Entrée et sortie de données
Important
Le support de Machine Learning Studio (classique) prend fin le 31 août 2024. Nous vous recommandons de passer à Azure Machine Learning avant cette date.
À partir du 1er décembre 2021, vous ne pourrez plus créer de nouvelles ressources Machine Learning Studio (classique). Jusqu’au 31 août 2024, vous pouvez continuer à utiliser les ressources Machine Learning Studio (classique) existantes.
- Consultez les informations sur le déplacement des projets de machine learning de ML Studio (classique) à Azure Machine Learning.
- En savoir plus sur Azure Machine Learning.
La documentation ML Studio (classique) est en cours de retrait et ne sera probablement plus mise à jour.
Notes
s’applique à: Machine Learning Studio (classic) uniquement
Des modules par glisser-déposer similaires sont disponibles dans Concepteur Azure Machine Learning.
cet article répertorie les modules que vous pouvez utiliser pour importer et exporter des données et des modèles dans Machine Learning Studio (classic).
En plus d’utiliser des modules, vous pouvez charger et télécharger directement des jeux de données à partir de fichiers locaux sur votre ordinateur ou réseau. pour plus d’informations, consultez Télécharger des données existantes dans une expérience Machine Learning.
voici quelques-unes des sources que vous pouvez utiliser pour importer et exporter des données et des modèles dans Machine Learning Studio (classic) :
- récupérez des données à partir de sources dans le cloud, telles que Azure SQL Database, Azure SQL Data Warehouse, stockage Azure et Azure Cosmos DB. vous pouvez également importer des données qui sont fournies en tant qu’URL web publiques, obtenir des données à partir de Hadoop à l’aide d’une requête Hive, ou interroger un serveur SQL local.
- Chargez une collection d’images à partir du stockage d’objets BLOB Azure à utiliser dans les tâches de classification d’images.
- Extrayez les données des fichiers Zippés que vous avez téléchargés vers Machine Learning. Vous pouvez utiliser les jeux de données dans des expériences.
- créez de petits jeux de données en tapant dans l’interface utilisateur de Machine Learning Studio (classic). Cela peut être pratique pour créer des jeux de données de test de petite taille.
- enregistrez vos résultats ou vos données intermédiaires dans le stockage Table Azure, le stockage Blob, une base de données SQL ou une requête Hive.
- Obtenir un modèle formé à partir d’une URL ou d’un stockage d’objets BLOB, puis l’utiliser dans une expérience.
Notes
les modules de ce groupe déplacent uniquement les données vers ou à partir de Machine Learning Studio (classic). Vous ne pouvez pas utiliser les modules pour filtrer, convertir ou transformer les données pendant le processus d’importation ou d’exportation.
pour plus d’informations sur la façon de transformer et de filtrer vos données dans Machine Learning Studio (classic), consultez Transformation des données.
Ressources
Les articles suivants présentent des scénarios de données courants dans Machine Learning :
Bien démarrer
Apprenez à gérer les données pour Machine Learning dans le Cloud. Les informations contenues dans cet article sont basées sur CRISP-DM, une norme industrielle. L’article fournit des procédures pas à pas de bout en bout qui illustrent l’intégration de Machine Learning avec des solutions de données Cloud telles qu’Azure HDInsight et SQL Database.
Cet article explique comment intégrer vos données dans Azure, puis créer une expérience.
Science des données avancée
découvrez comment installer la bibliothèque cliente Python Machine Learning, puis l’utiliser pour accéder aux métadonnées et travailler avec des jeux de données.
Exemples d'expérimentations
Liste des modules
La catégorie entrée et sortie de données comprend les modules suivants :
- Entrer des données manuellement: vous permet de créer des petits jeux de données en tapant des valeurs.
- exportation de données: écrit un dataset dans des url web ou dans différentes formes de stockage basé sur le cloud dans Azure, telles que des tables, des objets blob ou une base de données de SQL.
- importer des données: charge des données à partir de sources externes sur le web et à partir de différentes formes de stockage basé sur le cloud dans Azure, telles que le stockage de tables, le stockage d’objets Blob, les SQL Database, les SQL Data Warehouse, les Azure Cosmos DB ou une requête Hive. vous pouvez également importer des données à partir d’une base de données SQL Server locale.
- Charger le modèle formé: obtient un modèle formé à partir d’une URL ou d’un stockage d’objets BLOB à utiliser dans une expérience de notation.
- Décompresser les datasets compressés: décompresse un jeu de données qui a été stocké au format compressé, puis ajoute le DataSet à votre espace de travail.