obligatorio] Uri de los datos. Ejemplo: https://go.microsoft.com/fwlink/?linkid=2202330	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Propiedad intelectual	Detalles de la propiedad intelectual. Se utiliza si los datos son propiedad intelectual.	IntellectualProperty
isAnonymous	Si la versión del nombre se genera por el sistema (registro anónimo). Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsAnonymous.	booleano
isArchivado	¿El recurso está archivado? Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsArchived.	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
fuente	Datos de origen del recurso desde el que se va a importar	DataImportSource
fase	Fase del ciclo de vida de los datos asignado a este recurso de datos	cuerda / cadena
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

DataImportSource

Nombre	Descripción	Importancia
conexión	Conexión del área de trabajo para el almacenamiento de origen de importación de datos	cuerda / cadena
tipo de fuente	Establezca en "database" para el tipo DatabaseSource. Establezca en "file_system" para el tipo FileSystemSource.	'base de datos' 'file_system' (obligatorio)

DataQualityMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataQualityMetricThreshold. Establezca en "Numeric" para el tipo NumericDataQualityMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataQualityMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Características para calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataQualityMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataQuality' (obligatorio)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

DistributionConfiguration

Nombre	Descripción	Importancia
distributionType	Establezca en "Mpi" para el tipo Mpi. Establezca en "PyTorch" para el tipo PyTorch. Establezca en "Ray" para el tipo Ray. Establezca en "TensorFlow" para el tipo TensorFlow.	'MPI' 'Antorcha' 'Rayo' 'TensorFlow' (obligatorio)

Política de Terminación Anticipada

Nombre	Descripción	Importancia
delayEvaluation	Número de intervalos por los que se va a retrasar la primera evaluación.	Int
evaluationInterval	Intervalo (número de ejecuciones) entre evaluaciones de directivas.	Int
policyType	Establezca en "Bandit" para el tipo BanditPolicy. Establezca en "MedianStopping" para el tipo MedianStoppingPolicy. Establezca en "TruncationSelection" para el tipo TruncationSelectionPolicy.	'Bandido' "MedianStopping" 'TruncationSelection' (obligatorio)

EndpointScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'InvokeBatchEndpoint' (obligatorio)
endpointInvocationDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar. <ver href="TBD" />	any (obligatorio)

FeatureAttributionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	FeatureAttributionMetricThreshold (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'FeatureAttributionDrift' (obligatorio)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

FeatureAttributionMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de atribución de características que se va a calcular.	'NormalizedDiscountedCumulativeGain' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

FeatureImportanceSettings

Nombre	Descripción	Importancia
modo	Modo de funcionamiento para calcular la importancia de las características.	'Deshabilitado' 'Habilitado'
targetColumn	Nombre de la columna de destino dentro del recurso de datos de entrada.	cuerda / cadena

CaracterísticaSubconjunto

Nombre	Descripción	Importancia
Características	[Obligatorio] Lista de características que se van a incluir.	string[] (obligatorio)
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'FeatureSubset' (obligatorio)

FileSystemSource (Fuente del sistema de archivos)

Nombre	Descripción	Importancia
camino	Ruta de acceso en la importación de datos FileSystem source	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'file_system' (obligatorio)

FixedInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Fixed' (obligatorio)

ForecastHorizon

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoForecastHorizon. Establezca en "Custom" para el tipo CustomForecastHorizon.	'Auto' 'Custom' (obligatorio)

Previsión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
forecastingSettings	Previsión de entradas específicas de la tarea.	Configuración de previsión
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de previsión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	"Previsión" (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ForecastingTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

Configuración de previsión

Nombre	Descripción	Importancia
countryOrRegionForHolidays	País o región para días festivos para las tareas de previsión. Deben ser códigos de país o región de dos letras ISO 3166, por ejemplo, "US" o "GB".	cuerda / cadena
cvStepSize	Número de períodos entre la hora de origen de un plegado CV y el siguiente plegado. Para por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será tres días de diferencia.	Int
featureLags	Marca para generar retrasos para las características numéricas con "auto" o null.	'Auto' 'Ninguno'
featuresUnknownAtForecastTime	Columnas de características disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia. Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.	cadena[]
forecastHorizon	Horizonte de previsión máximo deseado en unidades de frecuencia de serie temporal.	ForecastHorizon
frecuencia	Al realizar la previsión, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de forma predeterminada.	cuerda / cadena
estacionalidad	Establezca la estacionalidad de series temporales como un entero múltiplo de la frecuencia de la serie. Si la estacionalidad se establece en "auto", se deducirá.	Estacionalidad
shortSeriesHandlingConfig	Parámetro que define cómo si AutoML debe controlar series temporales cortas.	'Auto' 'Caída' 'Ninguno' 'Almohadilla'
targetAggregateFunction	Función que se va a usar para agregar la columna de destino de serie temporal para ajustarse a una frecuencia especificada por el usuario. Si targetAggregateFunction se establece, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".	'Max' 'Mezquino' 'Min' 'Ninguno' 'Suma'
targetLags	Número de períodos anteriores que se van a retardar desde la columna de destino.	TargetLags
targetRollingWindowSize	Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino.	TargetRollingWindowSize
timeColumnName	Nombre de la columna de hora. Este parámetro es necesario cuando se prevé especificar la columna datetime en los datos de entrada utilizados para compilar la serie temporal e inferir su frecuencia.	cuerda / cadena
timeSeriesIdColumnNames	Los nombres de las columnas usadas para agrupar una serie de horas. Se puede usar para crear varias series. Si no se define el grano, se supone que el conjunto de datos es una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.	cadena[]
useStl	Configure la descomposición de STL de la columna de destino de serie temporal.	'Ninguno' 'Temporada' 'Tendencia de temporada'

ForecastingTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

GenerationSafetyQualityMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GeneraciónSeguridadCalidadMonitoreoSeñal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationSafetyQualityMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationSafetyQuality' (obligatorio)
workspaceConnectionId	Obtiene o establece el identificador de conexión del área de trabajo que se usa para conectarse al punto de conexión de generación de contenido.	cuerda / cadena

GenerationTokenUsageMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'TotalTokenCount' 'TotalTokenCountPerGroup' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GenerationTokenUsageSignal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationTokenUsageMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationTokenStatistics' (obligatorio)

GridSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Grid' (obligatorio)

IdentityConfiguration

Nombre	Descripción	Importancia
tipo de identidad	Establezca en "AMLToken" para el tipo AmlToken. Establezca en "Managed" para el tipo ManagedIdentity. Establezca en "UserIdentity" para el tipo UserIdentity.	'AMLToken' "Administrado" 'UserIdentity' (obligatorio)

Clasificación de imágenes

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageClassificationMultilabel

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'Pagaré' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageInstanceSegmentation

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageInstanceSegmentation' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Número máximo de iteraciones simultáneas de AutoML.	Int
maxTrials	Número máximo de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena

ImageModelDistributionSettingsClassification

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	cuerda / cadena

ImageModelDistributionSettingsObjectDetection

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5". NMS: supresión no máxima	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc".	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena

ImageModelSettingsClassification

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	Int
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	Int
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	Int

ImageModelSettingsObjectDetection

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
logTrainingMetrics	Habilite las métricas de aprendizaje de computación y registro.	'Deshabilitar' 'Habilitar'
logValidationLoss	Habilite la pérdida de validación de computación y registro.	'Deshabilitar' 'Habilitar'
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	'Extragrande' 'Grande' "Medio" 'Ninguno' 'Pequeño'
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	booleano
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1].	Int
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	Int
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación.	'Coco' 'CocoVoc' 'Ninguno' 'VOC'
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int

ImageObjectDetection

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageObjectDetection' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ImportDataAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'ImportData' (obligatorio)
dataImportDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	DataImport (obligatorio)

Propiedad Intelectual

Nombre	Descripción	Importancia
Nivel de protección	Nivel de protección de la Propiedad Intelectual.	"Todo" 'Ninguno'
editor	[Obligatorio] Publicador de la Propiedad Intelectual. Debe ser el mismo que el nombre del publicador del Registro.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

JobBaseProperties

Nombre	Descripción	Importancia
componentId	Identificador de recurso de ARM del recurso de componente.	cuerda / cadena
computeId	Identificador de recurso de ARM del recurso de proceso.	cuerda / cadena
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar del trabajo.	cuerda / cadena
experimentName	Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado".	cuerda / cadena
identidad	Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o NULL. El valor predeterminado es AmlToken si es null.	IdentityConfiguration
isArchivado	¿El recurso está archivado?	booleano
tipoDeTrabajo	Establezca en "AutoML" para el tipo AutoMLJob. Establezca en "Command" para el tipo CommandJob. Establezca en "Etiquetado" para el tipo LabelingJobProperties. Establezca en "Pipeline" para el tipo PipelineJob. Establezca en "Spark" para el tipo SparkJob. Establézcalo en "Barrido" para el tipo SweepJob.	'AutoML' 'Mando' "Etiquetado" "Canalización" "Spark" 'Barrido' (obligatorio)
notificationSetting	Configuración de notificación para el trabajo	NotificationSetting
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
secretsConfiguración	Configuración para que los secretos estén disponibles durante el tiempo de ejecución.	JobBaseSecretsConfiguration
servicios	Lista de jobEndpoints. Para los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.	Servicios de JobBase
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

JobBaseSecretsConfiguration

Nombre	Descripción	Importancia

Servicios de JobBase

Nombre	Descripción	Importancia

JobInput (Entrada de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	Establezca en "custom_model" para el tipo CustomModelJobInput. Establezca en "literal" para el tipo LiteralJobInput. Establezca en "mlflow_model" para el tipo MLFlowModelJobInput. Establezca en "mltable" para el tipo MLTableJobInput. Establezca en "triton_model" para el tipo TritonModelJobInput. Establezca en "uri_file" para el tipo UriFileJobInput. Establezca en "uri_folder" para el tipo UriFolderJobInput.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobOutput (Salida de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la salida.	cuerda / cadena
jobOutputType	Establezca en "custom_model" para el tipo CustomModelJobOutput. Establezca en "mlflow_model" para el tipo MLFlowModelJobOutput. Establezca en "mltable" para el tipo MLTableJobOutput. Establezca en "triton_model" para el tipo TritonModelJobOutput. Establezca en "uri_file" para el tipo UriFileJobOutput. Establezca en "uri_folder" para el tipo UriFolderJobOutput.	"custom_model" "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobResourceConfiguration

Nombre	Descripción	Importancia
dockerArgs	Argumentos adicionales para pasar al comando docker run. Esto invalidaría los parámetros ya establecidos por el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML.	cuerda / cadena
InstanceCount	Número opcional de instancias o nodos usados por el destino de proceso.	Int
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
ubicaciones	Ubicaciones en las que se puede ejecutar el trabajo.	cadena[]
maxInstanceCount	Número máximo opcional permitido de instancias o nodos que usará el destino de proceso. Para su uso con el entrenamiento elástico, actualmente solo es compatible con el tipo de distribución pyTorch.	Int
Propiedades	Bolsa de propiedades adicionales.	resourceConfigurationProperties
shmSize	Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato (número)(unidad) donde el número como mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes).	cuerda Restricciones: Patrón = \d+[bBkKmMgG]

JobScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateJob' (obligatorio)
jobDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	JobBaseProperties (obligatorio)

JobService (Servicio de trabajo)

Nombre	Descripción	Importancia
punto final	Dirección URL del punto de conexión.	cuerda / cadena
jobServiceType	Tipo de punto de conexión.	cuerda / cadena
Nodos	Nodos en los que el usuario desea iniciar el servicio. Si los nodos no se establecen o se establecen en NULL, el servicio solo se iniciará en el nodo líder.	Nodos
puerto	Puerto para el punto de conexión establecido por el usuario.	Int
Propiedades	Propiedades adicionales que se van a establecer en el punto de conexión.	JobServiceProperties

JobServiceProperties

Nombre	Descripción	Importancia

CategoríaDeEtiqueta

Nombre	Descripción	Importancia
Clases	Diccionario de clases de etiqueta en esta categoría.	LabelCategoryClasses
Nombre para mostrar	Nombre para mostrar de la categoría de etiqueta.	cuerda / cadena
Selección múltiple	Indica si se permite seleccionar varias clases en esta categoría.	'Deshabilitado' 'Habilitado'

LabelCategoryClasses

Nombre	Descripción	Importancia

LabelClass (Clase de etiqueta)

Nombre	Descripción	Importancia
Nombre para mostrar	Nombre para mostrar de la clase de etiqueta.	cuerda / cadena
Subclases	Diccionario de subclases de la clase de etiqueta.	labelClassSubclasses

LabelClassSubclasses

Nombre	Descripción	Importancia

LabelingDataConfiguration

Nombre	Descripción	Importancia
DataId	Identificador de recurso del recurso de datos para realizar el etiquetado.	cuerda / cadena
incrementalDataRefresh	Indica si se va a habilitar la actualización incremental de datos.	'Deshabilitado' 'Habilitado'

LabelingJobImageProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de imágenes.	'Cuadro delimitador' 'Clasificación' 'Segmentación de instancias'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Image' (obligatorio)

LabelingJobInstructions

Nombre	Descripción	Importancia
Uri	Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores.	cuerda / cadena

LabelingJobLabelCategories

Nombre	Descripción	Importancia

LabelingJobMediaProperties

Nombre	Descripción	Importancia
mediaType	Establezca en "Image" para el tipo LabelingJobImageProperties. Establezca en "Text" para el tipo LabelingJobTextProperties.	'Imagen' 'Text' (obligatorio)

LabelingJobProperties

Nombre	Descripción	Importancia
dataConfiguration	Configuración de datos usados en el trabajo.	LabelingDataConfiguration
jobInstructions	Etiquetado de instrucciones del trabajo.	LabelingJobInstructions
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Etiquetado' (obligatorio)
labelCategorías	Categorías de etiqueta del trabajo.	labelingJobLabelCategories
labelingJobMediaProperties	Propiedades específicas del tipo de medio en el trabajo.	LabelingJobMediaProperties
mlAssistConfiguration	Configuración de la característica MLAssist en el trabajo.	mlAssistConfiguration

LabelingJobTextProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de texto.	'Clasificación' 'NamedEntityRecognition'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Text' (obligatorio)

LiteralJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'literal' (obligatorio)
valor	[Obligatorio] Valor literal de la entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

ManagedComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'ManagedIdentity' (obligatorio)
identidad	Identidad de servicio administrada (identidades asignadas por el sistema o asignadas por el usuario)	managedServiceIdentity

Identidad administrada

Nombre	Descripción	Importancia
clientId	Especifica una identidad asignada por el usuario por identificador de cliente. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	"Administrado" (obligatorio)
objectId	Especifica una identidad asignada por el usuario por identificador de objeto. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificador de recurso	Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. En el caso de asignados por el sistema, no establezca este campo.	cuerda / cadena

ManagedServiceIdentity

Nombre	Descripción	Importancia
tipo	Tipo de identidad de servicio administrada (donde se permiten los tipos SystemAssigned y UserAssigned).	'Ninguno' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obligatorio)
identidades asignadas por el usuario	Conjunto de identidades asignadas por el usuario asociadas al recurso. Las claves de diccionario userAssignedIdentities serán identificadores de recursos de ARM con el formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Los valores del diccionario pueden ser objetos vacíos ({}) en las solicitudes.	UserAssignedIdentities

MedianStoppingPolicy

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'MedianStopping' (obligatorio)

MLAssistConfiguration

Nombre	Descripción	Importancia
Asistencia de ML	Establezca en "Disabled" para el tipo MLAssistConfigurationDisabled. Establezca en "Enabled" para el tipo MLAssistConfigurationEnabled.	'Deshabilitado' 'Habilitado' (obligatorio)

MLAssistConfigurationDisabled

Nombre	Descripción	Importancia
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Disabled' (obligatorio)

MLAssistConfigurationEnabled

Nombre	Descripción	Importancia
inferencingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en la inferencia.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Habilitado' (obligatorio)
trainingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en el entrenamiento.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

MLTableJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

ModelPerformanceMetricThresholdBase

Nombre	Descripción	Importancia
modelType	Establezca en "Classification" para el tipo ClassificationModelPerformanceMetricThreshold. Establezca en "Regresión" para el tipo RegressionModelPerformanceMetricThreshold.	'Clasificación' 'Regresión' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

ModelPerformanceSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos.	MonitoringDataSegment
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	ModelPerformanceMetricThresholdBase (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el rendimiento.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Los datos de referencia utilizados como base para calcular el rendimiento del modelo.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ModelPerformance' (obligatorio)

MonitorComputeConfigurationBase

Nombre	Descripción	Importancia
computeType	Establezca en "ServerlessSpark" para el tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obligatorio)

MonitorComputeIdentityBase

Nombre	Descripción	Importancia
computeIdentityType	Establezca en "AmlToken" para el tipo AmlTokenComputeIdentity. Establezca en "ManagedIdentity" para el tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obligatorio)

MonitorDefinition

Nombre	Descripción	Importancia
alertNotificationSettings	Configuración de notificación del monitor.	MonitorNotificationSettings
computeConfiguration	[Obligatorio] Identificador de recurso de ARM del recurso de proceso en el que ejecutar el trabajo de supervisión.	MonitorComputeConfigurationBase (obligatorio)
monitoringTarget	El identificador de recurso de ARM del modelo o la implementación de destino de este monitor.	MonitoringTarget (Objetivo de monitoreo)
señales	[Obligatorio] Señales que se van a supervisar.	MonitorDefinitionSignals (obligatorio)

MonitorDefinitionSignals

Nombre	Descripción	Importancia

MonitorEmailNotificationSettings

Nombre	Descripción	Importancia
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total.	cadena[]

MonitoringDataSegment

Nombre	Descripción	Importancia
característica	Característica en la que se segmentarán los datos.	cuerda / cadena
valores	Filtra solo los valores especificados de la característica segmentada especificada.	cadena[]

MonitoringFeatureFilterBase

Nombre	Descripción	Importancia
filterType	Establezca en "AllFeatures" para el tipo AllFeatures. Establezca en "FeatureSubset" para el tipo FeatureSubset. Establezca en "TopNByAttribution" para el tipo TopNFeaturesByAttribution.	'Todas las características' 'Subconjunto de características' 'TopNByAttribution' (obligatorio)

MonitoringInputDataBase

Nombre	Descripción	Importancia
columnas	Asignación de nombres de columna a usos especiales.	MonitoringInputDataBaseColumns
dataContext	Metadatos de contexto del origen de datos.	cuerda / cadena
inputDataType	Establezca en "Fixed" para el tipo FixedInputData. Establezca en "Rolling" para el tipo RollingInputData. Establezca en "Static" para el tipo StaticInputData.	'Arreglado' 'Rodar' 'Static' (obligatorio)
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MonitoringInputDataBaseColumns

Nombre	Descripción	Importancia

MonitoringSignalBase

Nombre	Descripción	Importancia
notificationTypes	Modo de notificación actual para esta señal.	Matriz de cadenas que contiene cualquiera de: 'AmlNotification' "AzureMonitor"
Propiedades	Diccionario de propiedades. Se pueden agregar propiedades, pero no se pueden quitar ni modificar.	MonitoringSignalBaseProperties
tipo de señal	Establezca en "Custom" para el tipo CustomMonitoringSignal. Establezca en "DataDrift" para el tipo DataDriftMonitoringSignal. Establezca en "DataQuality" para el tipo DataQualityMonitoringSignal. Establezca en "FeatureAttributionDrift" para el tipo FeatureAttributionDriftMonitoringSignal. Establezca en "GenerationSafetyQuality" para el tipo GenerationSafetyQualityMonitoringSignal. Establezca en "GenerationTokenStatistics" para el tipo GenerationTokenUsageSignal. Establezca en "ModelPerformance" para el tipo ModelPerformanceSignal. Establezca en "PredictionDrift" para el tipo PredictionDriftMonitoringSignal.	'Personalizado' 'Deriva de datos' 'Calidad de los datos' 'FeatureAttributionDrift' 'GeneraciónSeguridadCalidad' 'GenerationTokenStatistics' (Estadísticas de GenerationToken) 'ModelPerformance' 'PredictionDrift' (obligatorio)

MonitoringSignalBaseProperties

Nombre	Descripción	Importancia

MonitoringTarget (Objetivo de monitoreo)

Nombre	Descripción	Importancia
deploymentId	El identificador de recurso de ARM de cualquiera de las implementaciones dirigidas por este monitor.	cuerda / cadena
modelId	El identificador de recurso de ARM de cualquiera de los modelos de destino de este monitor.	cuerda / cadena
tipo de tarea	[Obligatorio] Tipo de tarea de aprendizaje automático del modelo.	'Clasificación' 'PreguntaRespuesta' 'Regresión' (obligatorio)

Umbral de supervisión

Nombre	Descripción	Importancia
valor	Valor de umbral. Si es null, el valor predeterminado del conjunto depende del tipo de métrica.	Int

MonitoringWorkspaceConnection

Nombre	Descripción	Importancia
variables de entorno	Las propiedades de una conexión de servicio del área de trabajo para almacenarlas como variables de entorno en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave de variable de entorno.	MonitoringWorkspaceConnectionEnvironmentVariables
secretos	Las propiedades de una conexión de servicio del área de trabajo para almacenar como secretos en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave secreta.	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

Nombre	Descripción	Importancia

MonitoringWorkspaceConnectionSecrets

Nombre	Descripción	Importancia

MonitorNotificationSettings

Nombre	Descripción	Importancia
emailNotificationSettings	Configuración del correo electrónico de notificación de AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nombre	Descripción	Importancia
computeIdentity	[Obligatorio] El esquema de identidad que aprovechan los trabajos de Spark que se ejecutan en Spark sin servidor.	MonitorComputeIdentityBase (obligatorio)
computeType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ServerlessSpark' (obligatorio)
instanceType	[Obligatorio] Tipo de instancia que ejecuta el trabajo de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
runtimeVersion	[Obligatorio] La versión del entorno de ejecución de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MPI

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Mpi' (obligatorio)
processCountPerInstance	Número de procesos por nodo MPI.	Int

NCrossValidaciones

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoNCrossValidations. Establezca en "Custom" para el tipo CustomNCrossValidations.	'Auto' 'Custom' (obligatorio)

NlpFixedParameters

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	Int
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	'Constante' 'ConstantWithWarmup' 'Coseno' 'CosineWithRestarts' 'Lineal' 'Ninguno' 'Polinomial'
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	Int
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	Int
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	Int
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	Int
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	Int

