Azure Machine Tanulás-folyamatok végrehajtása az Azure Data Factoryben és a Synapse Analyticsben
A következőkre vonatkozik: Azure Data Factory Azure Synapse Analytics
Tipp.
Próbálja ki a Data Factoryt a Microsoft Fabricben, amely egy teljes körű elemzési megoldás a nagyvállalatok számára. A Microsoft Fabric az adattovábbítástól az adatelemzésig, a valós idejű elemzésig, az üzleti intelligenciáig és a jelentéskészítésig mindent lefed. Ismerje meg, hogyan indíthat új próbaverziót ingyenesen!
Az Azure Machine Learning-folyamatokat futtathatja az Azure Data Factory- és a Synapse Analytics-folyamatok lépéseiként. A Machine Learning folyamat-végrehajtási tevékenység olyan kötegelt előrejelzési forgatókönyveket tesz lehetővé, mint a hitel-visszafizetés lehetséges elmulasztása, a hangulat meghatározása és az ügyfelek viselkedési mintáinak elemzése.
Az alábbi videóban a funkció bemutatását és ismertetését tekintheti meg hat percben.
Folyamattevékenység Tanulás gép létrehozása felhasználói felülettel
Ha gépi Tanulás folyamattevékenységet szeretne végrehajtani egy folyamatban, hajtsa végre a következő lépéseket:
Keresse meg a gépi Tanulás a folyamattevékenységek panelen, és húzzon egy gépi Tanulás Folyamat végrehajtása tevékenységet a folyamatvászonra.
Válassza ki az új gép Tanulás Folyamat végrehajtása tevékenységet a vásznon, ha még nincs kijelölve, és a Gépház lapon szerkesztheti a részleteket.
Válasszon ki egy meglévőt, vagy hozzon létre egy új Azure Machine Tanulás társított szolgáltatást, és adja meg a folyamat és a kísérlet részleteit, valamint a folyamathoz szükséges összes folyamatparamétert vagy adatelérési utat.
Syntax
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Típustulajdonságok
Property | Leírás | Megengedett értékek | Szükséges |
---|---|---|---|
név | A folyamat tevékenységének neve | Sztring | Igen |
típus | A tevékenység típusa az "AzureMLExecutePipeline" | Sztring | Igen |
linkedServiceName | Társított szolgáltatás az Azure Machine Tanulás | Társított szolgáltatás referenciája | Igen |
mlPipelineId | A közzétett Azure Machine Tanulás folyamat azonosítója | Sztring (vagy kifejezés a sztring eredménytípusával) | Igen |
experimentName | A Gép Tanulás folyamatfuttatás előzménykísérletének neve | Sztring (vagy kifejezés a sztring eredménytípusával) | Nem |
mlPipelineParameters | Kulcs- és értékpárok, amelyet át kell adni a közzétett Azure Machine Tanulás folyamatvégpontnak. A kulcsoknak meg kell egyeznie a közzétett gépi Tanulás folyamatban definiált folyamatparaméterek nevével | Objektum kulcsértékpárokkal (vagy kifejezés resultType objektummal) | Nem |
mlParentRunId | A szülő Azure Machine Tanulás folyamatfuttatási azonosítója | Sztring (vagy kifejezés a sztring eredménytípusával) | Nem |
dataPathAssignments | Az Azure Machine Learning adatútvonalainak módosításához használt szótár. Lehetővé teszi a datapaths közötti váltást | Objektum kulcsértékpárokkal | Nem |
continueOnStepFailure | A Gép Tanulás folyamat egyéb lépéseinek végrehajtása, ha egy lépés meghiúsul | Logikai | Nem |
Megjegyzés:
A machine Tanulás folyamat nevének és azonosítójának legördülő elemeinek feltöltéséhez a felhasználónak engedéllyel kell rendelkeznie az ML-folyamatok listázásához. A felhasználói felület közvetlenül a bejelentkezett felhasználó hitelesítő adataival hívja meg az AzureMLService API-kat.
Kapcsolódó tartalom
Tekintse meg az alábbi cikkeket, amelyekből megtudhatja, hogyan alakíthat át adatokat más módokon:
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: