Mengekspor dan menghapus data pengguna dalam produk dari Machine Learning Studio (klasik)

BERLAKU UNTUK:Pembelajaran Mesin Studio (klasik) Azure Pembelajaran Mesin

Penting

Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.

Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.

• Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
• Pelajari Azure Machine Learning

ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.

Anda dapat menghapus atau mengekspor data dalam produk yang disimpan oleh Machine Learning Studio (klasik) dengan menggunakan portal Azure, antarmuka Studio (klasik), PowerShell, dan API REST yang terautentikasi. Artikel ini memberi tahu Anda caranya.

Data telemetri dapat diakses melalui portal Privasi Azure.

Catatan

Untuk informasi tentang menampilkan atau menghapus data pribadi, lihat Permintaan Subjek Data Azure untuk GDPR. Untuk informasi selengkapnya tentang GDPR, lihat bagian GDPR di Microsoft Trust Center dan bagian GDPR dari portal Service Trust.

Catatan

Artikel ini memberikan langkah-langkah tentang cara menghapus data privat dari perangkat atau layanan dan dapat digunakan untuk mendukung kewajiban Anda berdasarkan GDPR. Untuk informasi umum tentang GDPR, lihat bagian GDPR di Pusat Kepercayaan Microsoft dan bagian GDPR di portal Kepercayaan Layanan.

Jenis data pengguna apa yang dikumpulkan Studio (klasik)?

Untuk layanan ini, data pengguna terdiri dari informasi tentang pengguna yang berwenang untuk mengakses ruang kerja dan catatan telemetri interaksi pengguna dengan layanan.

Ada dua jenis data pengguna di Azure Machine Learning Studio (klasik):

• Data akun pribadi: ID akun dan alamat email yang terkait dengan akun.
• Data pelanggan: Data yang Anda unggah untuk dianalisis.

Tipe-tipe akun Studio (klasik) dan bagaimana cara data disimpan

Ada tiga jenis akun di Studio Azure Machine Learning (klasik). Jenis akun yang Anda miliki menentukan bagaimana data Anda disimpan dan bagaimana Anda bisa menghapus atau mengekspornya.

• Ruang kerja tamu adalah akun anonim gratis. Anda mendaftar tanpa memberikan kredensial, seperti alamat email atau kata sandi.
  • Data dibersihkan setelah ruang kerja tamu kedaluwarsa.
  • Pengguna tamu dapat mengekspor data pelanggan melalui paket UI, REST API, atau PowerShell.
• Ruang kerja gratis adalah akun gratis yang bisa Anda masuki dengan kredensial akun Microsoft - alamat email dan kata sandi.
  • Anda dapat mengekspor dan menghapus data pribadi dan pelanggan, yang tunduk pada permintaan hak subjek data (DSR).
  • Anda dapat mengekspor data pelanggan melalui paket UI, REST API, atau PowerShell.
  • Untuk ruang kerja gratis yang tidak menggunakan akun Azure Active Directory, telemetri dapat diekspor menggunakan Portal Privasi.
  • Saat Anda menghapus ruang kerja, Anda menghapus semua data pelanggan pribadi.
• Ruang kerja standar adalah akun berbayar yang Anda akses dengan kredensial untuk masuk.
  • Anda dapat mengekspor dan menghapus data pribadi dan pelanggan, yang tunduk pada permintaan hak subjek data (DSR).
  • Anda dapat mengakses data melalui portal Privasi Azure
  • Anda dapat mengekspor data pelanggan melalui paket UI, REST API, atau PowerShell
  • Anda dapat menghapus data Anda di portal Microsoft Azure.

Menghapus data ruang kerja di Studio (klasik)

Menghapus aset individu

Pengguna dapat menghapus aset di ruang kerja dengan memilihnya, lalu memilih tombol hapus.

Menghapus seluruh ruang kerja

Pengguna juga dapat menghapus seluruh ruang kerja mereka:

• Ruang kerja berbayar: Hapus melalui portal Microsoft Azure.
• Ruang kerja gratis: Gunakan tombol hapus di panel Settings.

Mengekspor data Studio (klasik) dengan PowerShell

Gunakan PowerShell untuk mengekspor semua informasi Anda ke format portabel dari Machine Learning Studio (klasik) menggunakan perintah. Untuk informasinya, lihat artikel modul PowerShell untuk Machine Learning Studio (klasik).

Langkah berikutnya

Untuk dokumentasi tentang layanan web dan penagihan paket komitmen, lihat referensi REST API Machine Learning Studio (klasik).