NlpParameterSubspace

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	cuerda / cadena
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	cuerda / cadena
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	cuerda / cadena
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	cuerda / cadena
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	cuerda / cadena

NlpSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

NlpVerticalFeaturizationSettings

Nombre	Descripción	Importancia
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena

NlpVerticalLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Iteraciones de AutoML simultáneas máximas.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera para pruebas individuales de HD.	cuerda / cadena

Nodos

Nombre	Descripción	Importancia
nodesValueType	Establezca en "All" para el tipo AllNodes.	'All' (obligatorio)

NotificationSetting

Nombre	Descripción	Importancia
emailOn	Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado	Matriz de cadenas que contiene cualquiera de: 'Trabajo cancelado' 'Trabajo completado' 'JobFailed'
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas.	cadena[]
Webhooks	Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook.	NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre	Descripción	Importancia

NumericDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos numérica que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

NumericDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica numérica de calidad de datos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

NumericPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase numérica de predicción que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

Objetivo

Nombre	Descripción	Importancia
Gol	[Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros	'Maximizar' 'Minimizar' (obligatorio)
primaryMetric	[Obligatorio] Nombre de la métrica que se va a optimizar.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

PipelineJob

Nombre	Descripción	Importancia
Entradas	Entradas para el trabajo de canalización.	PipelineJobInputs
Trabajos	Los trabajos construyen el trabajo de canalización.	PipelineJobJobs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Canalización' (obligatorio)
Salidas	Salidas para el trabajo de canalización	PipelineJobOutputs
configuración	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier
sourceJobId	Identificador de recurso de ARM del trabajo de origen.	cuerda / cadena

PipelineJobInputs

Nombre	Descripción	Importancia

PipelineJobJobs

Nombre	Descripción	Importancia

PipelineJobOutputs

Nombre	Descripción	Importancia

PredictionDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalPredictionDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericPredictionDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

PredictionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	PredictionDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'PredictionDrift' (obligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

PyTorch

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'PyTorch' (obligatorio)
processCountPerInstance	Número de procesos por nodo.	Int

QueueSettings (Configuración de cola)

Nombre	Descripción	Importancia
jobTier	Controla el nivel de trabajo de proceso	"Básico" 'Nulo' 'Premium' 'Mancha' 'Estándar'
prioridad	Controla la prioridad del trabajo en un proceso.	Int

RandomSamplingAlgorithm

Nombre	Descripción	Importancia
Base de datos	Número positivo opcional o e en formato de cadena que se va a usar como base para el muestreo aleatorio basado en registros	cuerda / cadena
regla	Tipo específico de algoritmo aleatorio	'Aleatorio' 'Sobol'
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Random' (obligatorio)
semilla	Entero opcional que se va a usar como inicialización para la generación de números aleatorios	Int

Raya

Nombre	Descripción	Importancia
dirección	Dirección del nodo principal de Ray.	cuerda / cadena
dashboardPort	Puerto al que se va a enlazar el servidor del panel.	Int
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Ray' (obligatorio)
headNodeAdditionalArgs	Argumentos adicionales pasados al inicio del rayo en el nodo principal.	cuerda / cadena
includeDashboard	Proporcione este argumento para iniciar la GUI del panel de Ray.	booleano
puerto	Puerto del proceso del rayo de cabeza.	Int
workerNodeAdditionalArgs	Argumentos adicionales pasados a ray start en el nodo de trabajo.	cuerda / cadena

RecurrenceSchedule

Nombre	Descripción	Importancia
horas	[Obligatorio] Lista de horas para la programación.	int[] (obligatorio)
acta	[Obligatorio] Lista de minutos para la programación.	int[] (obligatorio)
monthDays	Lista de días del mes para la programación	int[]
días entre semana	Lista de días para la programación.	Matriz de cadenas que contiene cualquiera de: 'Viernes' "Lunes" 'Sábado' 'Domingo' 'Jueves' "Martes" 'Miércoles'

RecurrenceTrigger

Nombre	Descripción	Importancia
frecuencia	[Obligatorio] Frecuencia de desencadenamiento de la programación.	'Día' 'Hora' 'Minuto' 'Mes' 'Semana' (obligatorio)
intervalo	[Obligatorio] Especifica el intervalo de programación junto con la frecuencia.	int (obligatorio)
horario	Programación de periodicidad.	RecurrenceSchedule
triggerType	[Obligatorio]	'Periodicidad' (obligatorio)

Regresión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de regresión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Regresión' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	RegressionTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

RegressionModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de rendimiento del modelo de regresión que se va a calcular.	'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Regresión' (obligatorio)

RegressionTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceConfigurationProperties

Nombre	Descripción	Importancia

RollingInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Rolling' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowOffset	[Obligatorio] Desplazamiento de tiempo entre el final de la ventana de datos y el tiempo de ejecución actual del monitor.	string (obligatorio)
tamaño de ventana	[Obligatorio] Tamaño de la ventana de datos final.	string (obligatorio)

Algoritmo de muestreo

Nombre	Descripción	Importancia
samplingAlgorithmType	Establezca en "Bayesian" para el tipo BayesianSamplingAlgorithm. Establézcalo en "Grid" para el tipo GridSamplingAlgorithm. Establezca en "Random" para el tipo RandomSamplingAlgorithm.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ScheduleActionBase

Nombre	Descripción	Importancia
tipo de acción	Establezca en "CreateJob" para el tipo JobScheduleAction. Establezca en "CreateMonitor" para el tipo CreateMonitorAction. Establezca en "ImportData" para el tipo ImportDataAction. Establezca en "InvokeBatchEndpoint" para el tipo EndpointScheduleAction.	'CrearTrabajo' 'CrearMonitor' 'Importar datos' 'InvokeBatchEndpoint' (obligatorio)

ScheduleProperties (Propiedades de horario)

Nombre	Descripción	Importancia
acción	[Obligatorio] Especifica la acción de la programación.	ScheduleActionBase (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar de la programación.	cuerda / cadena
isEnabled	¿Está habilitada la programación?	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de
desencadenador	[Obligatorio] Especifica los detalles del desencadenador.	TriggerBase (obligatorio)

Estacionalidad

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoSeasonality. Establezca en "Custom" para el tipo CustomSeasonality.	'Auto' 'Custom' (obligatorio)

SecretConfiguration

Nombre	Descripción	Importancia
Uri	Uri secreto. Uri de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion	cuerda / cadena
workspaceSecretName	Nombre del secreto en el almacén de claves del área de trabajo.	cuerda / cadena

SparkJob

Nombre	Descripción	Importancia
archivo	Archivar archivos usados en el trabajo.	cadena[]
args	Argumentos para el trabajo.	cuerda / cadena
codeId	[Obligatorio] Identificador de recurso de ARM del recurso de código.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Conf	Propiedades configuradas por Spark.	SparkJobConf
entrada	[Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo.	SparkJobEntry (obligatorio)
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	SparkJobEnvironmentVariables
Archivos	Archivos usados en el trabajo.	cadena[]
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SparkJobInputs
Frascos	Archivos Jar usados en el trabajo.	cadena[]
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Spark' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SparkJobOutputs
Archivos pyFiles	Archivos de Python usados en el trabajo.	cadena[]
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	SparkResourceConfiguration

SparkJobConf

Nombre	Descripción	Importancia

SparkJobEntry

Nombre	Descripción	Importancia
sparkJobEntryType	Establezca en "SparkJobPythonEntry" para el tipo SparkJobPythonEntry. Establezca en "SparkJobScalaEntry" para el tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obligatorio)

SparkJobEnvironmentVariables

Nombre	Descripción	Importancia

SparkJobInputs

Nombre	Descripción	Importancia

SparkJobOutputs

Nombre	Descripción	Importancia

SparkJobPythonEntry

Nombre	Descripción	Importancia
archivo	[Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobPythonEntry' (obligatorio)

SparkJobScalaEntry

Nombre	Descripción	Importancia
nombreDeClase	[Obligatorio] Nombre de clase de Scala usado como punto de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobScalaEntry' (obligatorio)

SparkResourceConfiguration

Nombre	Descripción	Importancia
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
runtimeVersion	Versión del entorno de ejecución de Spark que se usa para el trabajo.	cuerda / cadena

StackEnsembleSettings

Nombre	Descripción	Importancia
stackMetaLearnerKWargs	Parámetros opcionales para pasar al inicializador del meta-learner.	cualquier
stackMetaLearnerTrainPercentage	Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2.	Int
stackMetaLearnerType	El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales.	"ElasticNet" "ElasticNetCV" 'LightGBMClassifier' 'LightGBMRegressor' 'Regresión lineal' 'Regresión logística' 'Regresión logísticaCV' 'Ninguno'

StaticInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Static' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowEnd	[Obligatorio] Fecha de finalización de la ventana de datos.	string (obligatorio)
windowStart	[Obligatorio] Fecha de inicio de la ventana de datos.	string (obligatorio)

SweepJob (Trabajo de barrido)

Nombre	Descripción	Importancia
componentConfiguration	Configuración de componentes para el barrido de componentes	ComponentConfiguration
Terminación anticipada	Las directivas de terminación anticipada permiten cancelar ejecuciones con un rendimiento deficiente antes de que se completen.	EarlyTerminationPolicy
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SweepJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Barrido' (obligatorio)
Límites	Límite de trabajo de barrido.	SweepJobLimits
objetivo	[Obligatorio] Objetivo de optimización.	Objetivo (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SweepJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
samplingAlgorithm	[Obligatorio] Algoritmo de muestreo de hiperparámetros	SamplingAlgorithm (obligatorio)
Espacio de búsqueda	[Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro .	any (obligatorio)
juicio	[Obligatorio] Definición del componente de prueba.	TrialComponent (obligatorio)

SweepJobInputs

Nombre	Descripción	Importancia

SweepJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
maxConcurrentTrials	Pruebas simultáneas máximas del trabajo de barrido.	Int
maxTotalTrials	Pruebas totales máximas del trabajo de barrido.	Int
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena
trialTimeout	Valor de tiempo de espera de prueba del trabajo de barrido.	cuerda / cadena

SweepJobOutputs

Nombre	Descripción	Importancia

TableFixedParameters

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	Int
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	Int
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	Int
minDataInLeaf	Número mínimo de datos por hoja.	Int
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	Int
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	Int
numHojas	Especifique el número de hojas.	Int
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	Int
regLambda	Término de regularización L2 en pesos.	Int
Submuestra	Proporción de subsample de la instancia de entrenamiento.	Int
submuestraFreq	Frecuencia de subsample.	Int
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	booleano
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	booleano

TableParameterSubspace

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	cuerda / cadena
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	cuerda / cadena
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	cuerda / cadena
minDataInLeaf	Número mínimo de datos por hoja.	cuerda / cadena
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	cuerda / cadena
numHojas	Especifique el número de hojas.	cuerda / cadena
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	cuerda / cadena
regLambda	Término de regularización L2 en pesos.	cuerda / cadena
Submuestra	Proporción de subsample de la instancia de entrenamiento.	cuerda / cadena
submuestraFreq	Frecuencia de subsample	cuerda / cadena
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	cuerda / cadena
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	cuerda / cadena

TableSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

TableVerticalFeaturizationSettings

Nombre	Descripción	Importancia
Transformadores bloqueados	Estos transformadores no se utilizarán en la caracterización.	Matriz de cadenas que contiene cualquiera de: 'CatTargetEncoder' 'Vectorizador de conteo' 'HashOneHotEncoder' 'Codificador de etiquetas' 'Ingenuo' "OneHotEncoder" 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'Incrustación de palabras'
columnNameAndTypes	Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena
enableDnnFeaturization	Determina si se deben usar los caracterizadores basados en Dnn para la caracterización de datos.	booleano
modo	Modo de caracterización: el usuario puede mantener el modo "Automático" predeterminado y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización. Si se selecciona "Desactivado", no se realiza ninguna caracterización. Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.	'Auto' 'Personalizado' 'Desactivado'
transformadorParámetros	El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y los parámetros para el constructor del transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre	Descripción	Importancia

TableVerticalFeaturizationSettingsTransformerParams

Nombre	Descripción	Importancia

TableVerticalLimitSettings

Nombre	Descripción	Importancia
enableEarlyTermination	Habilitar la terminación anticipada, determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones.	booleano
exitScore	Puntuación de salida para el trabajo de AutoML.	Int
maxConcurrentTrials	Iteraciones simultáneas máximas.	Int
maxCoresPerTrial	Número máximo de núcleos por iteración.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones.	Int
sweepConcurrentTrials	Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar.	Int
sweepTrials	Número de ejecuciones de barrido que el usuario quiere desencadenar.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera de iteración.	cuerda / cadena

TargetLags

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetLags. Establezca en "Custom" para el tipo CustomTargetLags.	'Auto' 'Custom' (obligatorio)

TargetRollingWindowSize

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetRollingWindowSize. Establezca en "Custom" para el tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obligatorio)

TensorFlow

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'TensorFlow' (obligatorio)
parameterServerCount	Número de tareas del servidor de parámetros.	Int
número de trabajadores	Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias.	Int

TextClassification

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica principal para Text-Classification tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextClassificationMultilabel

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextNer

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextNER' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TopNFeaturesByAttribution

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'TopNByAttribution' (obligatorio)
Parte superior	Número de características principales que se van a incluir.	Int

TrialComponent

Nombre	Descripción	Importancia
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	TrialComponentEnvironmentVariables
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre	Descripción	Importancia

Base de disparo

Nombre	Descripción	Importancia
endTime	Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. El formato recommented sería "2022-06-01T00:00:01" Si no está presente, la programación se ejecutará indefinidamente.	cuerda / cadena
hora de inicio	Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC.	cuerda / cadena
zona horaria	Especifica la zona horaria en la que se ejecuta la programación. TimeZone debe seguir el formato de zona horaria de Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	cuerda / cadena
triggerType	Establezca en "Cron" para el tipo CronTrigger. Establezca en "Recurrence" para el tipo RecurrenceTrigger.	'Cron' 'Periodicidad' (obligatorio)

TritonModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

TritonModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

PolíticaDeSelecciónDeTruncamiento

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'TruncationSelection' (obligatorio)
truncationPercentage	Porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación.	Int

UriFileJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFileJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UriFolderJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFolderJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UserAssignedIdentities

Nombre	Descripción	Importancia

IdentidadAsignadaPorElUsuario

Nombre	Descripción	Importancia

Identidad de Usuario

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'UserIdentity' (obligatorio)

Webhook (webhook)

Nombre	Descripción	Importancia
Tipo de evento	Enviar devolución de llamada en un evento de notificación especificado	cuerda / cadena
webhookType	Establezca en "AzureDevOps" para el tipo AzureDevOpsWebhook.	"AzureDevOps" (obligatorio)

Definición de recursos de plantilla de ARM

El tipo de recurso workspaces/schedules se puede implementar con operaciones que tienen como destino:

• grupos de recursos: consulte comandos de implementación de grupos de recursos

Para obtener una lista de las propiedades modificadas en cada versión de API, consulte registro de cambios.

Formato de recurso

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue el siguiente json a la plantilla.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2023-08-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

{
  "file": "string",
  "sparkJobEntryType": "SparkJobPythonEntry"
}

Para SparkJobScalaEntry, use:

{
  "className": "string",
  "sparkJobEntryType": "SparkJobScalaEntry"
}

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Custom, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos ModelPerformanceMetricThresholdBase

Establezca la propiedad modelType para especificar el tipo de objeto.

Para Clasificación, use:

{
  "metric": "string",
  "modelType": "Classification"
}

Para Regresión, use:

{
  "metric": "string",
  "modelType": "Regression"
}

Objetos NCrossValidations

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Custom, use:

{
  "mode": "Custom",
  "value": "int"
}

MonitorComputeIdentityBase (objetos)

Establezca la propiedad computeIdentityType para especificar el tipo de objeto.

Para AmlToken, use:

{
  "computeIdentityType": "AmlToken"
}

Para ManagedIdentity, use:

{
  "computeIdentityType": "ManagedIdentity",
  "identity": {
    "type": "string",
    "userAssignedIdentities": {
      "{customized property}": {
      }
    }
  }
}

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

{
  "distributionType": "Mpi",
  "processCountPerInstance": "int"
}

Para PyTorch, use:

{
  "distributionType": "PyTorch",
  "processCountPerInstance": "int"
}

Para Ray, use:

{
  "address": "string",
  "dashboardPort": "int",
  "distributionType": "Ray",
  "headNodeAdditionalArgs": "string",
  "includeDashboard": "bool",
  "port": "int",
  "workerNodeAdditionalArgs": "string"
}

Para TensorFlow, use:

{
  "distributionType": "TensorFlow",
  "parameterServerCount": "int",
  "workerCount": "int"
}

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

{
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "jobType": "AutoML",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "taskDetails": {
    "logVerbosity": "string",
    "targetColumnName": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }
}

En Comando, use:

{
  "autologgerSettings": {
    "mlflowAutologger": "string"
  },
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobType": "Command",
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

Para Etiquetado, use:

{
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefresh": "string"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "jobType": "Labeling",
  "labelCategories": {
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": ...
          }
        }
      },
      "displayName": "string",
      "multiSelect": "string"
    }
  },
  "labelingJobMediaProperties": {
    "mediaType": "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  },
  "mlAssistConfiguration": {
    "mlAssist": "string"
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Para Canalización, use:

{
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobs": {
    "{customized property}": {}
  },
  "jobType": "Pipeline",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "settings": {},
  "sourceJobId": "string"
}

Para Spark, use:

{
  "archives": [ "string" ],
  "args": "string",
  "codeId": "string",
  "conf": {
    "{customized property}": "string"
  },
  "entry": {
    "sparkJobEntryType": "string"
    // For remaining properties, see SparkJobEntry objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "files": [ "string" ],
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jars": [ "string" ],
  "jobType": "Spark",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "string"
  }
}

Para Barrido, use:

{
  "componentConfiguration": {
    "pipelineSettings": {}
  },
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobType": "Sweep",
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "locations": [ "string" ],
      "maxInstanceCount": "int",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }
}

Objetos DataQualityMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numeric, use:

{
  "dataType": "Numerical",
  "metric": "string"
}

Objetos DataImportSource

Establezca la propiedad sourceType para especificar el tipo de objeto.

Para la base de datos, use:

{
  "query": "string",
  "sourceType": "database",
  "storedProcedure": "string",
  "storedProcedureParams": [
    {
      "{customized property}": "string"
    }
  ],
  "tableName": "string"
}

Para file_system, use:

{
  "path": "string",
  "sourceType": "file_system"
}

Objetos de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

{
  "webhookType": "AzureDevOps"
}

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Custom, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos DataDriftMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numeric, use:

{
  "dataType": "Numerical",
  "metric": "string"
}

PredictionDriftMetricThresholdBase (objetos)

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  "dataType": "Categorical",
  "metric": "string"
}

Para Numeric, use:

{
  "dataType": "Numerical",
  "metric": "string"
}

MonitoringSignalBase (objetos)

Establezca la propiedad signalType para especificar el tipo de objeto.

Para Custom, use:

{
  "componentId": "string",
  "inputAssets": {
    "{customized property}": {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "signalType": "Custom",
  "workspaceConnection": {
    "environmentVariables": {
      "{customized property}": "string"
    },
    "secrets": {
      "{customized property}": "string"
    }
  }
}

Para DataDrift, use:

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataDrift"
}

Para DataQuality, use:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see DataQualityMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "DataQuality"
}

Para FeatureAttributionDrift, use:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "string",
    "threshold": {
      "value": "int"
    }
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "FeatureAttributionDrift"
}

Para GenerationSafetyQuality, use:

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "samplingRate": "int",
  "signalType": "GenerationSafetyQuality",
  "workspaceConnectionId": "string"
}

Para GenerationTokenStatistics, use:

{
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "samplingRate": "int",
  "signalType": "GenerationTokenStatistics"
}

Para ModelPerformance, use:

{
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "metricThreshold": {
    "threshold": {
      "value": "int"
    },
    "modelType": "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  },
  "productionData": [ {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  } ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "ModelPerformance"
}

Para PredictionDrift, use:

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "metricThresholds": [ {
    "threshold": {
      "value": "int"
    },
    "dataType": "string"
    // For remaining properties, see PredictionDriftMetricThresholdBase objects
  } ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "signalType": "PredictionDrift"
}

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

{
  "nodesValueType": "All"
}

Objetos LabelingJobMediaProperties

Establezca la propiedad mediaType para especificar el tipo de objeto.

Para Imagen, use:

{
  "annotationType": "string",
  "mediaType": "Image"
}

Para Texto, use:

{
  "annotationType": "string",
  "mediaType": "Text"
}

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandit, use:

{
  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"
}

Para MedianStopping, use:

{
  "policyType": "MedianStopping"
}

Para TruncationSelection, use:

{
  "policyType": "TruncationSelection",
  "truncationPercentage": "int"
}

Objetos MonitoringInputDataBase

Establezca la propiedad inputDataType para especificar el tipo de objeto.

Para fixed, use:

{
  "inputDataType": "Fixed"
}

Para Rolling, use:

{
  "inputDataType": "Rolling",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"
}

Para Static, use:

{
  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "string"
}

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Custom, use:

{
  "mode": "Custom",
  "values": [ "int" ]
}

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Classification",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Para previsión, use:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "featuresUnknownAtForecastTime": [ "string" ],
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Forecasting",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Para ImageClassification, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageClassificationMultilabel, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageInstanceSegmentation, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "logTrainingMetrics": "string",
    "logValidationLoss": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageInstanceSegmentation",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para ImageObjectDetection, use:

{
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "logTrainingMetrics": "string",
    "logValidationLoss": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "ImageObjectDetection",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

Para Regresión, use:

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "Regression",
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

Para TextClassification, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Para TextClassificationMultilabel, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Para TextNER, use:

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "taskType": "TextNER",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

Objetos MonitorComputeConfigurationBase

Establezca la propiedad computeType para especificar el tipo de objeto.

