Azure Machine Learning Python SDK 릴리스 정보

이 문서에서는 Azure Machine Learning Python SDK 릴리스에 대해 알아봅니다. 전체 SDK 참조 콘텐츠는 Python용 Azure Machine Learning의 기본 SDK 참조 페이지를 방문하세요.

RSS 피드: 다음 URL(https://learn.microsoft.com/api/search/rss?search=%22Azure+machine+learning+release+notes%22&locale=en-us)을 복사하여 피드 판독기에 붙여넣으면 이 페이지가 업데이트될 때 알림을 받을 수 있습니다.

2024-04-29

Python용 Azure Machine Learning SDK v1.56.0

• azureml-core
  • 클래식 리소스 모드를 지원하지 않으므로 새 지역 중국 동부 3에 대해 Application Insights 다시 매핑을 사용하도록 설정합니다. 또한 중국 북부 3의 누락된 업데이트도 수정했습니다.
• azureml-defaults
  • azureml-defaults에서 azureml-inference-server-http 핀을 1.0.0으로 범프했습니다.
• azureml-interpret
  • azureml-interpret 패키지를 interpret-community 0.31로 업데이트했습니다.*
• azureml-responsibleai
  • 일반 환경 및 azureml-responsibleai 패키지를 raiwidgets 및 responsibleai 0.33.0으로 업데이트했습니다.
  • responsibleai 및 fairlearn 종속성 버전 증가

2024-01-29

Python용 Azure Machine Learning SDK v1.55.0

• azureml-core
  • 클래식 리소스 모드를 지원하지 않으므로 새 지역 중국 동부 3에 대해 Application Insights 다시 매핑을 사용하도록 설정합니다. 또한 중국 북부 3의 누락된 업데이트도 수정했습니다.
• azureml-defaults
  • azureml-defaults에서 azureml-inference-server-http 핀을 1.0.0으로 범프했습니다.
• azureml-interpret
  • azureml-interpret 패키지를 interpret-community 0.31로 업데이트했습니다.*
• azureml-responsibleai
  • 일반 환경 및 azureml-responsibleai 패키지를 raiwidgets 및 responsibleai 0.33.0으로 업데이트했습니다.
  • responsibleai 및 fairlearn 종속성 버전 증가

2023-11-13

• azureml-automl-core, azureml-automl-runtime, azureml-contrib-automl-dnn-forecasting, azureml-train-automl-client, azureml-train-automl-runtime, azureml-training-tabular
  • statsmodels, pandas 및 scipy는 버전 1.13, 1.3.5 및 1.10.1로 업그레이드되었습니다. fbprophet 0.7.1은 로컬 환경에서 모델을 로드할 때 예측 도구 1.1.4로 대체되었습니다. 이러한 패키지 버전은 모델이 학습된 버전과 일치해야 합니다.
• azureml-core, azureml-pipeline-core, azureml-pipeline-steps
  • AzureML-Pipeline - Databricks 단계에서 매개 변수에 대한 init_scripts 경고를 추가하여 향후 사용 중단에 대해 경고합니다.
• azureml-interpret
  • azureml-interpret 패키지를 interpret-community 0.30으로 업데이트했습니다.*
• azureml-mlflow
  • feat: 업로드 청크의 크기(바이트)를 제어하기 위해 추가 AZUREML_BLOB_MAX_SINGLE_PUT_SIZE 합니다. 이를 기본값(64*1024*1024 즉, 64MB)에서 낮추면 시간 초과로 인해 쓰기 작업이 실패하는 문제를 해결할 수 있습니다.
  • AzureML 레지스트리에서 모델 업로드 및 다운로드에 대한 지원은 현재 실험적입니다.
  • AML 레지스트리에서 모델을 다운로드하거나 업로드하려는 사용자에 대한 지원 추가

