Azure Machine Learning folyamatok végrehajtása a Azure Data Factory és a Synapse Analyticsben

Vonatkozik: Azure Data Factory Azure Synapse Analytics

Tipp.

Data Factory a Microsoft Fabric a Azure Data Factory következő generációja, egyszerűbb architektúrával, beépített AI-vel és új funkciókkal. Ha még nem ismerkedik az adatintegrációval, kezdje a Fabric Data Factoryvel. A meglévő ADF-számítási feladatok frissíthetők Fabric használatával, hogy elérjék az adatkutatás, a valós idejű elemzés és a jelentéskészítés új képességeit.

Futtassa a Azure Machine Learning-folyamatokat a Azure Data Factory és a Synapse Analytics-folyamatok egyik lépéseként. A Gépi Tanulási Pipeline végrehajtása tevékenység lehetővé teszi a csoportos előrejelzési forgatókönyveket, mint például a lehetséges hitel mulasztások azonosítását, a hangulat meghatározását és az ügyfél viselkedési mintáinak elemzését.

Az alábbi videóban a funkció bemutatását és ismertetését tekintheti meg hat percben.

Machine Learning végrehajtási folyamat létrehozása felhasználói felülettel

Ha Machine Learning folyamattevékenységet szeretne végrehajtani egy folyamatban, hajtsa végre a következő lépéseket:

  1. Keressen Machine Learning a folyamattevékenységek panelen, és húzzon egy Machine Learning Folyamat végrehajtása tevékenységet a folyamatvászonra.

  2. Ha még nincs kijelölve, válassza ki az új "Machine Learning Execute Pipeline" tevékenységet a vásznon, majd a Beállítások lapon szerkessze a részleteit.

    Megjeleníti a felhasználói felületet egy gépi tanulásos futtatott folyamat aktivitáshoz.

  3. Válasszon ki egy meglévőt, vagy hozzon létre egy új Azure Machine Learning társított szolgáltatást, és adja meg a folyamat és a kísérlet részleteit, valamint a folyamathoz szükséges összes folyamatparamétert vagy adatelérési utat.

Szintaxis

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Típustulajdonságok

Tulajdonság Leírás Megengedett értékek Szükséges
név A folyamatban lévő tevékenység neve Sztring Igen
típus A tevékenység típusa az "AzureMLExecutePipeline" Sztring Igen
KapcsoltSzolgáltatásNév Azure Machine Learning társított szolgáltatás Társított szolgáltatás referenciája Igen
mlPipelineId A közzétett Azure Machine Learning folyamat azonosítója Karakterlánc (vagy karakterlánc típusú eredménnyel rendelkező kifejezés) Igen
kísérletNeve A Machine Learning folyamatfuttatás előzménykísérletének neve Karakterlánc (vagy karakterlánc típusú eredménnyel rendelkező kifejezés) Nem
mlPipelineParameters Kulcs, érték párok, amelyet a közzétett Azure Machine Learning folyamatvégpontnak kell átadni. A kulcsoknak meg kell egyeznie a közzétett Machine Learning folyamatban definiált folyamatparaméterek nevével Objektum kulcsértékpárokkal (vagy kifejezés resultType objektummal) Nem
mlParentRunId A szülő Azure Machine Learning folyamat futtatási azonosítója Karakterlánc (vagy karakterlánc típusú eredménnyel rendelkező kifejezés) Nem
adatút-hozzárendelések A Azure Machine Learning adatútvonalainak módosításához használt szótár. Lehetővé teszi a datapaths közötti váltást Objektum kulcsértékpárokkal Nem
folytatás lépés sikertelensége esetén A Machine Learning folyamat egyéb lépéseinek végrehajtása, ha egy lépés meghiúsul boolean Nem

Feljegyzés

A Machine Learning folyamat nevének és azonosítójának megjelenítéséhez a legördülő elemekben a felhasználónak engedéllyel kell rendelkeznie az ML-folyamatok listázására. A felhasználói felület közvetlenül a bejelentkezett felhasználó hitelesítő adataival hívja meg az AzureMLService API-kat. A legördülő elemek felderítési ideje sokkal hosszabb lenne a privát végpontok használatakor.

Kapcsolódó tartalom

Tekintse meg az alábbi cikkeket, amelyekből megtudhatja, hogyan alakíthat át adatokat más módokon:

  • Last updated on