Exporter ou supprimer vos données d’espace de travail Machine Learning

Article
08/11/2023

Dans Azure Machine Learning, vous pouvez exporter ou supprimer les données de votre espace de travail à l’aide du SDK Python ou de l’interface graphique du portail. Cet article décrit ces deux options.

Notes

Pour plus d’informations sur l’affichage ou la suppression des données personnelles, consultez Requêtes DSR (droits de la personne concernée) Azure pour le RGPD. Pour plus d’informations sur le Règlement général sur la protection des données (RGPD), consultez la section relative au RGPD du Centre de gestion de la confidentialité de Microsoft et la section relative au RGPD du Portail d’approbation de services.

Notes

Cet article explique comment supprimer les données personnelles de l’appareil ou du service et il peut être utilisé dans le cadre de vos obligations en vertu du Règlement général sur la protection des données. Pour obtenir des informations générales concernant le Règlement général sur la protection des données (RGPD), consultez la section relative au RGPD du Centre de gestion de la confidentialité de Microsoft et la section relative au RGPD du Portail d’approbation de services.

Contrôler les données de votre espace de travail

Les données du produit stockées par Azure Machine Learning sont disponibles pour l’exportation et la suppression. Vous pouvez exporter et supprimer les données à l’aide d’Azure Machine Learning Studio, de l’interface de ligne de commande (CLI) et du kit de développement logiciel (SDK). En outre, vous pouvez accéder aux données de télémétrie via le portail Azure Privacy.

Dans Azure Machine Learning, les données personnelles se composent d’informations utilisateur dans des documents d’historique des tâches.

Un espace de travail Azure s’appuie sur un groupe de ressources pour contenir les ressources associées à une solution Azure. Lorsque vous créez un espace de travail, vous avez la possibilité d’utiliser un groupe de ressources existant ou d’en créer un nouveau. Consultez cette page pour en savoir plus sur les groupes de ressources Azure.

Supprimer des ressources de haut niveau à l’aide du portail

Quand vous créez un espace de travail, Azure crée plusieurs ressources au sein du groupe de ressources :

L’espace de travail lui-même
Un compte de stockage
Un registre de conteneurs
Une instance Application Insights
Un coffre de clés

Pour supprimer ces ressources, sélectionnez-les dans la liste et choisissez Supprimer :

Important

Si la ressource est configurée pour la suppression réversible, les données ne seront pas vraiment supprimées, sauf si vous choisissez éventuellement de supprimer définitivement la ressource. Pour plus d’informations, consultez les articles suivants :

Une boîte de dialogue de confirmation s’ouvre, dans laquelle vous pouvez confirmer vos choix.

Les documents d’historique des travaux peuvent contenir des informations utilisateur personnelles. Ces documents sont stockés dans le compte de stockage Blob, dans les sous-dossiers /azureml. Vous pouvez télécharger et supprimer ces données à partir du portail.

Exporter et supprimer des ressources Machine Learning à l’aide d’Azure Machine Learning Studio

Azure Machine Learning Studio fournit une vue unifiée de vos ressources Machine Learning, par exemple les notebooks, les jeux de données, les modèles et les travaux. Azure Machine Learning Studio met l’accent sur la conservation d’un enregistrement de vos données et de vos expériences. Vous pouvez supprimer des ressources de calcul et des pipelines, directement dans le navigateur. Pour ces ressources, accédez à la ressource en question et choisissez Supprimer.

Vous pouvez annuler l’inscription des ressources de données et des travaux d’archivage, mais ces opérations ne suppriment pas les données. Pour supprimer entièrement les données, les ressources de données et les données de travail doivent être supprimées au niveau du stockage. La suppression du niveau de stockage se produit dans le portail, comme décrit précédemment. Azure Machine Learning studio peut gérer la suppression individuelle. La suppression d’un travail supprime les données de ce travail.

Azure Machine Learning studio peut gérer les téléchargements d’artefacts d’apprentissage à partir de travaux expérimentaux. Choisissez le travail approprié. Choisissez Sortie + journaux et accédez aux artefacts spécifiques que vous souhaitez télécharger. Choisissez ... et Télécharger, ou sélectionnez Tout télécharger.

Pour télécharger un modèle inscrit, accédez au modèle et choisissez Télécharger.

Exporter et supprimer des ressources à l’aide du kit SDK Python

Vous pouvez télécharger les sorties d’une tâche particulière avec :

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

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

Les ressources Machine Learning suivantes peuvent être supprimées à l’aide du kit SDK Python :

Type	Appel de fonction	Notes
`Workspace`	`delete`	Utilisez `delete-dependent-resources` pour effectuer une suppression en cascade
`Model`	`delete`
`ComputeTarget`	`delete`
`WebService`	`delete`

Étapes suivantes

En savoir plus sur la Gestion d’un espace de travail.