Para ServerlessSpark, use:

{
  "computeIdentity": {
    "computeIdentityType": "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  },
  "computeType": "ServerlessSpark",
  "instanceType": "string",
  "runtimeVersion": "string"
}

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

{
  "expression": "string",
  "triggerType": "Cron"
}

Para Periodicidad, use:

{
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  },
  "triggerType": "Recurrence"
}

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

{
  "jobInputType": "custom_model",
  "mode": "string",
  "uri": "string"
}

Para literal, use:

{
  "jobInputType": "literal",
  "value": "string"
}

Para mlflow_model, use:

{
  "jobInputType": "mlflow_model",
  "mode": "string",
  "uri": "string"
}

Para mltable, use:

{
  "jobInputType": "mltable",
  "mode": "string",
  "uri": "string"
}

Para triton_model, use:

{
  "jobInputType": "triton_model",
  "mode": "string",
  "uri": "string"
}

Para uri_file, use:

{
  "jobInputType": "uri_file",
  "mode": "string",
  "uri": "string"
}

Para uri_folder, use:

{
  "jobInputType": "uri_folder",
  "mode": "string",
  "uri": "string"
}

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

{
  "identityType": "AMLToken"
}

Para Administrado, use:

{
  "clientId": "string",
  "identityType": "Managed",
  "objectId": "string",
  "resourceId": "string"
}

Para UserIdentity, use:

{
  "identityType": "UserIdentity"
}

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

{
  "mlAssist": "Disabled"
}

Para Habilitado, use:

{
  "inferencingComputeBinding": "string",
  "mlAssist": "Enabled",
  "trainingComputeBinding": "string"
}

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

{
  "samplingAlgorithmType": "Bayesian"
}

Para Grid, use:

{
  "samplingAlgorithmType": "Grid"
}

Para Random, use:

{
  "logbase": "string",
  "rule": "string",
  "samplingAlgorithmType": "Random",
  "seed": "int"
}

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  "mode": "Auto"
}

Para Custom, use:

{
  "mode": "Custom",
  "value": "int"
}

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"
}

Para mlflow_model, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"
}

Para mltable, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"
}

Para triton_model, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"
}

Para uri_file, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"
}

Para uri_folder, use:

{
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"
}

Objetos MonitoringFeatureFilterBase

Establezca la propiedad filterType para especificar el tipo de objeto.

Para AllFeatures, use:

{
  "filterType": "AllFeatures"
}

Para FeatureSubset, use:

{
  "features": [ "string" ],
  "filterType": "FeatureSubset"
}

Para TopNByAttribution, use:

{
  "filterType": "TopNByAttribution",
  "top": "int"
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

{
  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "properties": {
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Para CreateMonitor, use:

{
  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSettings": {
      "emailNotificationSettings": {
        "emails": [ "string" ]
      }
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "notificationTypes": [ "string" ],
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Para ImportData, use:

{
  "actionType": "ImportData",
  "dataImportDefinition": {
    "assetName": "string",
    "autoDeleteSetting": {
      "condition": "string",
      "value": "string"
    },
    "dataType": "string",
    "dataUri": "string",
    "description": "string",
    "intellectualProperty": {
      "protectionLevel": "string",
      "publisher": "string"
    },
    "isAnonymous": "bool",
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "source": {
      "connection": "string",
      "sourceType": "string"
      // For remaining properties, see DataImportSource objects
    },
    "stage": "string",
    "tags": {
      "{customized property}": "string"
    }
  }
}

Para InvokeBatchEndpoint, use:

{
  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}
}

Valores de propiedad

Microsoft.MachineLearningServices/áreas de trabajo/programaciones

Nombre	Descripción	Importancia
apiVersion	La versión de api	'2023-08-01-preestreno'
nombre	El nombre del recurso	cuerda Restricciones: Patrón = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obligatorio)
Propiedades	[Obligatorio] Atributos adicionales de la entidad.	ScheduleProperties (obligatorio)
tipo	El tipo de recurso	"Microsoft.MachineLearningServices/workspaces/schedules"

Todas las características

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'AllFeatures' (obligatorio)

Todos los nodos

Nombre	Descripción	Importancia
nodesValueType	[Obligatorio] Tipo del valor nodos	'All' (obligatorio)

AmlToken

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'AMLToken' (obligatorio)

AmlTokenComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'AmlToken' (obligatorio)

Configuración de eliminación automática

Nombre	Descripción	Importancia
condición	Cuándo comprobar si un recurso ha expirado	'CreadoMayorQue' 'LastAccessedGreaterThan'
valor	Valor de condición de expiración.	cuerda / cadena

AutoForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Auto' (obligatorio)

Configuración de Autologger

Nombre	Descripción	Importancia
mlflowAutologger	[Obligatorio] Indica si el registrador automático de mlflow está habilitado.	'Deshabilitado' 'Habilitado' (obligatorio)

AutoMLJob

Nombre	Descripción	Importancia
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo. Este es un valor opcional que se debe proporcionar, si no se proporciona, AutoML se usará de forma predeterminada en la versión del entorno mantenido por AutoML de producción al ejecutar el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	AutoMLJobEnvironmentVariables
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'AutoML' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	AutoMLJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
taskDetails	[Obligatorio] Esto representa un escenario que puede ser una de las tablas,NLP/Image.	AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre	Descripción	Importancia

AutoMLJobOutputs

Nombre	Descripción	Importancia

AutoMLVertical

Nombre	Descripción	Importancia
logVerbosity	Detalle del registro del trabajo.	"Crítico" "Depurar" 'Error' 'Información' 'NotSet' 'Advertencia'
targetColumnName	Nombre de columna de destino: se trata de la columna de valores de predicción. También conocido como nombre de columna de etiqueta en el contexto de las tareas de clasificación.	cuerda / cadena
tipo de tarea	Establézcalo en "Clasificación" para el tipo Classification. Establézcalo en "Previsión" para el tipo Previsión. Establezca en "ImageClassification" para el tipo ImageClassification. Establezca en "ImageClassificationMultilabel" para el tipo ImageClassificationMultilabel. Establezca en "ImageInstanceSegmentation" para el tipo ImageInstanceSegmentation. Establezca en "ImageObjectDetection" para el tipo ImageObjectDetection. Establezca en "Regresión" para el tipo Regresión. Establezca en "TextClassification" para el tipo TextClassification. Establezca en "TextClassificationMultilabel" para el tipo TextClassificationMultilabel. Establezca en "TextNER" para el tipo TextNer.	'Clasificación' "Previsión" 'Clasificación de imágenes' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regresión' 'Clasificación de texto' 'TextClassificationMultilabel' 'TextNER' (obligatorio)
trainingData	[Obligatorio] Entrada de datos de entrenamiento.	MLTableJobInput (obligatorio)

AutoNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Auto' (obligatorio)

AutoEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Auto' (obligatorio)

AutoTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Auto' (obligatorio)

AutoTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Auto' (obligatorio)

AzureDevOpsWebhook

Nombre	Descripción	Importancia
webhookType	[Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada.	"AzureDevOps" (obligatorio)

Política de Bandidos

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'Bandit' (obligatorio)
slackAmount	Distancia absoluta permitida desde la mejor ejecución.	Int
slackFactor	Relación de la distancia permitida desde la ejecución con mejor rendimiento.	Int

BayesianSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Bayesian' (obligatorio)

CategoricalDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos categóricos que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

CategoricalDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de calidad de datos categóricos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

CategoricalPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de predicción categórica que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

Clasificación

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
Etiqueta positiva	Etiqueta positiva para el cálculo de métricas binarias.	cuerda / cadena
primaryMetric	Métrica principal de la tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Clasificación' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ClassificationTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

ClassificationModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Rendimiento del modelo de clasificación que se va a calcular.	'Precisión' 'Precisión' 'Recall' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Clasificación' (obligatorio)

ClassificationTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

Transformador de columna

Nombre	Descripción	Importancia
Campos	Campos en los que se va a aplicar la lógica del transformador.	cadena[]
parámetros	Propiedades diferentes que se van a pasar al transformador. La entrada esperada es el diccionario de pares clave-valor en formato JSON.	cualquier

CommandJob (ComandoTrabajo)

Nombre	Descripción	Importancia
autologgerSettings	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	Configuración de Autologger
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch, Ray o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	CommandJobEnvironmentVariables
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	CommandJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Command' (obligatorio)
Límites	Límite de trabajos de comando.	CommandJobLimits
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	CommandJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nombre	Descripción	Importancia

CommandJobInputs

Nombre	Descripción	Importancia

CommandJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena

CommandJobOutputs

Nombre	Descripción	Importancia

ComponentConfiguration

Nombre	Descripción	Importancia
pipelineSettings	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier

CreateMonitorAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateMonitor' (obligatorio)
monitorDefinition	[Obligatorio] Define el monitor.	MonitorDefinition (obligatorio)

CronTrigger (Gatillo Cron)

Nombre	Descripción	Importancia
expresión	[Obligatorio] Especifica la expresión cron de la programación. La expresión debe seguir el formato NCronTab.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
triggerType	[Obligatorio]	'Cron' (obligatorio)

CustomForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Custom' (obligatorio)
valor	[Obligatorio] Valor del horizonte de previsión.	int (obligatorio)

CustomMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica definida por el usuario que se va a calcular.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

CustomModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

CustomModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

CustomMonitoringSignal

Nombre	Descripción	Importancia
componentId	[Obligatorio] Identificador de recurso de ARM del recurso de componente usado para calcular las métricas personalizadas.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
inputAssets	Supervisar los recursos que se van a tomar como entrada. La clave es el nombre del puerto de entrada del componente, el valor es el recurso de datos.	CustomMonitoringSignalInputAssets
Entradas	Parámetros de componente adicionales que se van a tomar como entrada. La clave es el nombre del puerto de entrada literal del componente, el valor es el valor del parámetro.	CustomMonitoringSignalInputs
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	CustomMetricThreshold[] (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Custom' (obligatorio)
workspaceConnection	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	MonitoringWorkspaceConnection (obligatorio)

CustomMonitoringSignalInputAssets

Nombre	Descripción	Importancia

CustomMonitoringSignalInputs

Nombre	Descripción	Importancia

CustomNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de N-Validaciones cruzadas.	int (obligatorio)

CostumbreEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de estacionalidad.	int (obligatorio)

CustomTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Custom' (obligatorio)
valores	[Obligatorio] Establezca los valores de retardo de destino.	int[] (obligatorio)

CustomTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Custom' (obligatorio)
valor	[Obligatorio] Valor TargetRollingWindowSize.	int (obligatorio)

Fuente de base de datos

Nombre	Descripción	Importancia
consulta	Instrucción SQL Query para la importación de datos origen de base de datos	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'database' (obligatorio)
storedProcedure	SQL StoredProcedure en el origen de la base de datos de importación de datos	cuerda / cadena
storedProcedureParams	Parámetros StoredProcedure de SQL	DatabaseSourceStoredProcedureParamsItem[]
tableName	Nombre de la tabla en el origen de la base de datos de importación de datos	cuerda / cadena

DatabaseSourceStoredProcedureParamsItem

Nombre	Descripción	Importancia

DataDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericDataDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataDriftMonitoringSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos usado para determinar el ámbito de un subconjunto de la población de datos.	MonitoringDataSegment
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Filtro de características que identifica qué característica se va a calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataDrift' (obligatorio)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

Importación de datos

Nombre	Descripción	Importancia
assetName	Nombre del recurso para el trabajo de importación de datos que se va a crear	cuerda / cadena
autoDeleteSetting	Especifica la configuración del ciclo de vida del recurso de datos administrado.	AutoDeleteSetting
Tipo de dato	[Obligatorio] Especifica el tipo de datos.	'MLTABLE' "uri_file" 'uri_folder' (obligatorio)
dataUri	[Obligatorio] Uri de los datos. Ejemplo: https://go.microsoft.com/fwlink/?linkid=2202330	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Propiedad intelectual	Detalles de la propiedad intelectual. Se utiliza si los datos son propiedad intelectual.	IntellectualProperty
isAnonymous	Si la versión del nombre se genera por el sistema (registro anónimo). Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsAnonymous.	booleano
isArchivado	¿El recurso está archivado? Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsArchived.	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
fuente	Datos de origen del recurso desde el que se va a importar	DataImportSource
fase	Fase del ciclo de vida de los datos asignado a este recurso de datos	cuerda / cadena
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

DataImportSource

Nombre	Descripción	Importancia
conexión	Conexión del área de trabajo para el almacenamiento de origen de importación de datos	cuerda / cadena
tipo de fuente	Establezca en "database" para el tipo DatabaseSource. Establezca en "file_system" para el tipo FileSystemSource.	'base de datos' 'file_system' (obligatorio)

DataQualityMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataQualityMetricThreshold. Establezca en "Numeric" para el tipo NumericDataQualityMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataQualityMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Características para calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataQualityMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataQuality' (obligatorio)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

DistributionConfiguration

Nombre	Descripción	Importancia
distributionType	Establezca en "Mpi" para el tipo Mpi. Establezca en "PyTorch" para el tipo PyTorch. Establezca en "Ray" para el tipo Ray. Establezca en "TensorFlow" para el tipo TensorFlow.	'MPI' 'Antorcha' 'Rayo' 'TensorFlow' (obligatorio)

Política de Terminación Anticipada

Nombre	Descripción	Importancia
delayEvaluation	Número de intervalos por los que se va a retrasar la primera evaluación.	Int
evaluationInterval	Intervalo (número de ejecuciones) entre evaluaciones de directivas.	Int
policyType	Establezca en "Bandit" para el tipo BanditPolicy. Establezca en "MedianStopping" para el tipo MedianStoppingPolicy. Establezca en "TruncationSelection" para el tipo TruncationSelectionPolicy.	'Bandido' "MedianStopping" 'TruncationSelection' (obligatorio)

EndpointScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'InvokeBatchEndpoint' (obligatorio)
endpointInvocationDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar. <ver href="TBD" />	any (obligatorio)

FeatureAttributionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	FeatureAttributionMetricThreshold (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'FeatureAttributionDrift' (obligatorio)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

FeatureAttributionMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de atribución de características que se va a calcular.	'NormalizedDiscountedCumulativeGain' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

FeatureImportanceSettings

Nombre	Descripción	Importancia
modo	Modo de funcionamiento para calcular la importancia de las características.	'Deshabilitado' 'Habilitado'
targetColumn	Nombre de la columna de destino dentro del recurso de datos de entrada.	cuerda / cadena

CaracterísticaSubconjunto

Nombre	Descripción	Importancia
Características	[Obligatorio] Lista de características que se van a incluir.	string[] (obligatorio)
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'FeatureSubset' (obligatorio)

FileSystemSource (Fuente del sistema de archivos)

Nombre	Descripción	Importancia
camino	Ruta de acceso en la importación de datos FileSystem source	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'file_system' (obligatorio)

FixedInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Fixed' (obligatorio)

ForecastHorizon

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoForecastHorizon. Establezca en "Custom" para el tipo CustomForecastHorizon.	'Auto' 'Custom' (obligatorio)

Previsión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
forecastingSettings	Previsión de entradas específicas de la tarea.	Configuración de previsión
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de previsión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	"Previsión" (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ForecastingTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

Configuración de previsión

Nombre	Descripción	Importancia
countryOrRegionForHolidays	País o región para días festivos para las tareas de previsión. Deben ser códigos de país o región de dos letras ISO 3166, por ejemplo, "US" o "GB".	cuerda / cadena
cvStepSize	Número de períodos entre la hora de origen de un plegado CV y el siguiente plegado. Para por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será tres días de diferencia.	Int
featureLags	Marca para generar retrasos para las características numéricas con "auto" o null.	'Auto' 'Ninguno'
featuresUnknownAtForecastTime	Columnas de características disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia. Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.	cadena[]
forecastHorizon	Horizonte de previsión máximo deseado en unidades de frecuencia de serie temporal.	ForecastHorizon
frecuencia	Al realizar la previsión, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de forma predeterminada.	cuerda / cadena
estacionalidad	Establezca la estacionalidad de series temporales como un entero múltiplo de la frecuencia de la serie. Si la estacionalidad se establece en "auto", se deducirá.	Estacionalidad
shortSeriesHandlingConfig	Parámetro que define cómo si AutoML debe controlar series temporales cortas.	'Auto' 'Caída' 'Ninguno' 'Almohadilla'
targetAggregateFunction	Función que se va a usar para agregar la columna de destino de serie temporal para ajustarse a una frecuencia especificada por el usuario. Si targetAggregateFunction se establece, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".	'Max' 'Mezquino' 'Min' 'Ninguno' 'Suma'
targetLags	Número de períodos anteriores que se van a retardar desde la columna de destino.	TargetLags
targetRollingWindowSize	Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino.	TargetRollingWindowSize
timeColumnName	Nombre de la columna de hora. Este parámetro es necesario cuando se prevé especificar la columna datetime en los datos de entrada utilizados para compilar la serie temporal e inferir su frecuencia.	cuerda / cadena
timeSeriesIdColumnNames	Los nombres de las columnas usadas para agrupar una serie de horas. Se puede usar para crear varias series. Si no se define el grano, se supone que el conjunto de datos es una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.	cadena[]
useStl	Configure la descomposición de STL de la columna de destino de serie temporal.	'Ninguno' 'Temporada' 'Tendencia de temporada'

ForecastingTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

GenerationSafetyQualityMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GeneraciónSeguridadCalidadMonitoreoSeñal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationSafetyQualityMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationSafetyQuality' (obligatorio)
workspaceConnectionId	Obtiene o establece el identificador de conexión del área de trabajo que se usa para conectarse al punto de conexión de generación de contenido.	cuerda / cadena

GenerationTokenUsageMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'TotalTokenCount' 'TotalTokenCountPerGroup' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GenerationTokenUsageSignal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationTokenUsageMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationTokenStatistics' (obligatorio)

GridSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Grid' (obligatorio)

IdentityConfiguration

Nombre	Descripción	Importancia
tipo de identidad	Establezca en "AMLToken" para el tipo AmlToken. Establezca en "Managed" para el tipo ManagedIdentity. Establezca en "UserIdentity" para el tipo UserIdentity.	'AMLToken' "Administrado" 'UserIdentity' (obligatorio)

Clasificación de imágenes

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageClassificationMultilabel

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'Pagaré' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageInstanceSegmentation

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageInstanceSegmentation' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Número máximo de iteraciones simultáneas de AutoML.	Int
maxTrials	Número máximo de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena

ImageModelDistributionSettingsClassification

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	cuerda / cadena

ImageModelDistributionSettingsObjectDetection

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5". NMS: supresión no máxima	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc".	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena

ImageModelSettingsClassification

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	Int
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	Int
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	Int

ImageModelSettingsObjectDetection

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
logTrainingMetrics	Habilite las métricas de aprendizaje de computación y registro.	'Deshabilitar' 'Habilitar'
logValidationLoss	Habilite la pérdida de validación de computación y registro.	'Deshabilitar' 'Habilitar'
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	'Extragrande' 'Grande' "Medio" 'Ninguno' 'Pequeño'
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	booleano
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1].	Int
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	Int
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación.	'Coco' 'CocoVoc' 'Ninguno' 'VOC'
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int

ImageObjectDetection

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageObjectDetection' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ImportDataAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'ImportData' (obligatorio)
dataImportDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	DataImport (obligatorio)

Propiedad Intelectual

Nombre	Descripción	Importancia
Nivel de protección	Nivel de protección de la Propiedad Intelectual.	"Todo" 'Ninguno'
editor	[Obligatorio] Publicador de la Propiedad Intelectual. Debe ser el mismo que el nombre del publicador del Registro.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

JobBaseProperties

Nombre	Descripción	Importancia
componentId	Identificador de recurso de ARM del recurso de componente.	cuerda / cadena
computeId	Identificador de recurso de ARM del recurso de proceso.	cuerda / cadena
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar del trabajo.	cuerda / cadena
experimentName	Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado".	cuerda / cadena
identidad	Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o NULL. El valor predeterminado es AmlToken si es null.	IdentityConfiguration
isArchivado	¿El recurso está archivado?	booleano
tipoDeTrabajo	Establezca en "AutoML" para el tipo AutoMLJob. Establezca en "Command" para el tipo CommandJob. Establezca en "Etiquetado" para el tipo LabelingJobProperties. Establezca en "Pipeline" para el tipo PipelineJob. Establezca en "Spark" para el tipo SparkJob. Establézcalo en "Barrido" para el tipo SweepJob.	'AutoML' 'Mando' "Etiquetado" "Canalización" "Spark" 'Barrido' (obligatorio)
notificationSetting	Configuración de notificación para el trabajo	NotificationSetting
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
secretsConfiguración	Configuración para que los secretos estén disponibles durante el tiempo de ejecución.	JobBaseSecretsConfiguration
servicios	Lista de jobEndpoints. Para los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.	Servicios de JobBase
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

JobBaseSecretsConfiguration

Nombre	Descripción	Importancia

Servicios de JobBase

Nombre	Descripción	Importancia

JobInput (Entrada de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	Establezca en "custom_model" para el tipo CustomModelJobInput. Establezca en "literal" para el tipo LiteralJobInput. Establezca en "mlflow_model" para el tipo MLFlowModelJobInput. Establezca en "mltable" para el tipo MLTableJobInput. Establezca en "triton_model" para el tipo TritonModelJobInput. Establezca en "uri_file" para el tipo UriFileJobInput. Establezca en "uri_folder" para el tipo UriFolderJobInput.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobOutput (Salida de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la salida.	cuerda / cadena
jobOutputType	Establezca en "custom_model" para el tipo CustomModelJobOutput. Establezca en "mlflow_model" para el tipo MLFlowModelJobOutput. Establezca en "mltable" para el tipo MLTableJobOutput. Establezca en "triton_model" para el tipo TritonModelJobOutput. Establezca en "uri_file" para el tipo UriFileJobOutput. Establezca en "uri_folder" para el tipo UriFolderJobOutput.	"custom_model" "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobResourceConfiguration

Nombre	Descripción	Importancia
dockerArgs	Argumentos adicionales para pasar al comando docker run. Esto invalidaría los parámetros ya establecidos por el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML.	cuerda / cadena
InstanceCount	Número opcional de instancias o nodos usados por el destino de proceso.	Int
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
ubicaciones	Ubicaciones en las que se puede ejecutar el trabajo.	cadena[]
maxInstanceCount	Número máximo opcional permitido de instancias o nodos que usará el destino de proceso. Para su uso con el entrenamiento elástico, actualmente solo es compatible con el tipo de distribución pyTorch.	Int
Propiedades	Bolsa de propiedades adicionales.	resourceConfigurationProperties
shmSize	Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato (número)(unidad) donde el número como mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes).	cuerda Restricciones: Patrón = \d+[bBkKmMgG]

JobScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateJob' (obligatorio)
jobDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	JobBaseProperties (obligatorio)

JobService (Servicio de trabajo)

Nombre	Descripción	Importancia
punto final	Dirección URL del punto de conexión.	cuerda / cadena
jobServiceType	Tipo de punto de conexión.	cuerda / cadena
Nodos	Nodos en los que el usuario desea iniciar el servicio. Si los nodos no se establecen o se establecen en NULL, el servicio solo se iniciará en el nodo líder.	Nodos
puerto	Puerto para el punto de conexión establecido por el usuario.	Int
Propiedades	Propiedades adicionales que se van a establecer en el punto de conexión.	JobServiceProperties

JobServiceProperties

Nombre	Descripción	Importancia

CategoríaDeEtiqueta

Nombre	Descripción	Importancia
Clases	Diccionario de clases de etiqueta en esta categoría.	LabelCategoryClasses
Nombre para mostrar	Nombre para mostrar de la categoría de etiqueta.	cuerda / cadena
Selección múltiple	Indica si se permite seleccionar varias clases en esta categoría.	'Deshabilitado' 'Habilitado'

LabelCategoryClasses

Nombre	Descripción	Importancia

LabelClass (Clase de etiqueta)

Nombre	Descripción	Importancia
Nombre para mostrar	Nombre para mostrar de la clase de etiqueta.	cuerda / cadena
Subclases	Diccionario de subclases de la clase de etiqueta.	labelClassSubclasses

LabelClassSubclasses

Nombre	Descripción	Importancia

LabelingDataConfiguration

Nombre	Descripción	Importancia
DataId	Identificador de recurso del recurso de datos para realizar el etiquetado.	cuerda / cadena
incrementalDataRefresh	Indica si se va a habilitar la actualización incremental de datos.	'Deshabilitado' 'Habilitado'

LabelingJobImageProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de imágenes.	'Cuadro delimitador' 'Clasificación' 'Segmentación de instancias'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Image' (obligatorio)

LabelingJobInstructions

Nombre	Descripción	Importancia
Uri	Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores.	cuerda / cadena

LabelingJobLabelCategories

Nombre	Descripción	Importancia

LabelingJobMediaProperties

Nombre	Descripción	Importancia
mediaType	Establezca en "Image" para el tipo LabelingJobImageProperties. Establezca en "Text" para el tipo LabelingJobTextProperties.	'Imagen' 'Text' (obligatorio)

LabelingJobProperties

Nombre	Descripción	Importancia
dataConfiguration	Configuración de datos usados en el trabajo.	LabelingDataConfiguration
jobInstructions	Etiquetado de instrucciones del trabajo.	LabelingJobInstructions
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Etiquetado' (obligatorio)
labelCategorías	Categorías de etiqueta del trabajo.	labelingJobLabelCategories
labelingJobMediaProperties	Propiedades específicas del tipo de medio en el trabajo.	LabelingJobMediaProperties
mlAssistConfiguration	Configuración de la característica MLAssist en el trabajo.	mlAssistConfiguration

LabelingJobTextProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de texto.	'Clasificación' 'NamedEntityRecognition'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Text' (obligatorio)

LiteralJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'literal' (obligatorio)
valor	[Obligatorio] Valor literal de la entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

ManagedComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'ManagedIdentity' (obligatorio)
identidad	Identidad de servicio administrada (identidades asignadas por el sistema o asignadas por el usuario)	managedServiceIdentity

Identidad administrada

Nombre	Descripción	Importancia
clientId	Especifica una identidad asignada por el usuario por identificador de cliente. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	"Administrado" (obligatorio)
objectId	Especifica una identidad asignada por el usuario por identificador de objeto. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificador de recurso	Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. En el caso de asignados por el sistema, no establezca este campo.	cuerda / cadena

ManagedServiceIdentity

Nombre	Descripción	Importancia
tipo	Tipo de identidad de servicio administrada (donde se permiten los tipos SystemAssigned y UserAssigned).	'Ninguno' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obligatorio)
identidades asignadas por el usuario	Conjunto de identidades asignadas por el usuario asociadas al recurso. Las claves de diccionario userAssignedIdentities serán identificadores de recursos de ARM con el formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Los valores del diccionario pueden ser objetos vacíos ({}) en las solicitudes.	UserAssignedIdentities

MedianStoppingPolicy

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'MedianStopping' (obligatorio)

MLAssistConfiguration

Nombre	Descripción	Importancia
Asistencia de ML	Establezca en "Disabled" para el tipo MLAssistConfigurationDisabled. Establezca en "Enabled" para el tipo MLAssistConfigurationEnabled.	'Deshabilitado' 'Habilitado' (obligatorio)

MLAssistConfigurationDisabled

Nombre	Descripción	Importancia
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Disabled' (obligatorio)

MLAssistConfigurationEnabled

Nombre	Descripción	Importancia
inferencingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en la inferencia.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Habilitado' (obligatorio)
trainingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en el entrenamiento.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

MLTableJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

ModelPerformanceMetricThresholdBase

Nombre	Descripción	Importancia
modelType	Establezca en "Classification" para el tipo ClassificationModelPerformanceMetricThreshold. Establezca en "Regresión" para el tipo RegressionModelPerformanceMetricThreshold.	'Clasificación' 'Regresión' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

ModelPerformanceSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos.	MonitoringDataSegment
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	ModelPerformanceMetricThresholdBase (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el rendimiento.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Los datos de referencia utilizados como base para calcular el rendimiento del modelo.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ModelPerformance' (obligatorio)

MonitorComputeConfigurationBase

Nombre	Descripción	Importancia
computeType	Establezca en "ServerlessSpark" para el tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obligatorio)

MonitorComputeIdentityBase

Nombre	Descripción	Importancia
computeIdentityType	Establezca en "AmlToken" para el tipo AmlTokenComputeIdentity. Establezca en "ManagedIdentity" para el tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obligatorio)

MonitorDefinition

Nombre	Descripción	Importancia
alertNotificationSettings	Configuración de notificación del monitor.	MonitorNotificationSettings
computeConfiguration	[Obligatorio] Identificador de recurso de ARM del recurso de proceso en el que ejecutar el trabajo de supervisión.	MonitorComputeConfigurationBase (obligatorio)
monitoringTarget	El identificador de recurso de ARM del modelo o la implementación de destino de este monitor.	MonitoringTarget (Objetivo de monitoreo)
señales	[Obligatorio] Señales que se van a supervisar.	MonitorDefinitionSignals (obligatorio)

MonitorDefinitionSignals

Nombre	Descripción	Importancia

MonitorEmailNotificationSettings

Nombre	Descripción	Importancia
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total.	cadena[]

MonitoringDataSegment

Nombre	Descripción	Importancia
característica	Característica en la que se segmentarán los datos.	cuerda / cadena
valores	Filtra solo los valores especificados de la característica segmentada especificada.	cadena[]

MonitoringFeatureFilterBase

Nombre	Descripción	Importancia
filterType	Establezca en "AllFeatures" para el tipo AllFeatures. Establezca en "FeatureSubset" para el tipo FeatureSubset. Establezca en "TopNByAttribution" para el tipo TopNFeaturesByAttribution.	'Todas las características' 'Subconjunto de características' 'TopNByAttribution' (obligatorio)

MonitoringInputDataBase

Nombre	Descripción	Importancia
columnas	Asignación de nombres de columna a usos especiales.	MonitoringInputDataBaseColumns
dataContext	Metadatos de contexto del origen de datos.	cuerda / cadena
inputDataType	Establezca en "Fixed" para el tipo FixedInputData. Establezca en "Rolling" para el tipo RollingInputData. Establezca en "Static" para el tipo StaticInputData.	'Arreglado' 'Rodar' 'Static' (obligatorio)
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MonitoringInputDataBaseColumns

Nombre	Descripción	Importancia

MonitoringSignalBase

Nombre	Descripción	Importancia
notificationTypes	Modo de notificación actual para esta señal.	Matriz de cadenas que contiene cualquiera de: 'AmlNotification' "AzureMonitor"
Propiedades	Diccionario de propiedades. Se pueden agregar propiedades, pero no se pueden quitar ni modificar.	MonitoringSignalBaseProperties
tipo de señal	Establezca en "Custom" para el tipo CustomMonitoringSignal. Establezca en "DataDrift" para el tipo DataDriftMonitoringSignal. Establezca en "DataQuality" para el tipo DataQualityMonitoringSignal. Establezca en "FeatureAttributionDrift" para el tipo FeatureAttributionDriftMonitoringSignal. Establezca en "GenerationSafetyQuality" para el tipo GenerationSafetyQualityMonitoringSignal. Establezca en "GenerationTokenStatistics" para el tipo GenerationTokenUsageSignal. Establezca en "ModelPerformance" para el tipo ModelPerformanceSignal. Establezca en "PredictionDrift" para el tipo PredictionDriftMonitoringSignal.	'Personalizado' 'Deriva de datos' 'Calidad de los datos' 'FeatureAttributionDrift' 'GeneraciónSeguridadCalidad' 'GenerationTokenStatistics' (Estadísticas de GenerationToken) 'ModelPerformance' 'PredictionDrift' (obligatorio)

MonitoringSignalBaseProperties

Nombre	Descripción	Importancia

MonitoringTarget (Objetivo de monitoreo)

Nombre	Descripción	Importancia
deploymentId	El identificador de recurso de ARM de cualquiera de las implementaciones dirigidas por este monitor.	cuerda / cadena
modelId	El identificador de recurso de ARM de cualquiera de los modelos de destino de este monitor.	cuerda / cadena
tipo de tarea	[Obligatorio] Tipo de tarea de aprendizaje automático del modelo.	'Clasificación' 'PreguntaRespuesta' 'Regresión' (obligatorio)

Umbral de supervisión

Nombre	Descripción	Importancia
valor	Valor de umbral. Si es null, el valor predeterminado del conjunto depende del tipo de métrica.	Int

MonitoringWorkspaceConnection

Nombre	Descripción	Importancia
variables de entorno	Las propiedades de una conexión de servicio del área de trabajo para almacenarlas como variables de entorno en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave de variable de entorno.	MonitoringWorkspaceConnectionEnvironmentVariables
secretos	Las propiedades de una conexión de servicio del área de trabajo para almacenar como secretos en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave secreta.	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

Nombre	Descripción	Importancia

MonitoringWorkspaceConnectionSecrets

Nombre	Descripción	Importancia

MonitorNotificationSettings

Nombre	Descripción	Importancia
emailNotificationSettings	Configuración del correo electrónico de notificación de AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nombre	Descripción	Importancia
computeIdentity	[Obligatorio] El esquema de identidad que aprovechan los trabajos de Spark que se ejecutan en Spark sin servidor.	MonitorComputeIdentityBase (obligatorio)
computeType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ServerlessSpark' (obligatorio)
instanceType	[Obligatorio] Tipo de instancia que ejecuta el trabajo de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
runtimeVersion	[Obligatorio] La versión del entorno de ejecución de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MPI

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Mpi' (obligatorio)
processCountPerInstance	Número de procesos por nodo MPI.	Int

NCrossValidaciones

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoNCrossValidations. Establezca en "Custom" para el tipo CustomNCrossValidations.	'Auto' 'Custom' (obligatorio)

NlpFixedParameters

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	Int
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	'Constante' 'ConstantWithWarmup' 'Coseno' 'CosineWithRestarts' 'Lineal' 'Ninguno' 'Polinomial'
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	Int
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	Int
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	Int
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	Int
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	Int

NlpParameterSubspace

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	cuerda / cadena
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	cuerda / cadena
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	cuerda / cadena
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	cuerda / cadena
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	cuerda / cadena

NlpSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

NlpVerticalFeaturizationSettings

Nombre	Descripción	Importancia
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena

NlpVerticalLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Iteraciones de AutoML simultáneas máximas.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera para pruebas individuales de HD.	cuerda / cadena

Nodos

Nombre	Descripción	Importancia
nodesValueType	Establezca en "All" para el tipo AllNodes.	'All' (obligatorio)

NotificationSetting

Nombre	Descripción	Importancia
emailOn	Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado	Matriz de cadenas que contiene cualquiera de: 'Trabajo cancelado' 'Trabajo completado' 'JobFailed'
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas.	cadena[]
Webhooks	Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook.	NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre	Descripción	Importancia

NumericDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos numérica que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

NumericDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica numérica de calidad de datos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

NumericPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase numérica de predicción que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

Objetivo

Nombre	Descripción	Importancia
Gol	[Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros	'Maximizar' 'Minimizar' (obligatorio)
primaryMetric	[Obligatorio] Nombre de la métrica que se va a optimizar.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

PipelineJob

Nombre	Descripción	Importancia
Entradas	Entradas para el trabajo de canalización.	PipelineJobInputs
Trabajos	Los trabajos construyen el trabajo de canalización.	PipelineJobJobs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Canalización' (obligatorio)
Salidas	Salidas para el trabajo de canalización	PipelineJobOutputs
configuración	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier
sourceJobId	Identificador de recurso de ARM del trabajo de origen.	cuerda / cadena

PipelineJobInputs

Nombre	Descripción	Importancia

PipelineJobJobs

Nombre	Descripción	Importancia

PipelineJobOutputs

Nombre	Descripción	Importancia

PredictionDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalPredictionDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericPredictionDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

PredictionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	PredictionDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'PredictionDrift' (obligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

PyTorch

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'PyTorch' (obligatorio)
processCountPerInstance	Número de procesos por nodo.	Int

QueueSettings (Configuración de cola)

Nombre	Descripción	Importancia
jobTier	Controla el nivel de trabajo de proceso	"Básico" 'Nulo' 'Premium' 'Mancha' 'Estándar'
prioridad	Controla la prioridad del trabajo en un proceso.	Int

RandomSamplingAlgorithm

Nombre	Descripción	Importancia
Base de datos	Número positivo opcional o e en formato de cadena que se va a usar como base para el muestreo aleatorio basado en registros	cuerda / cadena
regla	Tipo específico de algoritmo aleatorio	'Aleatorio' 'Sobol'
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Random' (obligatorio)
semilla	Entero opcional que se va a usar como inicialización para la generación de números aleatorios	Int

Raya

Nombre	Descripción	Importancia
dirección	Dirección del nodo principal de Ray.	cuerda / cadena
dashboardPort	Puerto al que se va a enlazar el servidor del panel.	Int
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Ray' (obligatorio)
headNodeAdditionalArgs	Argumentos adicionales pasados al inicio del rayo en el nodo principal.	cuerda / cadena
includeDashboard	Proporcione este argumento para iniciar la GUI del panel de Ray.	booleano
puerto	Puerto del proceso del rayo de cabeza.	Int
workerNodeAdditionalArgs	Argumentos adicionales pasados a ray start en el nodo de trabajo.	cuerda / cadena

RecurrenceSchedule

Nombre	Descripción	Importancia
horas	[Obligatorio] Lista de horas para la programación.	int[] (obligatorio)
acta	[Obligatorio] Lista de minutos para la programación.	int[] (obligatorio)
monthDays	Lista de días del mes para la programación	int[]
días entre semana	Lista de días para la programación.	Matriz de cadenas que contiene cualquiera de: 'Viernes' "Lunes" 'Sábado' 'Domingo' 'Jueves' "Martes" 'Miércoles'

RecurrenceTrigger

Nombre	Descripción	Importancia
frecuencia	[Obligatorio] Frecuencia de desencadenamiento de la programación.	'Día' 'Hora' 'Minuto' 'Mes' 'Semana' (obligatorio)
intervalo	[Obligatorio] Especifica el intervalo de programación junto con la frecuencia.	int (obligatorio)
horario	Programación de periodicidad.	RecurrenceSchedule
triggerType	[Obligatorio]	'Periodicidad' (obligatorio)

Regresión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de regresión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Regresión' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	RegressionTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

RegressionModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de rendimiento del modelo de regresión que se va a calcular.	'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Regresión' (obligatorio)

RegressionTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceConfigurationProperties

Nombre	Descripción	Importancia

RollingInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Rolling' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowOffset	[Obligatorio] Desplazamiento de tiempo entre el final de la ventana de datos y el tiempo de ejecución actual del monitor.	string (obligatorio)
tamaño de ventana	[Obligatorio] Tamaño de la ventana de datos final.	string (obligatorio)

Algoritmo de muestreo

Nombre	Descripción	Importancia
samplingAlgorithmType	Establezca en "Bayesian" para el tipo BayesianSamplingAlgorithm. Establézcalo en "Grid" para el tipo GridSamplingAlgorithm. Establezca en "Random" para el tipo RandomSamplingAlgorithm.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ScheduleActionBase

Nombre	Descripción	Importancia
tipo de acción	Establezca en "CreateJob" para el tipo JobScheduleAction. Establezca en "CreateMonitor" para el tipo CreateMonitorAction. Establezca en "ImportData" para el tipo ImportDataAction. Establezca en "InvokeBatchEndpoint" para el tipo EndpointScheduleAction.	'CrearTrabajo' 'CrearMonitor' 'Importar datos' 'InvokeBatchEndpoint' (obligatorio)

ScheduleProperties (Propiedades de horario)

Nombre	Descripción	Importancia
acción	[Obligatorio] Especifica la acción de la programación.	ScheduleActionBase (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar de la programación.	cuerda / cadena
isEnabled	¿Está habilitada la programación?	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de
desencadenador	[Obligatorio] Especifica los detalles del desencadenador.	TriggerBase (obligatorio)

Estacionalidad

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoSeasonality. Establezca en "Custom" para el tipo CustomSeasonality.	'Auto' 'Custom' (obligatorio)

SecretConfiguration

Nombre	Descripción	Importancia
Uri	Uri secreto. Uri de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion	cuerda / cadena
workspaceSecretName	Nombre del secreto en el almacén de claves del área de trabajo.	cuerda / cadena

SparkJob

Nombre	Descripción	Importancia
archivo	Archivar archivos usados en el trabajo.	cadena[]
args	Argumentos para el trabajo.	cuerda / cadena
codeId	[Obligatorio] Identificador de recurso de ARM del recurso de código.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Conf	Propiedades configuradas por Spark.	SparkJobConf
entrada	[Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo.	SparkJobEntry (obligatorio)
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	SparkJobEnvironmentVariables
Archivos	Archivos usados en el trabajo.	cadena[]
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SparkJobInputs
Frascos	Archivos Jar usados en el trabajo.	cadena[]
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Spark' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SparkJobOutputs
Archivos pyFiles	Archivos de Python usados en el trabajo.	cadena[]
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	SparkResourceConfiguration

SparkJobConf

Nombre	Descripción	Importancia

SparkJobEntry

Nombre	Descripción	Importancia
sparkJobEntryType	Establezca en "SparkJobPythonEntry" para el tipo SparkJobPythonEntry. Establezca en "SparkJobScalaEntry" para el tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obligatorio)

SparkJobEnvironmentVariables

Nombre	Descripción	Importancia

SparkJobInputs

Nombre	Descripción	Importancia

SparkJobOutputs

Nombre	Descripción	Importancia

SparkJobPythonEntry

Nombre	Descripción	Importancia
archivo	[Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobPythonEntry' (obligatorio)

SparkJobScalaEntry

Nombre	Descripción	Importancia
nombreDeClase	[Obligatorio] Nombre de clase de Scala usado como punto de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobScalaEntry' (obligatorio)

SparkResourceConfiguration

Nombre	Descripción	Importancia
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
runtimeVersion	Versión del entorno de ejecución de Spark que se usa para el trabajo.	cuerda / cadena

StackEnsembleSettings

Nombre	Descripción	Importancia
stackMetaLearnerKWargs	Parámetros opcionales para pasar al inicializador del meta-learner.	cualquier
stackMetaLearnerTrainPercentage	Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2.	Int
stackMetaLearnerType	El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales.	"ElasticNet" "ElasticNetCV" 'LightGBMClassifier' 'LightGBMRegressor' 'Regresión lineal' 'Regresión logística' 'Regresión logísticaCV' 'Ninguno'

StaticInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Static' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowEnd	[Obligatorio] Fecha de finalización de la ventana de datos.	string (obligatorio)
windowStart	[Obligatorio] Fecha de inicio de la ventana de datos.	string (obligatorio)

SweepJob (Trabajo de barrido)

Nombre	Descripción	Importancia
componentConfiguration	Configuración de componentes para el barrido de componentes	ComponentConfiguration
Terminación anticipada	Las directivas de terminación anticipada permiten cancelar ejecuciones con un rendimiento deficiente antes de que se completen.	EarlyTerminationPolicy
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SweepJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Barrido' (obligatorio)
Límites	Límite de trabajo de barrido.	SweepJobLimits
objetivo	[Obligatorio] Objetivo de optimización.	Objetivo (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SweepJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
samplingAlgorithm	[Obligatorio] Algoritmo de muestreo de hiperparámetros	SamplingAlgorithm (obligatorio)
Espacio de búsqueda	[Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro .	any (obligatorio)
juicio	[Obligatorio] Definición del componente de prueba.	TrialComponent (obligatorio)

SweepJobInputs

Nombre	Descripción	Importancia

SweepJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
maxConcurrentTrials	Pruebas simultáneas máximas del trabajo de barrido.	Int
maxTotalTrials	Pruebas totales máximas del trabajo de barrido.	Int
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena
trialTimeout	Valor de tiempo de espera de prueba del trabajo de barrido.	cuerda / cadena

SweepJobOutputs

Nombre	Descripción	Importancia

TableFixedParameters

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	Int
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	Int
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	Int
minDataInLeaf	Número mínimo de datos por hoja.	Int
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	Int
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	Int
numHojas	Especifique el número de hojas.	Int
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	Int
regLambda	Término de regularización L2 en pesos.	Int
Submuestra	Proporción de subsample de la instancia de entrenamiento.	Int
submuestraFreq	Frecuencia de subsample.	Int
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	booleano
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	booleano

TableParameterSubspace

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	cuerda / cadena
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	cuerda / cadena
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	cuerda / cadena
minDataInLeaf	Número mínimo de datos por hoja.	cuerda / cadena
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	cuerda / cadena
numHojas	Especifique el número de hojas.	cuerda / cadena
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	cuerda / cadena
regLambda	Término de regularización L2 en pesos.	cuerda / cadena
Submuestra	Proporción de subsample de la instancia de entrenamiento.	cuerda / cadena
submuestraFreq	Frecuencia de subsample	cuerda / cadena
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	cuerda / cadena
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	cuerda / cadena

TableSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

TableVerticalFeaturizationSettings

Nombre	Descripción	Importancia
Transformadores bloqueados	Estos transformadores no se utilizarán en la caracterización.	Matriz de cadenas que contiene cualquiera de: 'CatTargetEncoder' 'Vectorizador de conteo' 'HashOneHotEncoder' 'Codificador de etiquetas' 'Ingenuo' "OneHotEncoder" 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'Incrustación de palabras'
columnNameAndTypes	Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena
enableDnnFeaturization	Determina si se deben usar los caracterizadores basados en Dnn para la caracterización de datos.	booleano
modo	Modo de caracterización: el usuario puede mantener el modo "Automático" predeterminado y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización. Si se selecciona "Desactivado", no se realiza ninguna caracterización. Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.	'Auto' 'Personalizado' 'Desactivado'
transformadorParámetros	El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y los parámetros para el constructor del transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre	Descripción	Importancia

TableVerticalFeaturizationSettingsTransformerParams

Nombre	Descripción	Importancia

TableVerticalLimitSettings

Nombre	Descripción	Importancia
enableEarlyTermination	Habilitar la terminación anticipada, determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones.	booleano
exitScore	Puntuación de salida para el trabajo de AutoML.	Int
maxConcurrentTrials	Iteraciones simultáneas máximas.	Int
maxCoresPerTrial	Número máximo de núcleos por iteración.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones.	Int
sweepConcurrentTrials	Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar.	Int
sweepTrials	Número de ejecuciones de barrido que el usuario quiere desencadenar.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera de iteración.	cuerda / cadena

TargetLags

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetLags. Establezca en "Custom" para el tipo CustomTargetLags.	'Auto' 'Custom' (obligatorio)

TargetRollingWindowSize

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetRollingWindowSize. Establezca en "Custom" para el tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obligatorio)

TensorFlow

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'TensorFlow' (obligatorio)
parameterServerCount	Número de tareas del servidor de parámetros.	Int
número de trabajadores	Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias.	Int

TextClassification

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica principal para Text-Classification tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextClassificationMultilabel

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextNer

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextNER' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TopNFeaturesByAttribution

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'TopNByAttribution' (obligatorio)
Parte superior	Número de características principales que se van a incluir.	Int

TrialComponent

Nombre	Descripción	Importancia
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	TrialComponentEnvironmentVariables
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre	Descripción	Importancia

Base de disparo

Nombre	Descripción	Importancia
endTime	Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. El formato recommented sería "2022-06-01T00:00:01" Si no está presente, la programación se ejecutará indefinidamente.	cuerda / cadena
hora de inicio	Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC.	cuerda / cadena
zona horaria	Especifica la zona horaria en la que se ejecuta la programación. TimeZone debe seguir el formato de zona horaria de Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	cuerda / cadena
triggerType	Establezca en "Cron" para el tipo CronTrigger. Establezca en "Recurrence" para el tipo RecurrenceTrigger.	'Cron' 'Periodicidad' (obligatorio)

TritonModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

TritonModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

PolíticaDeSelecciónDeTruncamiento

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'TruncationSelection' (obligatorio)
truncationPercentage	Porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación.	Int

UriFileJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFileJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UriFolderJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFolderJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UserAssignedIdentities

Nombre	Descripción	Importancia

IdentidadAsignadaPorElUsuario

Nombre	Descripción	Importancia

Identidad de Usuario

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'UserIdentity' (obligatorio)

Webhook (webhook)

Nombre	Descripción	Importancia
Tipo de evento	Enviar devolución de llamada en un evento de notificación especificado	cuerda / cadena
webhookType	Establezca en "AzureDevOps" para el tipo AzureDevOpsWebhook.	"AzureDevOps" (obligatorio)

Ejemplos de uso

Definición de recursos de Terraform (proveedor AzAPI)

El tipo de recurso workspaces/schedules se puede implementar con operaciones que tienen como destino:

• grupos de recursos de

Para obtener una lista de las propiedades modificadas en cada versión de API, consulte registro de cambios.

Formato de recurso

Para crear un recurso Microsoft.MachineLearningServices/workspaces/schedules, agregue el siguiente terraform a la plantilla.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"
  name = "string"
  parent_id = "string"
  body = {
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  }
}

Objetos SparkJobEntry

Establezca la propiedad sparkJobEntryType para especificar el tipo de objeto.

Para SparkJobPythonEntry, use:

{
  file = "string"
  sparkJobEntryType = "SparkJobPythonEntry"
}

Para SparkJobScalaEntry, use:

{
  className = "string"
  sparkJobEntryType = "SparkJobScalaEntry"
}

Objetos TargetRollingWindowSize

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Custom, use:

{
  mode = "Custom"
  value = int
}

Objetos ModelPerformanceMetricThresholdBase

Establezca la propiedad modelType para especificar el tipo de objeto.

Para Clasificación, use:

{
  metric = "string"
  modelType = "Classification"
}

Para Regresión, use:

{
  metric = "string"
  modelType = "Regression"
}

Objetos NCrossValidations

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Custom, use:

{
  mode = "Custom"
  value = int
}

MonitorComputeIdentityBase (objetos)

Establezca la propiedad computeIdentityType para especificar el tipo de objeto.

Para AmlToken, use:

{
  computeIdentityType = "AmlToken"
}

Para ManagedIdentity, use:

{
  computeIdentityType = "ManagedIdentity"
  identity = {
    type = "string"
    userAssignedIdentities = {
      {customized property} = {
      }
    }
  }
}

Objetos DistributionConfiguration

Establezca la propiedad distributionType para especificar el tipo de objeto.

Para Mpi, use:

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

Para PyTorch, use:

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

Para Ray, use:

{
  address = "string"
  dashboardPort = int
  distributionType = "Ray"
  headNodeAdditionalArgs = "string"
  includeDashboard = bool
  port = int
  workerNodeAdditionalArgs = "string"
}

Para TensorFlow, use:

{
  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int
}

Objetos JobBaseProperties

Establezca la propiedad jobType para especificar el tipo de objeto.

Para AutoML, use:

{
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  jobType = "AutoML"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }
}

En Comando, use:

{
  autologgerSettings = {
    mlflowAutologger = "string"
  }
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobType = "Command"
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

Para Etiquetado, use:

{
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefresh = "string"
  }
  jobInstructions = {
    uri = "string"
  }
  jobType = "Labeling"
  labelCategories = {
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = ...
          }
        }
      }
      displayName = "string"
      multiSelect = "string"
    }
  }
  labelingJobMediaProperties = {
    mediaType = "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration = {
    mlAssist = "string"
    // For remaining properties, see MLAssistConfiguration objects
  }
}

Para Canalización, use:

{
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobs = {
    {customized property} = ?
  }
  jobType = "Pipeline"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  settings = ?
  sourceJobId = "string"
}

Para Spark, use:

{
  archives = [
    "string"
  ]
  args = "string"
  codeId = "string"
  conf = {
    {customized property} = "string"
  }
  entry = {
    sparkJobEntryType = "string"
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  files = [
    "string"
  ]
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jars = [
    "string"
  ]
  jobType = "Spark"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    instanceType = "string"
    runtimeVersion = "string"
  }
}

Para Barrido, use:

{
  componentConfiguration = {
    pipelineSettings = ?
  }
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobType = "Sweep"
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace = ?
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      locations = [
        "string"
      ]
      maxInstanceCount = int
      properties = {
        {customized property} = ?
      }
      shmSize = "string"
    }
  }
}

Objetos DataQualityMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numeric, use:

{
  dataType = "Numerical"
  metric = "string"
}

Objetos DataImportSource

Establezca la propiedad sourceType para especificar el tipo de objeto.

Para la base de datos, use:

{
  query = "string"
  sourceType = "database"
  storedProcedure = "string"
  storedProcedureParams = [
    {
      {customized property} = "string"
    }
  ]
  tableName = "string"
}

Para file_system, use:

{
  path = "string"
  sourceType = "file_system"
}

Objetos de webhook

Establezca la propiedad webhookType para especificar el tipo de objeto.

Para AzureDevOps, use:

{
  webhookType = "AzureDevOps"
}

Objetos de estacionalidad

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Custom, use:

{
  mode = "Custom"
  value = int
}

Objetos DataDriftMetricThresholdBase

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numeric, use:

{
  dataType = "Numerical"
  metric = "string"
}

PredictionDriftMetricThresholdBase (objetos)

Establezca la propiedad dataType para especificar el tipo de objeto.

Para Categorical, use:

{
  dataType = "Categorical"
  metric = "string"
}

Para Numeric, use:

{
  dataType = "Numerical"
  metric = "string"
}

MonitoringSignalBase (objetos)

Establezca la propiedad signalType para especificar el tipo de objeto.

Para Custom, use:

{
  componentId = "string"
  inputAssets = {
    {customized property} = {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  signalType = "Custom"
  workspaceConnection = {
    environmentVariables = {
      {customized property} = "string"
    }
    secrets = {
      {customized property} = "string"
    }
  }
}

Para DataDrift, use:

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataDrift"
}

Para DataQuality, use:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "DataQuality"
}

Para FeatureAttributionDrift, use:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "string"
    threshold = {
      value = int
    }
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "FeatureAttributionDrift"
}

Para GenerationSafetyQuality, use:

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  signalType = "GenerationSafetyQuality"
  workspaceConnectionId = "string"
}

Para GenerationTokenStatistics, use:

{
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  signalType = "GenerationTokenStatistics"
}

Para ModelPerformance, use:

{
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  metricThreshold = {
    threshold = {
      value = int
    }
    modelType = "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "ModelPerformance"
}

Para PredictionDrift, use:

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  signalType = "PredictionDrift"
}

Objetos de nodos

Establezca la propiedad nodesValueType para especificar el tipo de objeto.

Para Todo, use:

{
  nodesValueType = "All"
}

Objetos LabelingJobMediaProperties

Establezca la propiedad mediaType para especificar el tipo de objeto.

Para Imagen, use:

{
  annotationType = "string"
  mediaType = "Image"
}

Para Texto, use:

{
  annotationType = "string"
  mediaType = "Text"
}

Objetos EarlyTerminationPolicy

Establezca la propiedad policyType para especificar el tipo de objeto.

Para Bandit, use:

{
  policyType = "Bandit"
  slackAmount = int
  slackFactor = int
}

Para MedianStopping, use:

{
  policyType = "MedianStopping"
}

Para TruncationSelection, use:

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

Objetos MonitoringInputDataBase

Establezca la propiedad inputDataType para especificar el tipo de objeto.

Para fixed, use:

{
  inputDataType = "Fixed"
}

Para Rolling, use:

{
  inputDataType = "Rolling"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"
}

Para Static, use:

{
  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "string"
}

Objetos TargetLags

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Custom, use:

{
  mode = "Custom"
  values = [
    int
  ]
}

Objetos AutoMLVertical

Establezca la propiedad taskType para especificar el tipo de objeto.

Para Clasificación, use:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Classification"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Para previsión, use:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    featuresUnknownAtForecastTime = [
      "string"
    ]
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Forecasting"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Para ImageClassification, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageClassificationMultilabel, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageInstanceSegmentation, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    logTrainingMetrics = "string"
    logValidationLoss = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageInstanceSegmentation"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para ImageObjectDetection, use:

{
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    logTrainingMetrics = "string"
    logValidationLoss = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "ImageObjectDetection"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

Para Regresión, use:

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "Regression"
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerKWargs = ?
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

Para TextClassification, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Para TextClassificationMultilabel, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Para TextNER, use:

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  taskType = "TextNER"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

Objetos MonitorComputeConfigurationBase

Establezca la propiedad computeType para especificar el tipo de objeto.

Para ServerlessSpark, use:

{
  computeIdentity = {
    computeIdentityType = "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  computeType = "ServerlessSpark"
  instanceType = "string"
  runtimeVersion = "string"
}

Objetos TriggerBase

Establezca la propiedad triggerType para especificar el tipo de objeto.

Para Cron, use:

{
  expression = "string"
  triggerType = "Cron"
}

Para Periodicidad, use:

{
  frequency = "string"
  interval = int
  schedule = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    monthDays = [
      int
    ]
    weekDays = [
      "string"
    ]
  }
  triggerType = "Recurrence"
}

Objetos JobInput

Establezca la propiedad jobInputType para especificar el tipo de objeto.

Para custom_model, use:

{
  jobInputType = "custom_model"
  mode = "string"
  uri = "string"
}

Para literal, use:

{
  jobInputType = "literal"
  value = "string"
}

Para mlflow_model, use:

{
  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Para mltable, use:

{
  jobInputType = "mltable"
  mode = "string"
  uri = "string"
}

Para triton_model, use:

{
  jobInputType = "triton_model"
  mode = "string"
  uri = "string"
}

Para uri_file, use:

{
  jobInputType = "uri_file"
  mode = "string"
  uri = "string"
}

Para uri_folder, use:

{
  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"
}

Objetos IdentityConfiguration

Establezca la propiedad identityType para especificar el tipo de objeto.

Para AMLToken, use:

{
  identityType = "AMLToken"
}

Para Administrado, use:

{
  clientId = "string"
  identityType = "Managed"
  objectId = "string"
  resourceId = "string"
}

Para UserIdentity, use:

{
  identityType = "UserIdentity"
}

Objetos MLAssistConfiguration

Establezca la propiedad mlAssist para especificar el tipo de objeto.

Para Deshabilitado, use:

{
  mlAssist = "Disabled"
}

Para Habilitado, use:

{
  inferencingComputeBinding = "string"
  mlAssist = "Enabled"
  trainingComputeBinding = "string"
}

Objetos SamplingAlgorithm

Establezca la propiedad samplingAlgorithmType para especificar el tipo de objeto.

Para Bayesiano, use:

{
  samplingAlgorithmType = "Bayesian"
}

Para Grid, use:

{
  samplingAlgorithmType = "Grid"
}

Para Random, use:

{
  logbase = "string"
  rule = "string"
  samplingAlgorithmType = "Random"
  seed = int
}

ForecastHorizon (objetos)

Establezca la propiedad mode para especificar el tipo de objeto.

Para Auto, use:

{
  mode = "Auto"
}

Para Custom, use:

{
  mode = "Custom"
  value = int
}

Objetos JobOutput

Establezca la propiedad jobOutputType para especificar el tipo de objeto.

Para custom_model, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"
}

Para mlflow_model, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

Para mltable, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "mltable"
  mode = "string"
  uri = "string"
}

Para triton_model, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"
}

Para uri_file, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"
}

Para uri_folder, use:

{
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"
}

Objetos MonitoringFeatureFilterBase

Establezca la propiedad filterType para especificar el tipo de objeto.

Para AllFeatures, use:

{
  filterType = "AllFeatures"
}

Para FeatureSubset, use:

{
  features = [
    "string"
  ]
  filterType = "FeatureSubset"
}

Para TopNByAttribution, use:

{
  filterType = "TopNByAttribution"
  top = int
}

Objetos ScheduleActionBase

Establezca la propiedad actionType para especificar el tipo de objeto.

Para CreateJob, use:

{
  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity = {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    notificationSetting = {
      emailOn = [
        "string"
      ]
      emails = [
        "string"
      ]
      webhooks = {
        {customized property} = {
          eventType = "string"
          webhookType = "string"
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties = {
      {customized property} = "string"
    }
    secretsConfiguration = {
      {customized property} = {
        uri = "string"
        workspaceSecretName = "string"
      }
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

Para CreateMonitor, use:

{
  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSettings = {
      emailNotificationSettings = {
        emails = [
          "string"
        ]
      }
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        notificationTypes = [
          "string"
        ]
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }
}

Para ImportData, use:

{
  actionType = "ImportData"
  dataImportDefinition = {
    assetName = "string"
    autoDeleteSetting = {
      condition = "string"
      value = "string"
    }
    dataType = "string"
    dataUri = "string"
    description = "string"
    intellectualProperty = {
      protectionLevel = "string"
      publisher = "string"
    }
    isAnonymous = bool
    isArchived = bool
    properties = {
      {customized property} = "string"
    }
    source = {
      connection = "string"
      sourceType = "string"
      // For remaining properties, see DataImportSource objects
    }
    stage = "string"
    tags = {
      {customized property} = "string"
    }
  }
}

Para InvokeBatchEndpoint, use:

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

Valores de propiedad

Microsoft.MachineLearningServices/áreas de trabajo/programaciones

Nombre	Descripción	Importancia
nombre	El nombre del recurso	cuerda Restricciones: Patrón = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$ (obligatorio)
parent_id	Identificador del recurso que es el elemento primario de este recurso.	Identificador del recurso de tipo: áreas de trabajo
Propiedades	[Obligatorio] Atributos adicionales de la entidad.	ScheduleProperties (obligatorio)
tipo	El tipo de recurso	"Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"

Todas las características

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'AllFeatures' (obligatorio)

Todos los nodos

Nombre	Descripción	Importancia
nodesValueType	[Obligatorio] Tipo del valor nodos	'All' (obligatorio)

AmlToken

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'AMLToken' (obligatorio)

AmlTokenComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'AmlToken' (obligatorio)

Configuración de eliminación automática

Nombre	Descripción	Importancia
condición	Cuándo comprobar si un recurso ha expirado	'CreadoMayorQue' 'LastAccessedGreaterThan'
valor	Valor de condición de expiración.	cuerda / cadena

AutoForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Auto' (obligatorio)

Configuración de Autologger

Nombre	Descripción	Importancia
mlflowAutologger	[Obligatorio] Indica si el registrador automático de mlflow está habilitado.	'Deshabilitado' 'Habilitado' (obligatorio)

AutoMLJob

Nombre	Descripción	Importancia
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo. Este es un valor opcional que se debe proporcionar, si no se proporciona, AutoML se usará de forma predeterminada en la versión del entorno mantenido por AutoML de producción al ejecutar el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	AutoMLJobEnvironmentVariables
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'AutoML' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	AutoMLJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
taskDetails	[Obligatorio] Esto representa un escenario que puede ser una de las tablas,NLP/Image.	AutoMLVertical (obligatorio)

AutoMLJobEnvironmentVariables

Nombre	Descripción	Importancia

AutoMLJobOutputs

Nombre	Descripción	Importancia

AutoMLVertical

Nombre	Descripción	Importancia
logVerbosity	Detalle del registro del trabajo.	"Crítico" "Depurar" 'Error' 'Información' 'NotSet' 'Advertencia'
targetColumnName	Nombre de columna de destino: se trata de la columna de valores de predicción. También conocido como nombre de columna de etiqueta en el contexto de las tareas de clasificación.	cuerda / cadena
tipo de tarea	Establézcalo en "Clasificación" para el tipo Classification. Establézcalo en "Previsión" para el tipo Previsión. Establezca en "ImageClassification" para el tipo ImageClassification. Establezca en "ImageClassificationMultilabel" para el tipo ImageClassificationMultilabel. Establezca en "ImageInstanceSegmentation" para el tipo ImageInstanceSegmentation. Establezca en "ImageObjectDetection" para el tipo ImageObjectDetection. Establezca en "Regresión" para el tipo Regresión. Establezca en "TextClassification" para el tipo TextClassification. Establezca en "TextClassificationMultilabel" para el tipo TextClassificationMultilabel. Establezca en "TextNER" para el tipo TextNer.	'Clasificación' "Previsión" 'Clasificación de imágenes' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' 'Regresión' 'Clasificación de texto' 'TextClassificationMultilabel' 'TextNER' (obligatorio)
trainingData	[Obligatorio] Entrada de datos de entrenamiento.	MLTableJobInput (obligatorio)

AutoNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Auto' (obligatorio)

AutoEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Auto' (obligatorio)

AutoTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Auto' (obligatorio)

AutoTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Auto' (obligatorio)

AzureDevOpsWebhook

Nombre	Descripción	Importancia
webhookType	[Obligatorio] Especifica el tipo de servicio que se va a enviar una devolución de llamada.	"AzureDevOps" (obligatorio)

Política de Bandidos

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'Bandit' (obligatorio)
slackAmount	Distancia absoluta permitida desde la mejor ejecución.	Int
slackFactor	Relación de la distancia permitida desde la ejecución con mejor rendimiento.	Int

BayesianSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Bayesian' (obligatorio)

CategoricalDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos categóricos que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

CategoricalDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de calidad de datos categóricos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

CategoricalPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Categorical' (obligatorio)
medida	[Obligatorio] Métrica de desfase de predicción categórica que se va a calcular.	'ShannonDistance' 'Prueba de ChiSquared de Pearson' 'PopulationStabilityIndex' (obligatorio)

Clasificación

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
Etiqueta positiva	Etiqueta positiva para el cálculo de métricas binarias.	cuerda / cadena
primaryMetric	Métrica principal de la tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Clasificación' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ClassificationTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

ClassificationModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Rendimiento del modelo de clasificación que se va a calcular.	'Precisión' 'Precisión' 'Recall' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Clasificación' (obligatorio)

ClassificationTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de clasificación.	Matriz de cadenas que contiene cualquiera de: 'BernoulliNaiveBayes' 'Árbol de decisiones' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LightGBM' 'LinearSVM' 'Regresión logística' 'MultinomialNaiveBayes' 'Bosque aleatorio' 'SGD' 'SVM' 'Clasificador XGBoost'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

Transformador de columna

Nombre	Descripción	Importancia
Campos	Campos en los que se va a aplicar la lógica del transformador.	cadena[]
parámetros	Propiedades diferentes que se van a pasar al transformador. La entrada esperada es el diccionario de pares clave-valor en formato JSON.	cualquier

CommandJob (ComandoTrabajo)

Nombre	Descripción	Importancia
autologgerSettings	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	Configuración de Autologger
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch, Ray o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	CommandJobEnvironmentVariables
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	CommandJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Command' (obligatorio)
Límites	Límite de trabajos de comando.	CommandJobLimits
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	CommandJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

CommandJobEnvironmentVariables

Nombre	Descripción	Importancia

CommandJobInputs

Nombre	Descripción	Importancia

CommandJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena

CommandJobOutputs

Nombre	Descripción	Importancia

ComponentConfiguration

Nombre	Descripción	Importancia
pipelineSettings	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier

CreateMonitorAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateMonitor' (obligatorio)
monitorDefinition	[Obligatorio] Define el monitor.	MonitorDefinition (obligatorio)

CronTrigger (Gatillo Cron)

Nombre	Descripción	Importancia
expresión	[Obligatorio] Especifica la expresión cron de la programación. La expresión debe seguir el formato NCronTab.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
triggerType	[Obligatorio]	'Cron' (obligatorio)

CustomForecastHorizon

Nombre	Descripción	Importancia
modo	[Obligatorio] Establezca el modo de selección de valores del horizonte de previsión.	'Custom' (obligatorio)
valor	[Obligatorio] Valor del horizonte de previsión.	int (obligatorio)

CustomMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica definida por el usuario que se va a calcular.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

CustomModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

CustomModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'custom_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

CustomMonitoringSignal

Nombre	Descripción	Importancia
componentId	[Obligatorio] Identificador de recurso de ARM del recurso de componente usado para calcular las métricas personalizadas.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
inputAssets	Supervisar los recursos que se van a tomar como entrada. La clave es el nombre del puerto de entrada del componente, el valor es el recurso de datos.	CustomMonitoringSignalInputAssets
Entradas	Parámetros de componente adicionales que se van a tomar como entrada. La clave es el nombre del puerto de entrada literal del componente, el valor es el valor del parámetro.	CustomMonitoringSignalInputs
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	CustomMetricThreshold[] (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Custom' (obligatorio)
workspaceConnection	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	MonitoringWorkspaceConnection (obligatorio)

CustomMonitoringSignalInputAssets

Nombre	Descripción	Importancia

CustomMonitoringSignalInputs

Nombre	Descripción	Importancia

CustomNCrossValidations

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo para determinar las validaciones N cruzadas.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de N-Validaciones cruzadas.	int (obligatorio)

CostumbreEstacionalidad

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de estacionalidad.	'Custom' (obligatorio)
valor	[Obligatorio] Valor de estacionalidad.	int (obligatorio)

CustomTargetLags

Nombre	Descripción	Importancia
modo	[Obligatorio] Establecer el modo de retardo de destino: Automático/Personalizado	'Custom' (obligatorio)
valores	[Obligatorio] Establezca los valores de retardo de destino.	int[] (obligatorio)

CustomTargetRollingWindowSize

Nombre	Descripción	Importancia
modo	[Obligatorio] Modo de detección TargetRollingWindowSiz.	'Custom' (obligatorio)
valor	[Obligatorio] Valor TargetRollingWindowSize.	int (obligatorio)

Fuente de base de datos

Nombre	Descripción	Importancia
consulta	Instrucción SQL Query para la importación de datos origen de base de datos	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'database' (obligatorio)
storedProcedure	SQL StoredProcedure en el origen de la base de datos de importación de datos	cuerda / cadena
storedProcedureParams	Parámetros StoredProcedure de SQL	DatabaseSourceStoredProcedureParamsItem[]
tableName	Nombre de la tabla en el origen de la base de datos de importación de datos	cuerda / cadena

DatabaseSourceStoredProcedureParamsItem

Nombre	Descripción	Importancia

DataDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericDataDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataDriftMonitoringSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos usado para determinar el ámbito de un subconjunto de la población de datos.	MonitoringDataSegment
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Filtro de características que identifica qué característica se va a calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataDrift' (obligatorio)

DataDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

Importación de datos

Nombre	Descripción	Importancia
assetName	Nombre del recurso para el trabajo de importación de datos que se va a crear	cuerda / cadena
autoDeleteSetting	Especifica la configuración del ciclo de vida del recurso de datos administrado.	AutoDeleteSetting
Tipo de dato	[Obligatorio] Especifica el tipo de datos.	'MLTABLE' "uri_file" 'uri_folder' (obligatorio)
dataUri	[Obligatorio] Uri de los datos. Ejemplo: https://go.microsoft.com/fwlink/?linkid=2202330	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Propiedad intelectual	Detalles de la propiedad intelectual. Se utiliza si los datos son propiedad intelectual.	IntellectualProperty
isAnonymous	Si la versión del nombre se genera por el sistema (registro anónimo). Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsAnonymous.	booleano
isArchivado	¿El recurso está archivado? Para los tipos en los que se define Stage, cuando se proporciona Stage, se usará para rellenar IsArchived.	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
fuente	Datos de origen del recurso desde el que se va a importar	DataImportSource
fase	Fase del ciclo de vida de los datos asignado a este recurso de datos	cuerda / cadena
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

DataImportSource

Nombre	Descripción	Importancia
conexión	Conexión del área de trabajo para el almacenamiento de origen de importación de datos	cuerda / cadena
tipo de fuente	Establezca en "database" para el tipo DatabaseSource. Establezca en "file_system" para el tipo FileSystemSource.	'base de datos' 'file_system' (obligatorio)

DataQualityMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalDataQualityMetricThreshold. Establezca en "Numeric" para el tipo NumericDataQualityMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

DataQualityMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
Características	Características para calcular el desfase.	MonitoringFeatureFilterBase
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	DataQualityMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'DataQuality' (obligatorio)

DataQualityMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

DistributionConfiguration

Nombre	Descripción	Importancia
distributionType	Establezca en "Mpi" para el tipo Mpi. Establezca en "PyTorch" para el tipo PyTorch. Establezca en "Ray" para el tipo Ray. Establezca en "TensorFlow" para el tipo TensorFlow.	'MPI' 'Antorcha' 'Rayo' 'TensorFlow' (obligatorio)

Política de Terminación Anticipada

Nombre	Descripción	Importancia
delayEvaluation	Número de intervalos por los que se va a retrasar la primera evaluación.	Int
evaluationInterval	Intervalo (número de ejecuciones) entre evaluaciones de directivas.	Int
policyType	Establezca en "Bandit" para el tipo BanditPolicy. Establezca en "MedianStopping" para el tipo MedianStoppingPolicy. Establezca en "TruncationSelection" para el tipo TruncationSelectionPolicy.	'Bandido' "MedianStopping" 'TruncationSelection' (obligatorio)

EndpointScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'InvokeBatchEndpoint' (obligatorio)
endpointInvocationDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar. <ver href="TBD" />	any (obligatorio)

FeatureAttributionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	La configuración de importancia de las características informáticas.	FeatureImportanceSettings
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	FeatureAttributionMetricThreshold (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'FeatureAttributionDrift' (obligatorio)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

FeatureAttributionMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de atribución de características que se va a calcular.	'NormalizedDiscountedCumulativeGain' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

FeatureImportanceSettings

Nombre	Descripción	Importancia
modo	Modo de funcionamiento para calcular la importancia de las características.	'Deshabilitado' 'Habilitado'
targetColumn	Nombre de la columna de destino dentro del recurso de datos de entrada.	cuerda / cadena

CaracterísticaSubconjunto

Nombre	Descripción	Importancia
Características	[Obligatorio] Lista de características que se van a incluir.	string[] (obligatorio)
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'FeatureSubset' (obligatorio)

FileSystemSource (Fuente del sistema de archivos)

Nombre	Descripción	Importancia
camino	Ruta de acceso en la importación de datos FileSystem source	cuerda / cadena
tipo de fuente	[Obligatorio] Especifica el tipo de datos.	'file_system' (obligatorio)

FixedInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Fixed' (obligatorio)

ForecastHorizon

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoForecastHorizon. Establezca en "Custom" para el tipo CustomForecastHorizon.	'Auto' 'Custom' (obligatorio)

Previsión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
forecastingSettings	Previsión de entradas específicas de la tarea.	Configuración de previsión
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de previsión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	"Previsión" (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	ForecastingTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

Configuración de previsión

Nombre	Descripción	Importancia
countryOrRegionForHolidays	País o región para días festivos para las tareas de previsión. Deben ser códigos de país o región de dos letras ISO 3166, por ejemplo, "US" o "GB".	cuerda / cadena
cvStepSize	Número de períodos entre la hora de origen de un plegado CV y el siguiente plegado. Para por ejemplo, si CVStepSize = 3 para los datos diarios, la hora de origen de cada plegamiento será tres días de diferencia.	Int
featureLags	Marca para generar retrasos para las características numéricas con "auto" o null.	'Auto' 'Ninguno'
featuresUnknownAtForecastTime	Columnas de características disponibles para el entrenamiento pero desconocidas en el momento de la previsión o la inferencia. Si no se establece features_unknown_at_forecast_time, se supone que todas las columnas de características del conjunto de datos se conocen en el momento de la inferencia.	cadena[]
forecastHorizon	Horizonte de previsión máximo deseado en unidades de frecuencia de serie temporal.	ForecastHorizon
frecuencia	Al realizar la previsión, este parámetro representa el período con el que se desea la previsión, por ejemplo, diaria, semanal, anual, etc. La frecuencia de previsión es la frecuencia del conjunto de datos de forma predeterminada.	cuerda / cadena
estacionalidad	Establezca la estacionalidad de series temporales como un entero múltiplo de la frecuencia de la serie. Si la estacionalidad se establece en "auto", se deducirá.	Estacionalidad
shortSeriesHandlingConfig	Parámetro que define cómo si AutoML debe controlar series temporales cortas.	'Auto' 'Caída' 'Ninguno' 'Almohadilla'
targetAggregateFunction	Función que se va a usar para agregar la columna de destino de serie temporal para ajustarse a una frecuencia especificada por el usuario. Si targetAggregateFunction se establece, es decir, no "None", pero no se establece el parámetro freq, se genera el error. Las posibles funciones de agregación de destino son: "sum", "max", "min" y "mean".	'Max' 'Mezquino' 'Min' 'Ninguno' 'Suma'
targetLags	Número de períodos anteriores que se van a retardar desde la columna de destino.	TargetLags
targetRollingWindowSize	Número de períodos pasados usados para crear un promedio de ventana gradual de la columna de destino.	TargetRollingWindowSize
timeColumnName	Nombre de la columna de hora. Este parámetro es necesario cuando se prevé especificar la columna datetime en los datos de entrada utilizados para compilar la serie temporal e inferir su frecuencia.	cuerda / cadena
timeSeriesIdColumnNames	Los nombres de las columnas usadas para agrupar una serie de horas. Se puede usar para crear varias series. Si no se define el grano, se supone que el conjunto de datos es una serie temporal. Este parámetro se usa con la previsión del tipo de tarea.	cadena[]
useStl	Configure la descomposición de STL de la columna de destino de serie temporal.	'Ninguno' 'Temporada' 'Tendencia de temporada'

ForecastingTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de previsión.	Matriz de cadenas que contiene cualquiera de: 'Arimax' 'AutoArima' 'Promedio' 'Árbol de decisiones' "ElasticNet" 'Suavizado exponencial' 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' "Ingenuo" "Profeta" 'Bosque aleatorio' 'EstacionalAverage' 'Ingenuo estacional' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

GenerationSafetyQualityMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GeneraciónSeguridadCalidadMonitoreoSeñal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationSafetyQualityMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationSafetyQuality' (obligatorio)
workspaceConnectionId	Obtiene o establece el identificador de conexión del área de trabajo que se usa para conectarse al punto de conexión de generación de contenido.	cuerda / cadena

GenerationTokenUsageMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Obtiene o establece la métrica de atribución de características que se va a calcular.	'TotalTokenCount' 'TotalTokenCountPerGroup' (obligatorio)
umbral	Obtiene o establece el valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

GenerationTokenUsageSignal

Nombre	Descripción	Importancia
metricThresholds	[Obligatorio] Obtiene o establece las métricas que se van a calcular y los umbrales correspondientes.	GenerationTokenUsageMetricThreshold[] (obligatorio)
productionData	Obtiene o establece los datos de producción para las métricas informáticas.	MonitoringInputDataBase[]
samplingRate	[Obligatorio] La frecuencia de muestreo de los datos de producción debe ser mayor que 0 y, como máximo, 1.	int (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'GenerationTokenStatistics' (obligatorio)

GridSamplingAlgorithm

Nombre	Descripción	Importancia
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Grid' (obligatorio)

IdentityConfiguration

Nombre	Descripción	Importancia
tipo de identidad	Establezca en "AMLToken" para el tipo AmlToken. Establezca en "Managed" para el tipo ManagedIdentity. Establezca en "UserIdentity" para el tipo UserIdentity.	'AMLToken' "Administrado" 'UserIdentity' (obligatorio)

Clasificación de imágenes

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageClassificationMultilabel

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsClassification
primaryMetric	Métrica principal para optimizar esta tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'Pagaré' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsClassification[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageInstanceSegmentation

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageInstanceSegmentation' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Número máximo de iteraciones simultáneas de AutoML.	Int
maxTrials	Número máximo de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena

ImageModelDistributionSettingsClassification

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	cuerda / cadena

ImageModelDistributionSettingsObjectDetection

Nombre	Descripción	Importancia
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	cuerda / cadena
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	cuerda / cadena
distribuido	Si se va a usar el entrenamiento del distribuidor.	cuerda / cadena
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	cuerda / cadena
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	cuerda / cadena
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	cuerda / cadena
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	cuerda / cadena
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	cuerda / cadena
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	cuerda / cadena
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	cuerda / cadena
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	cuerda / cadena
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	cuerda / cadena
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	cuerda / cadena
optimizador	Tipo de optimizador. Debe ser "sgd", "adam" o "adamw".	cuerda / cadena
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	cuerda / cadena
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	cuerda / cadena
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5". NMS: supresión no máxima	cuerda / cadena
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	cuerda / cadena
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	cuerda / cadena
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	cuerda / cadena
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación. Debe ser "none", "coco", "voc" o "coco_voc".	cuerda / cadena
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	cuerda / cadena
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	cuerda / cadena
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	cuerda / cadena

ImageModelSettingsClassification

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
trainingCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationCropSize	Tamaño de recorte de imagen que se introduce en la red neuronal para el conjunto de datos de validación. Debe ser un entero positivo.	Int
validationResizeSizeSize	Tamaño de imagen al que se va a cambiar el tamaño antes de recortar el conjunto de datos de validación. Debe ser un entero positivo.	Int
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int
weightedLoss	Pérdida ponderada. Los valores aceptados son 0 sin pérdida ponderada. 1 para pérdida ponderada con sqrt. (class_weights). 2 para pérdida ponderada con class_weights. Debe ser 0 o 1 o 2.	Int

ImageModelSettingsObjectDetection

Nombre	Descripción	Importancia
advancedSettings	Configuración de escenarios avanzados.	cuerda / cadena
amsGradiente	Habilite AMSGrad cuando el optimizador sea "adam" o "adamw".	booleano
Aumentos	Configuración para usar aumentos.	cuerda / cadena
beta1	Valor de "beta1" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
Beta2	Valor de "beta2" cuando el optimizador es "adam" o "adamw". Debe ser un valor float en el intervalo [0, 1].	Int
boxDetectionsPerImage	Número máximo de detecciones por imagen, para todas las clases. Debe ser un entero positivo. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
boxScoreThreshold	Durante la inferencia, solo devuelve propuestas con una puntuación de clasificación mayor que BoxScoreThreshold. Debe ser un float en el intervalo[0, 1].	Int
checkpointFrequency	Frecuencia para almacenar los puntos de control del modelo. Debe ser un entero positivo.	Int
checkpointModel	Modelo de punto de control entrenado previamente para el entrenamiento incremental.	MLFlowModelJobInput
checkpointRunId	Identificador de una ejecución anterior que tiene un punto de control entrenado previamente para el entrenamiento incremental.	cuerda / cadena
distribuido	Si se va a usar el entrenamiento distribuido.	booleano
Parada temprana	Habilite la lógica de detención temprana durante el entrenamiento.	booleano
earlyStoppingDelay	Número mínimo de épocas o evaluaciones de validación que se deben esperar antes de la mejora de métricas principales se realiza un seguimiento de la detención temprana. Debe ser un entero positivo.	Int
tempranoStopPaciencia	Número mínimo de épocas o evaluaciones de validación sin ninguna mejora de métrica principal antes se detiene la ejecución. Debe ser un entero positivo.	Int
enableOnnxNormalization	Habilite la normalización al exportar el modelo ONNX.	booleano
Frecuencia: evaluación	Frecuencia para evaluar el conjunto de datos de validación para obtener puntuaciones de métricas. Debe ser un entero positivo.	Int
gradientAccumulationStep	La acumulación de degradado significa ejecutar un número configurado de pasos "GradAccumulationStep" sin actualizar los pesos del modelo al acumular los degradados de esos pasos y, a continuación, usar los degradados acumulados para calcular las actualizaciones de peso. Debe ser un entero positivo.	Int
tamaño de imagen	Tamaño de imagen para entrenamiento y validación. Debe ser un entero positivo. Nota: La ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	Int
layersToFreeze	Número de capas que se inmovilizarán para el modelo. Debe ser un entero positivo. Por ejemplo, pasar 2 como valor para "seresnext" significa capa de congelación0 y capa1. Para obtener una lista completa de los modelos admitidos y detalles sobre la inmovilización de capas, por favor consulte: /azure/machine-learning/how-to-auto-train-image-models.	Int
learningRate	Velocidad de aprendizaje inicial. Debe ser un valor float en el intervalo [0, 1].	Int
learningRateScheduler	Tipo de programador de velocidad de aprendizaje. Debe ser "warmup_cosine" o "paso".	'Ninguno' 'Paso' "WarmupCosine"
logTrainingMetrics	Habilite las métricas de aprendizaje de computación y registro.	'Deshabilitar' 'Habilitar'
logValidationLoss	Habilite la pérdida de validación de computación y registro.	'Deshabilitar' 'Habilitar'
maxSize	Tamaño máximo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
minSize	Tamaño mínimo de la imagen que se va a volver a escalar antes de alimentarla a la red troncal. Debe ser un entero positivo. Nota: la ejecución de entrenamiento puede llegar a CUDA OOM si el tamaño es demasiado grande. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
nombre del modelo	Nombre del modelo que se va a usar para el entrenamiento. Para obtener más información sobre los modelos disponibles, visite la documentación oficial: /azure/machine-learning/how-to-auto-train-image-models.	cuerda / cadena
modelSize	Tamaño del modelo. Debe ser "small", "medium", "large" o "xlarge". Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si el tamaño del modelo es demasiado grande. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	'Extragrande' 'Grande' "Medio" 'Ninguno' 'Pequeño'
momento	Valor del impulso cuando el optimizador es "sgd". Debe ser un valor float en el intervalo [0, 1].	Int
multiescala	Habilite la imagen a escala múltiple variando el tamaño de la imagen por +/- 50%. Nota: la ejecución de entrenamiento puede entrar en el OOM de CUDA si no hay suficiente memoria de GPU. Nota: Esta configuración solo se admite para el algoritmo "yolov5".	booleano
Nesterov	Habilite nesterov cuando el optimizador sea "sgd".	booleano
nmsIouThreshold	Umbral IOU utilizado durante la inferencia en el procesamiento posterior de NMS. Debe ser un valor float en el intervalo [0, 1].	Int
numberOfEpochs	Número de épocas de entrenamiento. Debe ser un entero positivo.	Int
numberOfWorkers	Número de trabajos del cargador de datos. Debe ser un entero no negativo.	Int
optimizador	Tipo de optimizador.	'Adán' 'Adán' 'Ninguno' 'SGD'
Semilla aleatoria	Inicialización aleatoria que se usará al usar el entrenamiento determinista.	Int
stepLRGamma	Valor de gamma cuando el programador de velocidad de aprendizaje es "paso". Debe ser un valor float en el intervalo [0, 1].	Int
stepLRStepSize	Valor del tamaño del paso cuando el programador de velocidad de aprendizaje es "paso". Debe ser un entero positivo.	Int
tileGridSize	Tamaño de cuadrícula que se va a usar para poner en mosaico cada imagen. Nota: TileGridSize no debe ser Ninguno para habilitar la lógica de detección de objetos pequeños. Cadena que contiene dos enteros en formato mxn. Nota: Esta configuración no se admite para el algoritmo "yolov5".	cuerda / cadena
tileOverlapRatio	Relación de superposición entre iconos adyacentes en cada dimensión. Debe estar flotante en el intervalo [0, 1). Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
tilePredictionsNmsThreshold	Umbral IOU que se va a usar para realizar NMS al combinar predicciones de iconos e imágenes. Se usa en la validación o la inferencia. Debe estar flotante en el intervalo [0, 1]. Nota: Esta configuración no se admite para el algoritmo "yolov5".	Int
trainingBatchSize	Tamaño del lote de entrenamiento. Debe ser un entero positivo.	Int
validationBatchSize	Tamaño del lote de validación. Debe ser un entero positivo.	Int
validationIouThreshold	Umbral IOU que se va a usar al calcular la métrica de validación. Debe estar flotante en el intervalo [0, 1].	Int
validationMetricType	Método de cálculo de métricas que se va a usar para las métricas de validación.	'Coco' 'CocoVoc' 'Ninguno' 'VOC'
calentamientoCosineLRCycles	Valor del ciclo de coseno cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un valor float en el intervalo [0, 1].	Int
warmupCosineLRWarmupEpochs	Valor de las épocas de preparación cuando el programador de velocidad de aprendizaje es "warmup_cosine". Debe ser un entero positivo.	Int
pesoDecaimiento	Valor de la descomposición del peso cuando el optimizador es "sgd", "adam" o "adamw". Debe ser un float en el intervalo[0, 1].	Int

ImageObjectDetection

Nombre	Descripción	Importancia
limitSettings	[Obligatorio] Limite la configuración del trabajo de AutoML.	ImageLimitSettings (obligatorio)
modelSettings	Configuración que se usa para entrenar el modelo.	ImageModelSettingsObjectDetection
primaryMetric	Métrica principal para optimizar esta tarea.	'MeanAveragePrecision'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	Configuración relacionada con barrido de hiperparámetros y barrido de modelos.	ImageSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'ImageObjectDetection' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int

ImageSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de los algoritmos de muestreo de hiperparámetros.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ImportDataAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'ImportData' (obligatorio)
dataImportDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	DataImport (obligatorio)

Propiedad Intelectual

Nombre	Descripción	Importancia
Nivel de protección	Nivel de protección de la Propiedad Intelectual.	"Todo" 'Ninguno'
editor	[Obligatorio] Publicador de la Propiedad Intelectual. Debe ser el mismo que el nombre del publicador del Registro.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

JobBaseProperties

Nombre	Descripción	Importancia
componentId	Identificador de recurso de ARM del recurso de componente.	cuerda / cadena
computeId	Identificador de recurso de ARM del recurso de proceso.	cuerda / cadena
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar del trabajo.	cuerda / cadena
experimentName	Nombre del experimento al que pertenece el trabajo. Si no se establece, el trabajo se coloca en el experimento "Predeterminado".	cuerda / cadena
identidad	Configuración de identidad. Si se establece, debe ser uno de AmlToken, ManagedIdentity, UserIdentity o NULL. El valor predeterminado es AmlToken si es null.	IdentityConfiguration
isArchivado	¿El recurso está archivado?	booleano
tipoDeTrabajo	Establezca en "AutoML" para el tipo AutoMLJob. Establezca en "Command" para el tipo CommandJob. Establezca en "Etiquetado" para el tipo LabelingJobProperties. Establezca en "Pipeline" para el tipo PipelineJob. Establezca en "Spark" para el tipo SparkJob. Establézcalo en "Barrido" para el tipo SweepJob.	'AutoML' 'Mando' "Etiquetado" "Canalización" "Spark" 'Barrido' (obligatorio)
notificationSetting	Configuración de notificación para el trabajo	NotificationSetting
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
secretsConfiguración	Configuración para que los secretos estén disponibles durante el tiempo de ejecución.	JobBaseSecretsConfiguration
servicios	Lista de jobEndpoints. Para los trabajos locales, un punto de conexión de trabajo tendrá un valor de punto de conexión de FileStreamObject.	Servicios de JobBase
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de