2023-08-21

Azure Machine Learning SDK for Python v1.53.0

• azureml-automl-core
  • AutoML 예측 TCN 모델에서 예측 시점에 알려진 기능/회귀자를 지원합니다.
• azureml-automl-dnn-vision
  • 자동 개체 감지 및 인스턴스 구분을 위해 log_training_metrics 및 log_validation_loss에 대한 플래그를 사용하도록 설정합니다.
• azureml-contrib-automl-dnn-forecasting
  • AutoML 예측 TCN 모델에서 예측 시점에 알려진 기능/회귀자를 지원합니다.
• azureml-core
  • 아랍에미리트 북부를 가리키도록 카타르 중부의 앱 인사이트 위치 교환을 추가합니다.
  • Python 3.7은 2023년 6월 27일에 수명이 종료되었습니다. 따라서 3.7은 2023년 10월부터 azureml-core에서 더 이상 사용되지 않으며 azureml-core는 2024년 2월에 3.7에 대한 지원을 종료합니다.
• azureml-mlflow
  • AzureML URI를 전달할 때 MLflow load_model API를 사용하여 모델을 로드하는 문제를 수정했습니다.
• azureml-pipeline-core
  • 자식 실행을 건너뛰고 PipelineRun.get_pipeline_runs를 사용하여 자식 실행 로드에 실패하면(예: 404) 오류를 기록합니다.
  • PipelineEndpoint.list에는 반환된 목록의 최대 크기를 나타내는 새로운 int 매개 변수 max_results가 도입되었습니다. max_results의 기본값은 100입니다.
• azureml-training-tabular
  • AutoML 예측 TCN 모델에서 예측 시점에 알려진 기능/회귀자를 지원합니다.

2023-06-26

Azure Machine Learning SDK for Python v1.52.0

• azureml-automl-dnn-vision
  • 런타임(레거시) automl 모델의 mlflow 서명이 이진 입력을 허용하도록 변경되었습니다. 이를 통해 일괄 처리 유추가 가능해집니다. 예측 함수는 이전 버전과 호환되므로 사용자는 계속해서 base64 문자열을 입력으로 보낼 수 있습니다. 모델 설명 가능성이 n인 경우 임시 파일 이름과 빈 시각화 및 속성 키를 제거하도록 예측 함수의 출력이 변경되었습니다.
• azureml-contrib-automl-dnn-forecasting
  • 데이터가 단일 시계열로 구성된 경우 분산 TCN 학습 중에 실패를 일으키는 버그를 수정했습니다.
• azureml-interpret
  • 해석 커뮤니티의 최신 버전으로 업데이트하려면 azureml-interpret에서 모양 핀을 제거합니다.
• azureml-responsibleai
  • 공통 환경 및 azureml-responsibleai 패키지를 raiwidgets 및 Responsibleai 0.28.0으로 업데이트했습니다.

2023-05-20

Azure Machine Learning SDK for Python v1.51.0

• azureml-automl-core
  • AutoML 예측 작업은 이제 HTS(계층적 시계열)에 대한 연속 예측 및 분위수 예측에 대한 부분 지원을 지원합니다.
  • 분류(다중 클래스 및 다중 레이블) 시나리오의 경우 고객에게 표가 아닌 데이터 세트 사용을 허용하지 않습니다.
• azureml-automl-dnn-nlp
  • 분류(다중 클래스 및 다중 레이블) 시나리오의 경우 고객에게 표가 아닌 데이터 세트 사용을 허용하지 않습니다.
• azureml-contrib-automl-pipeline-steps
  • AutoML 예측 작업은 이제 HTS(계층적 시계열)에 대한 연속 예측 및 분위수 예측에 대한 부분 지원을 지원합니다.
• azureml-fsspec
  • MLTable 및 FSSpec의 모든 사용자 발생 오류를 azureml-dataprep에서 가져온 사용자 지정 UserErrorException으로 바꿉니다.
• azureml-interpret
  • interpret-community 0.29.*로 azureml-interpret 패키지를 업데이트했습니다.
• azureml-pipeline-core
  • pipeline_endpoint.submit()을 호출할 때 pipeline_version이 적용되지 않는 문제를 수정했습니다.
• azureml-train-automl-client
  • AutoML 예측 작업은 이제 HTS(계층적 시계열)에 대한 연속 예측 및 분위수 예측에 대한 부분 지원을 지원합니다.
• azureml-train-automl-runtime
  • AutoML 예측 작업은 이제 HTS(계층적 시계열)에 대한 연속 예측 및 분위수 예측에 대한 부분 지원을 지원합니다.
• mltable
  • 이제 MLTable 파일을 로드할 때 utf-8과 같은 더 많은 인코딩 변형이 지원됩니다.
  • MLTable 및 FSSpec의 모든 사용자 발생 오류를 azureml-dataprep에서 가져온 사용자 지정 UserErrorException으로 바꿉니다.

