Menjalankan alur Azure Machine Learning di Azure Data Factory dan Synapse Analytics

Azure Data Factory Azure Synapse Analytics

Petunjuk

Untuk aktivitas setara di Data Factory di Microsoft Fabric, lihat aktivitas Azure Machine Learning.

Jalankan alur Azure Machine Learning Anda sebagai langkah dalam alur Azure Data Factory dan Synapse Analytics Anda. Aktivitas Pembelajaran Mesin Execute Pipeline memungkinkan skenario prediksi batch seperti mengidentifikasi kemungkinan default pinjaman, menentukan sentimen, dan menganalisis pola perilaku pelanggan.

Video di bawah ini menampilkan pengenalan dan demonstrasi fitur ini selama enam menit.

Buat aktivitas Menjalankan Pipeline Pembelajaran Mesin dengan UI

Untuk menggunakan aktivitas Eksekusi Pipeline Pembelajaran Mesin dalam alur kerja, selesaikan langkah-langkah berikut:

  1. Cari Pembelajaran Mesin di panel Aktivitas alur, dan seret aktivitas Pembelajaran Mesin Jalankan Alur ke kanvas alur.

  2. Pilih aktivitas Pembelajaran Mesin Jalankan Alur baru pada kanvas jika belum dipilih, dan tab Settings, untuk mengedit detailnya.

    Menampilkan UI untuk aktivitas Eksekusi Pipeline Pembelajaran Mesin.

  3. Pilih yang sudah ada atau buat layanan tertaut Azure Machine Learning baru, dan berikan detail alur dan eksperimen, dan parameter alur atau penetapan jalur data apa pun yang diperlukan untuk alur.

Sintaks

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

Properti jenis

Properti Deskripsi Nilai yang diizinkan Wajib
nama Nama aktivitas di dalam alur String Ya
jenis Jenis aktivitas adalah 'AzureMLExecutePipeline' String Ya
NamaLayananTertaut Layanan Tertaut ke Azure Machine Learning Referensi layanan tertaut Ya
mlPipelineId ID alur Azure Machine Learning yang diterbitkan String (atau ekspresi dengan resultType berupa string) Ya
experimentName Jalankan nama eksperimen riwayat dari eksekusi alur Pembelajaran Mesin String (atau ekspresi dengan resultType berupa string) Tidak
mlPipelineParameters Kunci, Pasangan nilai yang akan diteruskan ke titik akhir alur Azure Machine Learning yang diterbitkan. Kunci harus cocok dengan nama parameter alur yang ditentukan dalam alur Pembelajaran Mesin yang diterbitkan Objek dengan pasangan nilai kunci (atau Ekspresi dengan objek resultType) Tidak
mlParentRunId ID proses eksekusi induk pada alur Azure Machine Learning String (atau ekspresi dengan resultType berupa string) Tidak
dataPathAssignments Kamus yang digunakan untuk mengubah jalur data dalam Azure Machine Learning. Memungkinkan peralihan jalur data Objek dengan pasangan nilai kunci Tidak
lanjutkanJikaLangkahGagal Apakah akan melanjutkan eksekusi langkah lain dalam eksekusi alur Pembelajaran Mesin jika langkah gagal Boolean Tidak

Catatan

Untuk mengisi item dropdown dalam nama dan ID alur Pembelajaran Mesin, pengguna harus memiliki izin untuk mencantumkan alur ML. UI secara langsung memanggil API AzureMLService menggunakan kredensial pengguna yang masuk. Waktu penemuan untuk item dalam dropdown akan jauh lebih lama saat menggunakan Private Endpoint.

Konten terkait

Lihat artikel berikut yang menjelaskan cara mentransformasikan data dengan cara lain:

  • Last updated on