JobBaseSecretsConfiguration

Nombre	Descripción	Importancia

Servicios de JobBase

Nombre	Descripción	Importancia

JobInput (Entrada de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	Establezca en "custom_model" para el tipo CustomModelJobInput. Establezca en "literal" para el tipo LiteralJobInput. Establezca en "mlflow_model" para el tipo MLFlowModelJobInput. Establezca en "mltable" para el tipo MLTableJobInput. Establezca en "triton_model" para el tipo TritonModelJobInput. Establezca en "uri_file" para el tipo UriFileJobInput. Establezca en "uri_folder" para el tipo UriFolderJobInput.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobOutput (Salida de trabajo)

Nombre	Descripción	Importancia
descripción	Descripción de la salida.	cuerda / cadena
jobOutputType	Establezca en "custom_model" para el tipo CustomModelJobOutput. Establezca en "mlflow_model" para el tipo MLFlowModelJobOutput. Establezca en "mltable" para el tipo MLTableJobOutput. Establezca en "triton_model" para el tipo TritonModelJobOutput. Establezca en "uri_file" para el tipo UriFileJobOutput. Establezca en "uri_folder" para el tipo UriFolderJobOutput.	"custom_model" "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)

JobResourceConfiguration

Nombre	Descripción	Importancia
dockerArgs	Argumentos adicionales para pasar al comando docker run. Esto invalidaría los parámetros ya establecidos por el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML.	cuerda / cadena
InstanceCount	Número opcional de instancias o nodos usados por el destino de proceso.	Int
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
ubicaciones	Ubicaciones en las que se puede ejecutar el trabajo.	cadena[]
maxInstanceCount	Número máximo opcional permitido de instancias o nodos que usará el destino de proceso. Para su uso con el entrenamiento elástico, actualmente solo es compatible con el tipo de distribución pyTorch.	Int
Propiedades	Bolsa de propiedades adicionales.	resourceConfigurationProperties
shmSize	Tamaño del bloque de memoria compartida del contenedor de Docker. Debe estar en el formato (número)(unidad) donde el número como mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes).	cuerda Restricciones: Patrón = \d+[bBkKmMgG]

JobScheduleAction

Nombre	Descripción	Importancia
tipo de acción	[Obligatorio] Especifica el tipo de acción de la programación.	'CreateJob' (obligatorio)
jobDefinition	[Obligatorio] Define los detalles de la definición de la acción Programar.	JobBaseProperties (obligatorio)

JobService (Servicio de trabajo)

Nombre	Descripción	Importancia
punto final	Dirección URL del punto de conexión.	cuerda / cadena
jobServiceType	Tipo de punto de conexión.	cuerda / cadena
Nodos	Nodos en los que el usuario desea iniciar el servicio. Si los nodos no se establecen o se establecen en NULL, el servicio solo se iniciará en el nodo líder.	Nodos
puerto	Puerto para el punto de conexión establecido por el usuario.	Int
Propiedades	Propiedades adicionales que se van a establecer en el punto de conexión.	JobServiceProperties

JobServiceProperties

Nombre	Descripción	Importancia

CategoríaDeEtiqueta

Nombre	Descripción	Importancia
Clases	Diccionario de clases de etiqueta en esta categoría.	LabelCategoryClasses
Nombre para mostrar	Nombre para mostrar de la categoría de etiqueta.	cuerda / cadena
Selección múltiple	Indica si se permite seleccionar varias clases en esta categoría.	'Deshabilitado' 'Habilitado'

LabelCategoryClasses

Nombre	Descripción	Importancia

LabelClass (Clase de etiqueta)

Nombre	Descripción	Importancia
Nombre para mostrar	Nombre para mostrar de la clase de etiqueta.	cuerda / cadena
Subclases	Diccionario de subclases de la clase de etiqueta.	labelClassSubclasses

LabelClassSubclasses

Nombre	Descripción	Importancia

LabelingDataConfiguration

Nombre	Descripción	Importancia
DataId	Identificador de recurso del recurso de datos para realizar el etiquetado.	cuerda / cadena
incrementalDataRefresh	Indica si se va a habilitar la actualización incremental de datos.	'Deshabilitado' 'Habilitado'

LabelingJobImageProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de imágenes.	'Cuadro delimitador' 'Clasificación' 'Segmentación de instancias'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Image' (obligatorio)

LabelingJobInstructions

Nombre	Descripción	Importancia
Uri	Vínculo a una página con instrucciones de etiquetado detalladas para los etiquetadores.	cuerda / cadena

LabelingJobLabelCategories

Nombre	Descripción	Importancia

LabelingJobMediaProperties

Nombre	Descripción	Importancia
mediaType	Establezca en "Image" para el tipo LabelingJobImageProperties. Establezca en "Text" para el tipo LabelingJobTextProperties.	'Imagen' 'Text' (obligatorio)

LabelingJobProperties

Nombre	Descripción	Importancia
dataConfiguration	Configuración de datos usados en el trabajo.	LabelingDataConfiguration
jobInstructions	Etiquetado de instrucciones del trabajo.	LabelingJobInstructions
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Etiquetado' (obligatorio)
labelCategorías	Categorías de etiqueta del trabajo.	labelingJobLabelCategories
labelingJobMediaProperties	Propiedades específicas del tipo de medio en el trabajo.	LabelingJobMediaProperties
mlAssistConfiguration	Configuración de la característica MLAssist en el trabajo.	mlAssistConfiguration

LabelingJobTextProperties

Nombre	Descripción	Importancia
annotationType	Tipo de anotación del trabajo de etiquetado de texto.	'Clasificación' 'NamedEntityRecognition'
mediaType	[Obligatorio] Tipo de medio del trabajo.	'Text' (obligatorio)

LiteralJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'literal' (obligatorio)
valor	[Obligatorio] Valor literal de la entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

ManagedComputeIdentity

Nombre	Descripción	Importancia
computeIdentityType	[Obligatorio] Supervise la enumeración de tipo de identidad de proceso.	'ManagedIdentity' (obligatorio)
identidad	Identidad de servicio administrada (identidades asignadas por el sistema o asignadas por el usuario)	managedServiceIdentity

Identidad administrada

Nombre	Descripción	Importancia
clientId	Especifica una identidad asignada por el usuario por identificador de cliente. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	"Administrado" (obligatorio)
objectId	Especifica una identidad asignada por el usuario por identificador de objeto. En el caso de asignados por el sistema, no establezca este campo.	cuerda Restricciones: Longitud mínima = 36 Longitud máxima = 36 Patrón = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identificador de recurso	Especifica una identidad asignada por el usuario por el identificador de recurso de ARM. En el caso de asignados por el sistema, no establezca este campo.	cuerda / cadena

ManagedServiceIdentity

Nombre	Descripción	Importancia
tipo	Tipo de identidad de servicio administrada (donde se permiten los tipos SystemAssigned y UserAssigned).	'Ninguno' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (obligatorio)
identidades asignadas por el usuario	Conjunto de identidades asignadas por el usuario asociadas al recurso. Las claves de diccionario userAssignedIdentities serán identificadores de recursos de ARM con el formato: '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. Los valores del diccionario pueden ser objetos vacíos ({}) en las solicitudes.	UserAssignedIdentities

MedianStoppingPolicy

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'MedianStopping' (obligatorio)

MLAssistConfiguration

Nombre	Descripción	Importancia
Asistencia de ML	Establezca en "Disabled" para el tipo MLAssistConfigurationDisabled. Establezca en "Enabled" para el tipo MLAssistConfigurationEnabled.	'Deshabilitado' 'Habilitado' (obligatorio)

MLAssistConfigurationDisabled

Nombre	Descripción	Importancia
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Disabled' (obligatorio)

MLAssistConfigurationEnabled

Nombre	Descripción	Importancia
inferencingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en la inferencia.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Asistencia de ML	[Obligatorio] Indica si la característica MLAssist está habilitada.	'Habilitado' (obligatorio)
trainingComputeBinding	[Obligatorio] Enlace de proceso de AML usado en el entrenamiento.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLFlowModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	"mlflow_model" (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

MLTableJobInput

Nombre	Descripción	Importancia
descripción	Descripción de la entrada.	cuerda / cadena
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MLTableJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'mltable' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

ModelPerformanceMetricThresholdBase

Nombre	Descripción	Importancia
modelType	Establezca en "Classification" para el tipo ClassificationModelPerformanceMetricThreshold. Establezca en "Regresión" para el tipo RegressionModelPerformanceMetricThreshold.	'Clasificación' 'Regresión' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

ModelPerformanceSignal

Nombre	Descripción	Importancia
dataSegment	Segmento de datos.	MonitoringDataSegment
metricThreshold	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	ModelPerformanceMetricThresholdBase (obligatorio)
productionData	[Obligatorio] Los datos generados por el servicio de producción para los que se calculará el rendimiento.	MonitoringInputDataBase[] (obligatorio)
referenceData	[Obligatorio] Los datos de referencia utilizados como base para calcular el rendimiento del modelo.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ModelPerformance' (obligatorio)

MonitorComputeConfigurationBase

Nombre	Descripción	Importancia
computeType	Establezca en "ServerlessSpark" para el tipo MonitorServerlessSparkCompute.	'ServerlessSpark' (obligatorio)

MonitorComputeIdentityBase

Nombre	Descripción	Importancia
computeIdentityType	Establezca en "AmlToken" para el tipo AmlTokenComputeIdentity. Establezca en "ManagedIdentity" para el tipo ManagedComputeIdentity.	'AmlToken' 'ManagedIdentity' (obligatorio)

MonitorDefinition

Nombre	Descripción	Importancia
alertNotificationSettings	Configuración de notificación del monitor.	MonitorNotificationSettings
computeConfiguration	[Obligatorio] Identificador de recurso de ARM del recurso de proceso en el que ejecutar el trabajo de supervisión.	MonitorComputeConfigurationBase (obligatorio)
monitoringTarget	El identificador de recurso de ARM del modelo o la implementación de destino de este monitor.	MonitoringTarget (Objetivo de monitoreo)
señales	[Obligatorio] Señales que se van a supervisar.	MonitorDefinitionSignals (obligatorio)

MonitorDefinitionSignals

Nombre	Descripción	Importancia

MonitorEmailNotificationSettings

Nombre	Descripción	Importancia
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total.	cadena[]

MonitoringDataSegment

Nombre	Descripción	Importancia
característica	Característica en la que se segmentarán los datos.	cuerda / cadena
valores	Filtra solo los valores especificados de la característica segmentada especificada.	cadena[]

MonitoringFeatureFilterBase

Nombre	Descripción	Importancia
filterType	Establezca en "AllFeatures" para el tipo AllFeatures. Establezca en "FeatureSubset" para el tipo FeatureSubset. Establezca en "TopNByAttribution" para el tipo TopNFeaturesByAttribution.	'Todas las características' 'Subconjunto de características' 'TopNByAttribution' (obligatorio)

MonitoringInputDataBase

Nombre	Descripción	Importancia
columnas	Asignación de nombres de columna a usos especiales.	MonitoringInputDataBaseColumns
dataContext	Metadatos de contexto del origen de datos.	cuerda / cadena
inputDataType	Establezca en "Fixed" para el tipo FixedInputData. Establezca en "Rolling" para el tipo RollingInputData. Establezca en "Static" para el tipo StaticInputData.	'Arreglado' 'Rodar' 'Static' (obligatorio)
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	"custom_model" 'Literal' "mlflow_model" 'MLTABLE' "triton_model" "uri_file" 'uri_folder' (obligatorio)
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MonitoringInputDataBaseColumns

Nombre	Descripción	Importancia

MonitoringSignalBase

Nombre	Descripción	Importancia
notificationTypes	Modo de notificación actual para esta señal.	Matriz de cadenas que contiene cualquiera de: 'AmlNotification' "AzureMonitor"
Propiedades	Diccionario de propiedades. Se pueden agregar propiedades, pero no se pueden quitar ni modificar.	MonitoringSignalBaseProperties
tipo de señal	Establezca en "Custom" para el tipo CustomMonitoringSignal. Establezca en "DataDrift" para el tipo DataDriftMonitoringSignal. Establezca en "DataQuality" para el tipo DataQualityMonitoringSignal. Establezca en "FeatureAttributionDrift" para el tipo FeatureAttributionDriftMonitoringSignal. Establezca en "GenerationSafetyQuality" para el tipo GenerationSafetyQualityMonitoringSignal. Establezca en "GenerationTokenStatistics" para el tipo GenerationTokenUsageSignal. Establezca en "ModelPerformance" para el tipo ModelPerformanceSignal. Establezca en "PredictionDrift" para el tipo PredictionDriftMonitoringSignal.	'Personalizado' 'Deriva de datos' 'Calidad de los datos' 'FeatureAttributionDrift' 'GeneraciónSeguridadCalidad' 'GenerationTokenStatistics' (Estadísticas de GenerationToken) 'ModelPerformance' 'PredictionDrift' (obligatorio)

MonitoringSignalBaseProperties

Nombre	Descripción	Importancia

MonitoringTarget (Objetivo de monitoreo)

Nombre	Descripción	Importancia
deploymentId	El identificador de recurso de ARM de cualquiera de las implementaciones dirigidas por este monitor.	cuerda / cadena
modelId	El identificador de recurso de ARM de cualquiera de los modelos de destino de este monitor.	cuerda / cadena
tipo de tarea	[Obligatorio] Tipo de tarea de aprendizaje automático del modelo.	'Clasificación' 'PreguntaRespuesta' 'Regresión' (obligatorio)

Umbral de supervisión

Nombre	Descripción	Importancia
valor	Valor de umbral. Si es null, el valor predeterminado del conjunto depende del tipo de métrica.	Int

MonitoringWorkspaceConnection

Nombre	Descripción	Importancia
variables de entorno	Las propiedades de una conexión de servicio del área de trabajo para almacenarlas como variables de entorno en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave de variable de entorno.	MonitoringWorkspaceConnectionEnvironmentVariables
secretos	Las propiedades de una conexión de servicio del área de trabajo para almacenar como secretos en los trabajos enviados. La clave es la ruta de acceso de la propiedad de conexión del área de trabajo, el nombre es clave secreta.	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

Nombre	Descripción	Importancia

MonitoringWorkspaceConnectionSecrets

Nombre	Descripción	Importancia

MonitorNotificationSettings

Nombre	Descripción	Importancia
emailNotificationSettings	Configuración del correo electrónico de notificación de AML.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

Nombre	Descripción	Importancia
computeIdentity	[Obligatorio] El esquema de identidad que aprovechan los trabajos de Spark que se ejecutan en Spark sin servidor.	MonitorComputeIdentityBase (obligatorio)
computeType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'ServerlessSpark' (obligatorio)
instanceType	[Obligatorio] Tipo de instancia que ejecuta el trabajo de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
runtimeVersion	[Obligatorio] La versión del entorno de ejecución de Spark.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

MPI

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Mpi' (obligatorio)
processCountPerInstance	Número de procesos por nodo MPI.	Int

NCrossValidaciones

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoNCrossValidations. Establezca en "Custom" para el tipo CustomNCrossValidations.	'Auto' 'Custom' (obligatorio)

NlpFixedParameters

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	Int
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	'Constante' 'ConstantWithWarmup' 'Coseno' 'CosineWithRestarts' 'Lineal' 'Ninguno' 'Polinomial'
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	Int
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	Int
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	Int
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	Int
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	Int

NlpParameterSubspace

Nombre	Descripción	Importancia
gradientAccumulationSteps	Número de pasos para acumular degradados antes de ejecutar un paso hacia atrás.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
learningRateScheduler	Tipo de programación de velocidad de aprendizaje que se va a usar durante el procedimiento de entrenamiento.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
numberOfEpochs	Número de épocas de entrenamiento.	cuerda / cadena
trainingBatchSize	Tamaño del lote para el procedimiento de entrenamiento.	cuerda / cadena
validationBatchSize	Tamaño del lote que se va a usar durante la evaluación.	cuerda / cadena
warmupRatio	La relación de preparación, usada junto con LrSchedulerType.	cuerda / cadena
pesoDecaimiento	La disminución del peso para el procedimiento de entrenamiento.	cuerda / cadena

NlpSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

NlpVerticalFeaturizationSettings

Nombre	Descripción	Importancia
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena

NlpVerticalLimitSettings

Nombre	Descripción	Importancia
maxConcurrentTrials	Iteraciones de AutoML simultáneas máximas.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones de AutoML.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera para pruebas individuales de HD.	cuerda / cadena

Nodos

Nombre	Descripción	Importancia
nodesValueType	Establezca en "All" para el tipo AllNodes.	'All' (obligatorio)

NotificationSetting

Nombre	Descripción	Importancia
emailOn	Enviar notificación por correo electrónico al usuario en el tipo de notificación especificado	Matriz de cadenas que contiene cualquiera de: 'Trabajo cancelado' 'Trabajo completado' 'JobFailed'
correos electrónicos	Esta es la lista de destinatarios de correo electrónico que tiene una limitación de 499 caracteres en total concat con separador de comas.	cadena[]
Webhooks	Enviar devolución de llamada de webhook a un servicio. La clave es un nombre proporcionado por el usuario para el webhook.	NotificationSettingWebhooks

NotificationSettingWebhooks

Nombre	Descripción	Importancia

NumericDataDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase de datos numérica que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

NumericDataQualityMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica numérica de calidad de datos que se va a calcular.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (obligatorio)

NumericPredictionDriftMetricThreshold

Nombre	Descripción	Importancia
Tipo de dato	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Numeric' (obligatorio)
medida	[Obligatorio] Métrica de desfase numérica de predicción que se va a calcular.	'ShannonDistance' "NormalizedWassersteinDistance" 'Índice de Estabilidad de la Población' 'TwoSampleKolmogorovSmirnovTest' (obligatorio)

Objetivo

Nombre	Descripción	Importancia
Gol	[Obligatorio] Define los objetivos de métrica admitidos para el ajuste de hiperparámetros	'Maximizar' 'Minimizar' (obligatorio)
primaryMetric	[Obligatorio] Nombre de la métrica que se va a optimizar.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

PipelineJob

Nombre	Descripción	Importancia
Entradas	Entradas para el trabajo de canalización.	PipelineJobInputs
Trabajos	Los trabajos construyen el trabajo de canalización.	PipelineJobJobs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Canalización' (obligatorio)
Salidas	Salidas para el trabajo de canalización	PipelineJobOutputs
configuración	Configuración de canalización, para cosas como ContinueRunOnStepFailure, etc.	cualquier
sourceJobId	Identificador de recurso de ARM del trabajo de origen.	cuerda / cadena

PipelineJobInputs

Nombre	Descripción	Importancia

PipelineJobJobs

Nombre	Descripción	Importancia

PipelineJobOutputs

Nombre	Descripción	Importancia

PredictionDriftMetricThresholdBase

Nombre	Descripción	Importancia
Tipo de dato	Establezca en "Categorical" para el tipo CategoricalPredictionDriftMetricThreshold. Establezca en "Numeric" para el tipo NumericPredictionDriftMetricThreshold.	'Categórico' 'Numeric' (obligatorio)
umbral	Valor de umbral. Si es null, se establecerá un valor predeterminado en función de la métrica seleccionada.	Umbral de supervisión

PredictionDriftMonitoringSignal

Nombre	Descripción	Importancia
featureDataTypeOverride	Diccionario que asigna nombres de características a sus respectivos tipos de datos.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[Obligatorio] Lista de métricas que se van a calcular y sus umbrales asociados.	PredictionDriftMetricThresholdBase[] (obligatorio)
productionData	[Obligatorio] Datos para los que se calculará el desfase.	MonitoringInputDataBase (obligatorio)
referenceData	[Obligatorio] Datos con los que se va a calcular el desfase.	MonitoringInputDataBase (obligatorio)
tipo de señal	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'PredictionDrift' (obligatorio)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

Nombre	Descripción	Importancia

PyTorch

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'PyTorch' (obligatorio)
processCountPerInstance	Número de procesos por nodo.	Int

QueueSettings (Configuración de cola)

Nombre	Descripción	Importancia
jobTier	Controla el nivel de trabajo de proceso	"Básico" 'Nulo' 'Premium' 'Mancha' 'Estándar'
prioridad	Controla la prioridad del trabajo en un proceso.	Int

RandomSamplingAlgorithm

Nombre	Descripción	Importancia
Base de datos	Número positivo opcional o e en formato de cadena que se va a usar como base para el muestreo aleatorio basado en registros	cuerda / cadena
regla	Tipo específico de algoritmo aleatorio	'Aleatorio' 'Sobol'
samplingAlgorithmType	[Obligatorio] Algoritmo que se usa para generar valores de hiperparámetros, junto con las propiedades de configuración.	'Random' (obligatorio)
semilla	Entero opcional que se va a usar como inicialización para la generación de números aleatorios	Int

Raya

Nombre	Descripción	Importancia
dirección	Dirección del nodo principal de Ray.	cuerda / cadena
dashboardPort	Puerto al que se va a enlazar el servidor del panel.	Int
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'Ray' (obligatorio)
headNodeAdditionalArgs	Argumentos adicionales pasados al inicio del rayo en el nodo principal.	cuerda / cadena
includeDashboard	Proporcione este argumento para iniciar la GUI del panel de Ray.	booleano
puerto	Puerto del proceso del rayo de cabeza.	Int
workerNodeAdditionalArgs	Argumentos adicionales pasados a ray start en el nodo de trabajo.	cuerda / cadena

RecurrenceSchedule

Nombre	Descripción	Importancia
horas	[Obligatorio] Lista de horas para la programación.	int[] (obligatorio)
acta	[Obligatorio] Lista de minutos para la programación.	int[] (obligatorio)
monthDays	Lista de días del mes para la programación	int[]
días entre semana	Lista de días para la programación.	Matriz de cadenas que contiene cualquiera de: 'Viernes' "Lunes" 'Sábado' 'Domingo' 'Jueves' "Martes" 'Miércoles'