2023-04-10

Azure Machine Learning SDK for Python v1.50.0

• azureml-contrib-automl-dnn-forecasting
  • TCN 모델에 대해 지정된 분위수에서의 예측에 대한 지원이 추가되었습니다.
• azureml-responsibleai
  • 공통 환경 및 azureml-responsibleai 패키지를 raiwidgets 및 Responsibleai 0.26.0으로 업데이트했습니다.
• azureml-train-automl-runtime
  • 모델 테스트 시나리오에 대한 MLTable 처리 수정
• azureml-training-tabular
  • Forecast_Quantile 메서드에 분위수를 매개 변수로 추가했습니다.

2023-03-01

Azure Machine Learning SDK v1 패키지에서 Python 3.7에 대한 지원 종료 발표

• 기능 사용 중단
  • SDK v1 패키지에 지원되는 런타임으로 Python 3.7 사용 중단
    • 2023년 12월 4일에 Azure Machine Learning은 공식적으로 SDK v1 패키지에 대한 Python 3.7 지원을 중지하고 지원되는 런타임으로 더 이상 사용되지 않습니다. 자세한 내용은 Python용 Azure SDK 버전 지원 정책 페이지를 참조하세요.
    • 2023년 12월 4일 사용 중단 날짜를 기준으로 Azure Machine Learning SDK v1 패키지는 더 이상 Python 3.7 런타임에 대한 보안 패치 및 기타 업데이트를 받지 않습니다.
    • Azure Machine Learning SDK v1용 현재 Python 3.7 버전은 계속 작동합니다. 그러나 보안 업데이트를 계속 받고 기술 지원을 받을 자격을 다시 기본 위해 Azure Machine Learning은 스크립트 및 종속성을 지원되는 버전의 Python 런타임으로 이동하는 것이 좋습니다.
    • Azure Machine Learning SDK v1 파일의 런타임으로 Python 버전 3.8 이상을 사용하는 것이 좋습니다.
    • 또한 Python 3.7 기반 Azure Machine Learning SDK v1 패키지는 더 이상 기술 지원을 받을 수 없습니다.
    • 문제가 있는 경우 Azure Machine Learning 지원을 사용하여 문의하세요.