RecurrenceTrigger

Nombre	Descripción	Importancia
frecuencia	[Obligatorio] Frecuencia de desencadenamiento de la programación.	'Día' 'Hora' 'Minuto' 'Mes' 'Semana' (obligatorio)
intervalo	[Obligatorio] Especifica el intervalo de programación junto con la frecuencia.	int (obligatorio)
horario	Programación de periodicidad.	RecurrenceSchedule
triggerType	[Obligatorio]	'Periodicidad' (obligatorio)

Regresión

Nombre	Descripción	Importancia
cvSplitColumnNames	Columnas que se van a usar para datos CVSplit.	cadena[]
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	TableVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	TableFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	TableVerticalLimitSettings
nCrossValidations	Número de plegamientos de validación cruzada que se van a aplicar en el conjunto de datos de entrenamiento cuando no se proporciona el conjunto de datos de validación.	NCrossValidaciones
primaryMetric	Métrica principal para la tarea de regresión.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Puntuación' 'Correlación de lanceros'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	TableParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	TableSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'Regresión' (obligatorio)
testData	Prueba de la entrada de datos.	MLTableJobInput
testDataSize	Fracción del conjunto de datos de prueba que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
trainingSettings	Entradas para la fase de entrenamiento de un trabajo de AutoML.	RegressionTrainingSettings
validaciónde datos	Entradas de datos de validación.	MLTableJobInput
validationDataSize	La fracción del conjunto de datos de entrenamiento que debe reservarse para fines de validación. Valores entre (0,0 , 1,0) Se aplica cuando no se proporciona el conjunto de datos de validación.	Int
weightColumnName	Nombre de la columna de peso de ejemplo. Ml automatizado admite una columna ponderada como entrada, lo que hace que las filas de los datos se ponderan o bajen.	cuerda / cadena

RegressionModelPerformanceMetricThreshold

Nombre	Descripción	Importancia
medida	[Obligatorio] Métrica de rendimiento del modelo de regresión que se va a calcular.	'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (obligatorio)
modelType	[Obligatorio] Especifica el tipo de datos del umbral de métrica.	'Regresión' (obligatorio)

RegressionTrainingSettings

Nombre	Descripción	Importancia
allowedTrainingAlgorithms	Modelos permitidos para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	Modelos bloqueados para la tarea de regresión.	Matriz de cadenas que contiene cualquiera de: 'Árbol de decisiones' "ElasticNet" 'Árboles ExtremosAleatorios' 'Aumento de gradiente' 'KNN' 'LazoLars' 'LightGBM' 'Bosque aleatorio' 'SGD' 'XGBoostRegressor'
enableDnnTraining	Habilite la recomendación de modelos DNN.	booleano
enableModelExplainability	Marca para activar la explicación en el mejor modelo.	booleano
enableOnnxCompatibleModels	Marca para habilitar modelos compatibles con onnx.	booleano
enableStackEnsemble	Habilite la ejecución del conjunto de pila.	booleano
enableVoteEnsemble	Habilite la ejecución del conjunto de votación.	booleano
ensembleModelDownloadTimeout	Durante la generación de modelos VotingEnsemble y StackEnsemble, se descargan varios modelos ajustados de las ejecuciones secundarias anteriores. Configure este parámetro con un valor superior a 300 segundos, si se necesita más tiempo.	cuerda / cadena
stackEnsembleSettings	Configuración del conjunto de pila para la ejecución del conjunto de pila.	StackEnsembleSettings
trainingMode	Modo TrainingMode: establecer en "auto" es el mismo que establecerlo en "no distribuido", pero en el futuro puede dar lugar a la selección de modo mixto o heurística. El valor predeterminado es "auto". Si "Distributed" solo se usa la caracterización distribuida y se eligen los algoritmos distribuidos. Si "NonDistributed" solo se eligen algoritmos no distribuidos.	'Auto' "Distribuido" 'No distribuido'

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseProperties

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceBaseTags

Nombre	Descripción	Importancia

ResourceConfigurationProperties

Nombre	Descripción	Importancia

RollingInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Rolling' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowOffset	[Obligatorio] Desplazamiento de tiempo entre el final de la ventana de datos y el tiempo de ejecución actual del monitor.	string (obligatorio)
tamaño de ventana	[Obligatorio] Tamaño de la ventana de datos final.	string (obligatorio)

Algoritmo de muestreo

Nombre	Descripción	Importancia
samplingAlgorithmType	Establezca en "Bayesian" para el tipo BayesianSamplingAlgorithm. Establézcalo en "Grid" para el tipo GridSamplingAlgorithm. Establezca en "Random" para el tipo RandomSamplingAlgorithm.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

ScheduleActionBase

Nombre	Descripción	Importancia
tipo de acción	Establezca en "CreateJob" para el tipo JobScheduleAction. Establezca en "CreateMonitor" para el tipo CreateMonitorAction. Establezca en "ImportData" para el tipo ImportDataAction. Establezca en "InvokeBatchEndpoint" para el tipo EndpointScheduleAction.	'CrearTrabajo' 'CrearMonitor' 'Importar datos' 'InvokeBatchEndpoint' (obligatorio)

ScheduleProperties (Propiedades de horario)

Nombre	Descripción	Importancia
acción	[Obligatorio] Especifica la acción de la programación.	ScheduleActionBase (obligatorio)
descripción	Texto de descripción del recurso.	cuerda / cadena
Nombre para mostrar	Nombre para mostrar de la programación.	cuerda / cadena
isEnabled	¿Está habilitada la programación?	booleano
Propiedades	Diccionario de propiedades de recurso.	ResourceBaseProperties
Etiquetas	Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar.	resourceBaseTags de
desencadenador	[Obligatorio] Especifica los detalles del desencadenador.	TriggerBase (obligatorio)

Estacionalidad

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoSeasonality. Establezca en "Custom" para el tipo CustomSeasonality.	'Auto' 'Custom' (obligatorio)

SecretConfiguration

Nombre	Descripción	Importancia
Uri	Uri secreto. Uri de ejemplo: https://myvault.vault.azure.net/secrets/mysecretname/secretversion	cuerda / cadena
workspaceSecretName	Nombre del secreto en el almacén de claves del área de trabajo.	cuerda / cadena

SparkJob

Nombre	Descripción	Importancia
archivo	Archivar archivos usados en el trabajo.	cadena[]
args	Argumentos para el trabajo.	cuerda / cadena
codeId	[Obligatorio] Identificador de recurso de ARM del recurso de código.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
Conf	Propiedades configuradas por Spark.	SparkJobConf
entrada	[Obligatorio] Entrada que se va a ejecutar al iniciar el trabajo.	SparkJobEntry (obligatorio)
environmentId	El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda / cadena
variables de entorno	Variables de entorno incluidas en el trabajo.	SparkJobEnvironmentVariables
Archivos	Archivos usados en el trabajo.	cadena[]
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SparkJobInputs
Frascos	Archivos Jar usados en el trabajo.	cadena[]
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Spark' (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SparkJobOutputs
Archivos pyFiles	Archivos de Python usados en el trabajo.	cadena[]
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	SparkResourceConfiguration

SparkJobConf

Nombre	Descripción	Importancia

SparkJobEntry

Nombre	Descripción	Importancia
sparkJobEntryType	Establezca en "SparkJobPythonEntry" para el tipo SparkJobPythonEntry. Establezca en "SparkJobScalaEntry" para el tipo SparkJobScalaEntry.	'SparkJobPythonEntry' 'SparkJobScalaEntry' (obligatorio)

SparkJobEnvironmentVariables

Nombre	Descripción	Importancia

SparkJobInputs

Nombre	Descripción	Importancia

SparkJobOutputs

Nombre	Descripción	Importancia

SparkJobPythonEntry

Nombre	Descripción	Importancia
archivo	[Obligatorio] Ruta de acceso relativa del archivo de Python para el punto de entrada del trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobPythonEntry' (obligatorio)

SparkJobScalaEntry

Nombre	Descripción	Importancia
nombreDeClase	[Obligatorio] Nombre de clase de Scala usado como punto de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
sparkJobEntryType	[Obligatorio] Tipo del punto de entrada del trabajo.	'SparkJobScalaEntry' (obligatorio)

SparkResourceConfiguration

Nombre	Descripción	Importancia
instanceType	Tipo opcional de máquina virtual que se usa como compatible con el destino de proceso.	cuerda / cadena
runtimeVersion	Versión del entorno de ejecución de Spark que se usa para el trabajo.	cuerda / cadena

StackEnsembleSettings

Nombre	Descripción	Importancia
stackMetaLearnerKWargs	Parámetros opcionales para pasar al inicializador del meta-learner.	cualquier
stackMetaLearnerTrainPercentage	Especifica la proporción del conjunto de entrenamiento (al elegir el tipo de entrenamiento y validación de entrenamiento) que se va a reservar para entrenar al meta-learner. El valor predeterminado es 0,2.	Int
stackMetaLearnerType	El meta-learner es un modelo entrenado en la salida de los modelos heterogéneos individuales.	"ElasticNet" "ElasticNetCV" 'LightGBMClassifier' 'LightGBMRegressor' 'Regresión lineal' 'Regresión logística' 'Regresión logísticaCV' 'Ninguno'

StaticInputData

Nombre	Descripción	Importancia
inputDataType	[Obligatorio] Especifica el tipo de señal que se va a supervisar.	'Static' (obligatorio)
preprocessingComponentId	Identificador de recurso de ARM del recurso de componente usado para preprocesar los datos.	cuerda / cadena
windowEnd	[Obligatorio] Fecha de finalización de la ventana de datos.	string (obligatorio)
windowStart	[Obligatorio] Fecha de inicio de la ventana de datos.	string (obligatorio)

SweepJob (Trabajo de barrido)

Nombre	Descripción	Importancia
componentConfiguration	Configuración de componentes para el barrido de componentes	ComponentConfiguration
Terminación anticipada	Las directivas de terminación anticipada permiten cancelar ejecuciones con un rendimiento deficiente antes de que se completen.	EarlyTerminationPolicy
Entradas	Asignación de enlaces de datos de entrada usados en el trabajo.	SweepJobInputs
tipoDeTrabajo	[Obligatorio] Especifica el tipo de trabajo.	'Barrido' (obligatorio)
Límites	Límite de trabajo de barrido.	SweepJobLimits
objetivo	[Obligatorio] Objetivo de optimización.	Objetivo (obligatorio)
Salidas	Asignación de enlaces de datos de salida usados en el trabajo.	SweepJobOutputs
queueSettings (Configuración de la cola)	Configuración de cola para el trabajo	QueueSettings (Configuración de cola)
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration
samplingAlgorithm	[Obligatorio] Algoritmo de muestreo de hiperparámetros	SamplingAlgorithm (obligatorio)
Espacio de búsqueda	[Obligatorio] Diccionario que contiene cada parámetro y su distribución. La clave de diccionario es el nombre del parámetro .	any (obligatorio)
juicio	[Obligatorio] Definición del componente de prueba.	TrialComponent (obligatorio)

SweepJobInputs

Nombre	Descripción	Importancia

SweepJobLimits

Nombre	Descripción	Importancia
jobLimitsType	[Obligatorio] Tipo JobLimit.	'Mando' 'Barrido' (obligatorio)
maxConcurrentTrials	Pruebas simultáneas máximas del trabajo de barrido.	Int
maxTotalTrials	Pruebas totales máximas del trabajo de barrido.	Int
tiempo de expiración	Duración máxima de la ejecución en formato ISO 8601, después del cual se cancelará el trabajo. Solo admite la duración con una precisión tan baja como Segundos.	cuerda / cadena
trialTimeout	Valor de tiempo de espera de prueba del trabajo de barrido.	cuerda / cadena

SweepJobOutputs

Nombre	Descripción	Importancia

TableFixedParameters

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	Int
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	Int
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	Int
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	Int
minDataInLeaf	Número mínimo de datos por hoja.	Int
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	Int
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	Int
numHojas	Especifique el número de hojas.	Int
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	Int
regLambda	Término de regularización L2 en pesos.	Int
Submuestra	Proporción de subsample de la instancia de entrenamiento.	Int
submuestraFreq	Frecuencia de subsample.	Int
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	booleano
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	booleano

TableParameterSubspace

Nombre	Descripción	Importancia
booster	Especifique el tipo de potenciación, por ejemplo, gbdt para XGBoost.	cuerda / cadena
boostingType	Especifique el tipo de potenciación, por ejemplo, gbdt para LightGBM.	cuerda / cadena
growPolicy	Especifique la directiva de crecimiento, que controla la forma en que se agregan nuevos nodos al árbol.	cuerda / cadena
learningRate	Velocidad de aprendizaje para el procedimiento de entrenamiento.	cuerda / cadena
maxBin	Especifique el número máximo de intervalos discretos en las características continuas del cubo .	cuerda / cadena
profundidadMáxima	Especifique la profundidad máxima para limitar explícitamente la profundidad del árbol.	cuerda / cadena
maxHojas	Especifique las hojas máximas para limitar las hojas de árbol explícitamente.	cuerda / cadena
minDataInLeaf	Número mínimo de datos por hoja.	cuerda / cadena
minSplitGain	Reducción mínima de pérdida necesaria para realizar una partición adicional en un nodo hoja del árbol.	cuerda / cadena
nombre del modelo	Nombre del modelo que se va a entrenar.	cuerda / cadena
nEstimadores	Especifique el número de árboles (o redondeos) en un modelo.	cuerda / cadena
numHojas	Especifique el número de hojas.	cuerda / cadena
preprocessorName	Nombre del preprocesador que se va a usar.	cuerda / cadena
regAlpha	Término de regularización L1 en pesos.	cuerda / cadena
regLambda	Término de regularización L2 en pesos.	cuerda / cadena
Submuestra	Proporción de subsample de la instancia de entrenamiento.	cuerda / cadena
submuestraFreq	Frecuencia de subsample	cuerda / cadena
treeMethod	Especifique el método de árbol.	cuerda / cadena
withMean	Si es true, centre antes de escalar los datos con StandardScalar.	cuerda / cadena
withStd	Si es true, escale los datos con Varianza unitaria con StandardScalar.	cuerda / cadena

TableSweepSettings

Nombre	Descripción	Importancia
Terminación anticipada	Tipo de directiva de terminación anticipada para el trabajo de barrido.	EarlyTerminationPolicy
samplingAlgorithm	[Obligatorio] Tipo de algoritmo de muestreo.	'Bayesiano' 'Cuadrícula' 'Random' (obligatorio)

TableVerticalFeaturizationSettings

Nombre	Descripción	Importancia
Transformadores bloqueados	Estos transformadores no se utilizarán en la caracterización.	Matriz de cadenas que contiene cualquiera de: 'CatTargetEncoder' 'Vectorizador de conteo' 'HashOneHotEncoder' 'Codificador de etiquetas' 'Ingenuo' "OneHotEncoder" 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'Incrustación de palabras'
columnNameAndTypes	Diccionario de nombre de columna y su tipo (int, float, string, datetime, etc.).	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	Idioma del conjunto de datos, útil para los datos de texto.	cuerda / cadena
enableDnnFeaturization	Determina si se deben usar los caracterizadores basados en Dnn para la caracterización de datos.	booleano
modo	Modo de caracterización: el usuario puede mantener el modo "Automático" predeterminado y AutoML se encargará de la transformación necesaria de los datos en la fase de caracterización. Si se selecciona "Desactivado", no se realiza ninguna caracterización. Si se selecciona "Personalizado", el usuario puede especificar entradas adicionales para personalizar cómo se realiza la caracterización.	'Auto' 'Personalizado' 'Desactivado'
transformadorParámetros	El usuario puede especificar transformadores adicionales que se usarán junto con las columnas a las que se aplicaría y los parámetros para el constructor del transformador.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

Nombre	Descripción	Importancia

TableVerticalFeaturizationSettingsTransformerParams

Nombre	Descripción	Importancia

TableVerticalLimitSettings

Nombre	Descripción	Importancia
enableEarlyTermination	Habilitar la terminación anticipada, determina si AutoMLJob finalizará pronto si no hay ninguna mejora de puntuación en las últimas 20 iteraciones.	booleano
exitScore	Puntuación de salida para el trabajo de AutoML.	Int
maxConcurrentTrials	Iteraciones simultáneas máximas.	Int
maxCoresPerTrial	Número máximo de núcleos por iteración.	Int
maxNodes	Número máximo de nodos que se van a usar para el experimento.	Int
maxTrials	Número de iteraciones.	Int
sweepConcurrentTrials	Número de ejecuciones de barrido simultáneas que el usuario quiere desencadenar.	Int
sweepTrials	Número de ejecuciones de barrido que el usuario quiere desencadenar.	Int
tiempo de expiración	Tiempo de espera del trabajo de AutoML.	cuerda / cadena
trialTimeout	Tiempo de espera de iteración.	cuerda / cadena

TargetLags

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetLags. Establezca en "Custom" para el tipo CustomTargetLags.	'Auto' 'Custom' (obligatorio)

TargetRollingWindowSize

Nombre	Descripción	Importancia
modo	Establezca en "Auto" para el tipo AutoTargetRollingWindowSize. Establezca en "Custom" para el tipo CustomTargetRollingWindowSize.	'Auto' 'Custom' (obligatorio)

TensorFlow

Nombre	Descripción	Importancia
distributionType	[Obligatorio] Especifica el tipo de marco de distribución.	'TensorFlow' (obligatorio)
parameterServerCount	Número de tareas del servidor de parámetros.	Int
número de trabajadores	Número de trabajadores. Si no se especifica, el valor predeterminado será el recuento de instancias.	Int

TextClassification

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
primaryMetric	Métrica principal para Text-Classification tarea.	'Precisión' "AUCWeighted" 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassification' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextClassificationMultilabel

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextClassificationMultilabel' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TextNer

Nombre	Descripción	Importancia
featurizationSettings	Entradas de caracterización necesarias para el trabajo de AutoML.	NlpVerticalFeaturizationSettings
fixedParameters	Parámetros de modelo y entrenamiento que permanecerán constantes durante el entrenamiento.	NlpFixedParameters
limitSettings	Restricciones de ejecución para AutoMLJob.	NlpVerticalLimitSettings
Espacio de búsqueda	Espacio de búsqueda para muestrear diferentes combinaciones de modelos y sus hiperparámetros.	NlpParameterSubspace[]
sweepSettings	Configuración del barrido de modelos y ajuste de hiperparámetros.	NlpSweepSettings
tipo de tarea	[Obligatorio] Tipo de tarea para AutoMLJob.	'TextNER' (obligatorio)
validaciónde datos	Entradas de datos de validación.	MLTableJobInput

TopNFeaturesByAttribution

Nombre	Descripción	Importancia
filterType	[Obligatorio] Especifica el filtro de características que se va a aprovechar al seleccionar características para calcular las métricas.	'TopNByAttribution' (obligatorio)
Parte superior	Número de características principales que se van a incluir.	Int

TrialComponent

Nombre	Descripción	Importancia
codeId	Identificador de recurso de ARM del recurso de código.	cuerda / cadena
comando	[Obligatorio] Comando que se va a ejecutar al iniciar el trabajo. Eg. "Pitón train.py"	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
distribución	Configuración de distribución del trabajo. Si se establece, debe ser uno de Mpi, Tensorflow, PyTorch o NULL.	DistributionConfiguration
environmentId	[Obligatorio] El identificador de recurso de ARM de la especificación del entorno para el trabajo.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)
variables de entorno	Variables de entorno incluidas en el trabajo.	TrialComponentEnvironmentVariables
recursos	Configuración de recursos de proceso para el trabajo.	JobResourceConfiguration

TrialComponentEnvironmentVariables

Nombre	Descripción	Importancia

Base de disparo

Nombre	Descripción	Importancia
endTime	Especifica la hora de finalización de la programación en ISO 8601, pero sin un desplazamiento UTC. Consulte https://en.wikipedia.org/wiki/ISO_8601. El formato recommented sería "2022-06-01T00:00:01" Si no está presente, la programación se ejecutará indefinidamente.	cuerda / cadena
hora de inicio	Especifica la hora de inicio de la programación en formato ISO 8601, pero sin un desplazamiento UTC.	cuerda / cadena
zona horaria	Especifica la zona horaria en la que se ejecuta la programación. TimeZone debe seguir el formato de zona horaria de Windows. Consulte: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	cuerda / cadena
triggerType	Establezca en "Cron" para el tipo CronTrigger. Establezca en "Recurrence" para el tipo RecurrenceTrigger.	'Cron' 'Periodicidad' (obligatorio)

TritonModelJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

TritonModelJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'triton_model' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

PolíticaDeSelecciónDeTruncamiento

Nombre	Descripción	Importancia
policyType	[Obligatorio] Nombre de la configuración de directiva	'TruncationSelection' (obligatorio)
truncationPercentage	Porcentaje de ejecuciones que se cancelarán en cada intervalo de evaluación.	Int

UriFileJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFileJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_file' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UriFolderJobInput

Nombre	Descripción	Importancia
jobInputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de entrada.	'Directo' 'Descargar' 'EvalúaDescargar' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
Uri	[Obligatorio] URI de recurso de entrada.	cuerda Restricciones: Longitud mínima = 1 Patrón = [a-zA-Z0-9_] (obligatorio)

UriFolderJobOutput

Nombre	Descripción	Importancia
assetName	Nombre del recurso de salida.	cuerda / cadena
assetVersion	Versión del recurso de salida.	cuerda / cadena
autoDeleteSetting	Configuración de eliminación automática del recurso de datos de salida.	AutoDeleteSetting
jobOutputType	[Obligatorio] Especifica el tipo de trabajo.	'uri_folder' (obligatorio)
modo	Modo de entrega de recursos de salida.	'Directo' 'ReadWriteMount' 'Cargar'
Uri	URI del recurso de salida.	cuerda / cadena

UserAssignedIdentities

Nombre	Descripción	Importancia

IdentidadAsignadaPorElUsuario

Nombre	Descripción	Importancia

Identidad de Usuario

Nombre	Descripción	Importancia
tipo de identidad	[Obligatorio] Especifica el tipo de marco de identidad.	'UserIdentity' (obligatorio)

Webhook (webhook)

Nombre	Descripción	Importancia
Tipo de evento	Enviar devolución de llamada en un evento de notificación especificado	cuerda / cadena
webhookType	Establezca en "AzureDevOps" para el tipo AzureDevOpsWebhook.	"AzureDevOps" (obligatorio)