2023-13-02

Python용 Azure Machine Learning SDK v1.49.0

• 주요 변경 내용
  • v1.49.0 이상부터 다음 AutoML 알고리즘은 지원되지 않습니다.
    • 회귀: FastLinearRegressor, OnlineGradientDescentRegressor
    • 분류: AveragedPerceptronClassifier.
  • 이러한 알고리즘을 계속 사용하려면 v1.48.0 이하를 사용합니다.
• 버그 수정 및 개선 사항
  • azureml-automl-dnn-nlp
    • 기본값과 사용자가 지정한 값을 모두 기반으로 모델 및 하이퍼 매개 변수 설정에 적용된 최종 값을 표시하는 로그입니다.
  • azureml-contrib-automl-dnn-forecasting
    • TCNForecaster의 비스칼라 메트릭은 이제 마지막 epoch의 값을 반영합니다.
    • 이제 TCN 학습 실험을 실행하는 동안 학습 집합 및 테스트 집합에 대한 예측 수평선 시각적 개체를 사용할 수 있습니다.
    • "TCN 메트릭 계산 실패" 오류로 인해 더 이상 실행이 실패하지 않습니다. "예측 메트릭 계산으로 인해 오류가 발생하여 최악의 점수를 다시 보고"라는 경고 메시지가 계속 기록됩니다. 대신 "잘못된 모델, TCN 학습이 수렴되지 않았습니다."라는 메시지와 함께 inf/nan 유효성 검사 손실이 두 번 이상 연속적으로 발생할 때 예외를 발생시킵니다. 고객은 로드된 모델이 변경 후 추론하는 동안 nan/inf 값을 예측으로 반환할 수 있다는 사실을 알고 있어야 합니다.
  • azureml-core
    • Azure Machine Learning 작업 영역을 만들면 클래식 Application Insights의 사용 중단을 준비하기 위해 Log Analytics 기반 Application Insights를 사용합니다. 클래식 Application Insights 리소스를 사용하려는 사용자는 Azure Machine Learning 작업 영역을 만들 때 가져올 고유한 리소스를 지정할 수 있습니다.
  • azureml-interpret
    • azureml-interpret 패키지를 interpret-community 0.28로 업데이트했습니다.*
  • azureml-mlflow
    • MLflow 2.0에 대한 초기 지원을 사용하여 azureml-mlflow 클라이언트 업데이트
  • azureml-responsibleai
    • azureml-responsibleai 패키지 및 Notebook을 raiwidgets 및 responsibleai v0.24.0으로 업데이트했습니다.
  • azureml-sdk
    • azureml-sdk 및 azureml-train-automl-client는 이제 Python 버전 3.10을 지원합니다.
  • azureml-train-automl-client
    • azureml-sdk 및 azureml-train-automl-client는 이제 Python 버전 3.10을 지원합니다.
  • azureml-train-automl-runtime
    • 학습 전에 누락된 y 정리
    • 비스트리밍 시나리오에 대한 대상 열의 nan 또는 빈 값 정리
    • 이제 학습 실험을 실행하는 동안 테스트 집합에 대한 예측 수평선 시각적 개체를 사용할 수 있습니다.
  • azureml-train-core
    • 하이퍼드라이브 실행에 대한 사용자 지정 실행 ID를 제공하기 위해 고객에게 지원이 추가됨
  • azureml-train-restclients-hyperdrive
    • 하이퍼드라이브 실행에 대한 사용자 지정 실행 ID를 제공하기 위해 고객에게 지원이 추가됨

2022-12-05

Python용 Azure Machine Learning SDK v1.48.0

• 주요 변경 내용

  • Python 3.6 지원은 Azure Machine Learning SDK 패키지에 더 이상 사용되지 않습니다.

• 버그 수정 및 개선 사항

  • azureml-core
    • 작업 영역 만들기의 일부로 만든 스토리지 계정은 이제 기본적으로 Blob 공용 액세스를 사용하지 않도록 설정합니다.
  • azureml-responsibleai
    • azureml-responsibleai 패키지 및 Notebook을 raiwidgets 및 responsibleai 패키지 v0.23.0으로 업데이트했습니다.
    • 모델을 쉽게 저장하고 검색할 수 있도록 azureml-responsibleai 패키지에 모델 직렬 변환기 및 pyfunc 모델 추가
  • azureml-train-automl-runtime
    • ManyModels 매개 변수 및 HierarchicalTimeSeries 매개 변수에 대한 문서 문자열이 추가됨
    • 생성된 코드가 학습/테스트 분할을 올바르게 수행하지 않는 버그가 수정되었습니다.
    • 생성된 코드 학습 작업을 예측하는 데 실패하는 버그가 수정되었습니다.

2022-10-25

Python용 Azure Machine Learning SDK v1.47.0

• azureml-automl-dnn-nlp
  • 새로 도입된 모델 스윕 및 하이퍼 매개 변수 튜닝의 일부로 고정 학습 매개 변수를 고려하기 위한 AutoML NLP의 런타임 변경 내용입니다.
• azureml-mlflow
  • AZUREML_ARTIFACTS_DEFAULT_TIMEOUT을 사용하여 아티팩트 업로드 시간 제한을 제어할 수 있습니다.
• azureml-train-automl-runtime
  • 많은 모델 및 계층적 시계열 학습은 이제 실행을 위해 실험을 제출하기 전에 충돌을 감지하기 위해 시간 제한 매개 변수에 대한 검사를 적용합니다. 이렇게 하면 실험을 제출하기 전에 예외를 발생시켜 실행 중에 실험 실패를 방지할 수 있습니다.
  • 이제 고객은 여러 모델 유추에서 롤링 예측을 사용하는 동안 단계 크기를 제어할 수 있습니다.
  • 분할되지 않은 테이블 형식 데이터를 사용하는 ManyModels 유추는 이제 forecast_quantiles를 지원합니다.

2022-09-26

Python용 Azure Machine Learning SDK v1.46.0

• azureml-automl-dnn-nlp
  • 고객은 더 이상 토큰으로만 구성된 CoNLL에서 줄을 지정할 수 없습니다. 줄은 항상 빈 새 줄이거나, 차례로 정확히 하나의 토큰, 정확히 하나의 공백, 정확히 하나의 레이블이 있는 줄이어야 합니다.
• azureml-contrib-automl-dnn-forecasting
  • 교차 유효성 검사 분할 후 샘플이 1로 감소되지만 sample_size는 계속 분할 전 개수를 가리키므로 batch_size는 경우에 따라 결국 샘플 개수보다 많아집니다. 이 수정에서는 분할 후 sample_size를 초기화합니다.
• azureml-core
  • 유추 고객이 CLI/SDK v1 모델 배포 API를 사용하여 모델을 배포하고 Python 버전이 3.6 이하인 경우에도 사용 중단 경고가 추가되었습니다.
  • 다음과 같이 동작을 변경하는 값 AZUREML_LOG_DEPRECATION_WARNING_ENABLED 은 다음과 같습니다.
    • 기본값 - 고객이 Python 3.6 이하 및 cli/sdk v1을 사용하는 경우 경고를 표시합니다.
    • True - azureml-sdk 패키지에 대한 sdk v1 사용 중단 경고를 표시합니다.
    • False - azureml-sdk 패키지에 대한 sdk v1 사용 중단 경고를 사용하지 않도록 설정합니다.
  • 환경 변수를 설정하여 사용 중단 메시지를 사용하지 않도록 설정하는 명령을 실행합니다.
    • Windows - setx AZUREML_LOG_DEPRECATION_WARNING_ENABLED "False"
    • Linux - export AZUREML_LOG_DEPRECATION_WARNING_ENABLED="False"
• azureml-interpret
  • azureml-interpret 패키지를 interpret-community 0.27.*로 업데이트
• azureml-pipeline-core
  • 일정 기본 표준 시간대를 UTC로 수정합니다.
  • DataTransfer 단계에서 SqlDataReference를 사용하는 경우 잘못된 재사용을 수정합니다.
• azureml-responsibleai
  • azureml-responsibleai 패키지 및 큐레이팅된 이미지를 raiwidgets 및 responsibleai v0.22.0으로 업데이트
• azureml-train-automl-runtime
  • 특정 메트릭이 ui에서 올바르게 렌더링되지 않도록 하는 생성된 스크립트의 버그를 수정했습니다.
  • 이제 많은 모델이 추론에 대한 롤링 예측을 지원합니다.
  • 많은 모델 시나리오에서 상위 N 모델을 반환하도록 지원합니다.

2022-08-29

Python용 Azure Machine Learning SDK v1.45.0

• azureml-automl-runtime
  • Sample_weight 열이 제대로 유효성 검사되지 않은 버그를 수정했습니다.
  • 지원되는 모든 예측 모델의 예측 파이프라인 래퍼에 rolling_forecast() 공용 메서드를 추가했습니다. 이 메서드는 더 이상 사용되지 않는 rolling_evaluation() 메서드를 바꿉니다.
  • CV가 더 적절한 선택이었을 때 AutoML 회귀 작업이 모델 평가를 위해 학습이 유효한 분할로 대체될 수 있는 문제가 수정되었습니다.
• azureml-core
  • 새 클라우드 구성 접미사 "aml_discovery_endpoint"가 추가되었습니다.
  • 공급업체 azure-storage 패키지를 버전 2에서 버전 12로 업데이트했습니다.
• azureml-mlflow
  • 새 클라우드 구성 접미사 "aml_discovery_endpoint"가 추가되었습니다.
• azureml-responsibleai
  • azureml-responsibleai 패키지 및 선별된 이미지를 raiwidgets 및 relatedai 0.21.0으로 업데이트합니다.
• azureml-sdk
  • 이제 azureml-sdk 패키지에서 Python 3.9를 허용합니다.

2022-08-01

Python용 Azure Machine Learning SDK v1.44.0

• azureml-automl-dnn-nlp
  • 가중치 정확도 및 MCC(Matthews 상관 계수)는 더 이상 NLP 다중 레이블 분류에 대한 계산된 메트릭에 표시되는 메트릭이 아닙니다.
• azureml-automl-dnn-vision
  • 잘못된 주석 형식이 제공되면 사용자 오류 발생
• azureml-cli-common
  • v1 CLI 설명 업데이트
• azureml-contrib-automl-dnn-forecasting
  • 유효성 검사 데이터 세트의 시계열 길이가 다를 때 TCNForecaster에 발생하는 "TCN 메트릭을 계산하지 못했습니다." 문제를 해결했습니다.
  • TCNForecaster와 같은 DNN 예측 모델에 대한 자동 시간대 ID 검색이 추가되었습니다.
  • 사용자가 유효성 검사 집합을 제공했을 때 유효성 검사 데이터가 손상될 수 있는 예측 TCN 모델의 버그가 수정되었습니다.
• azureml-core
  • 실행에서 아티팩트 다운로드 시 timeout_seconds 매개 변수 설정 허용
  • 경고 메시지 추가됨 - Azure Machine Learning CLI v1이 2025-09-에 사용 중지됩니다. CLI v2를 채택하는 것이 좋습니다.
  • 예외를 throw하는 비 AmlComputes에 대한 제출이 해결되었습니다.
  • 환경에 대한 Docker 컨텍스트 지원 추가
• azureml-interpret
  • AutoML 패키지에 대한 numpy 버전 높이기
• azureml-pipeline-core
  • 파이프라인을 제출할 때 regenerate_outputs=True가 적용되지 않는 문제를 해결합니다.
• azureml-train-automl-runtime
  • AutoML 패키지에 대한 numpy 버전 높이기
  • 비전 및 nlp에 대한 코드 생성 사용
  • 그레인을 만드는 원래 열은 predictions.csv 일부로 추가됩니다.

2022-07-21

Azure Machine Learning SDK v1 패키지에서 Python 3.6에 대한 지원 종료 발표

• 기능 사용 중단
  • SDK v1 패키지에 지원되는 런타임으로 Python 3.6 지원 중지
    • 2022년 12월 5일에 Azure Machine Learning은 지원되는 런타임으로 Python 3.6을 더 이상 사용하지 않으며, 공식적으로 SDK v1 패키지에 대한 Python 3.6 지원을 종료합니다.
    • 2022년 12월 5일의 사용 중단 날짜부터 Azure Machine Learning은 더 이상 Azure Machine Learning SDK v1 패키지에서 사용하는 Python 3.6 런타임에 보안 패치 및 기타 업데이트를 적용하지 않습니다.
    • Python 3.6이 포함된 기존 Azure Machine Learning SDK v1 패키지는 계속해서 실행됩니다. 그러나 Azure Machine Learning은 보안 패치를 계속 수신하고 기술 지원을 받을 수 기본 있도록 스크립트 및 종속성을 지원되는 Python 런타임 버전으로 마이그레이션하는 것이 좋습니다.
    • Azure Machine Learning SDK v1 패키지의 런타임으로 Python 3.8 버전을 사용하는 것이 좋습니다.
    • 또한 Python 3.6을 사용하는 Azure Machine Learning SDK v1 패키지는 더 이상 기술 지원을 받을 수 없습니다.
    • 질문이 있는 경우 AML 지원을 통해 문의하세요.

2022-06-27

• azureml-automl-dnn-nlp
  • 다중 레이블 예측에서 중복 레이블 열 제거
• azureml-contrib-automl-pipeline-steps
  • 많은 모델은 이제 csv 형식으로도 예측 출력을 생성하는 기능을 제공합니다. - 이제 csv 파일 형식의 경우 많은 모델 예측에 출력 파일에 열 이름이 포함됩니다.
• azureml-core
  • ADAL 인증은 이제 더 이상 사용되지 않으며 모든 인증 클래스는 이제 MSAL 인증을 사용합니다. AzureCliAuthentication 클래스를 사용할 때 MSAL 기반 인증을 활용하려면 azure-cli>=2.30.0을 설치합니다.
  • Environment.build(workspace)일 때 환경 등록을 강제하는 수정 사항이 추가되었습니다. 수정 사항은 환경이 다른 인스턴스에서 복제되거나 상속될 때 질문한 환경 대신 빌드된 최신 환경의 혼란을 해결합니다.
  • 2021년 9월 19일 이전에 만들어진 경우 2022년 5월 31일 이전에 컴퓨팅 인스턴스를 다시 시작하라는 SDK 경고 메시지
• azureml-interpret
  • interpret-community 0.26.*로 azureml-interpret 패키지를 업데이트했습니다.
  • azureml-interpret 패키지에서 채점 설명자로부터 원시 및 엔지니어링된 기능 이름을 가져오는 기능을 추가합니다. 또한 채점 Notebook에 예를 추가하여 채점 설명자로부터 기능 이름을 가져오고 원시 및 엔지니어링된 기능 이름에 대한 설명서를 추가합니다.
• azureml-mlflow
  • azureml-mlflow의 종속성인 azureml-core가 제거되었습니다. - MLflow 프로젝트 및 로컬 배포에는 azureml-core가 필요하며 별도로 설치해야 합니다.
  • MLflow 클라이언트 플러그 인을 통해 엔드포인트 만들기 및 배포하기 위한 지원을 추가합니다.
• azureml-responsibleai
  • azureml-responsibleai 패키지 및 환경 이미지를 최신 relatedai 및 raiwidgets 0.19.0 릴리스로 업데이트했습니다.
• azureml-train-automl-client
  • 이제 OutputDatasetConfig가 MM/HTS 파이프라인 빌더의 입력으로 지원됩니다. 매핑은 다음과 같습니다. 1) OutputTabularDatasetConfig -> 분할되지 않은 표 형식 데이터 세트로 처리됩니다. 2) OutputFileDatasetConfig -> 파일 데이터 세트로 처리됩니다.
• azureml-train-automl-runtime
  • 데이터 세트의 소수 클래스 샘플 수가 요청된 CV 폴드 수 이상이어야 하는 데이터 유효성 검사가 추가되었습니다.
  • 이제 AutoML 예측 작업에 자동 교차 유효성 검사 매개 변수 구성을 사용할 수 있습니다. 이제 사용자는 n_cross_validations 및 cv_step_size에 대해 "auto"를 지정하거나 비워 둘 수 있으며 AutoML은 데이터를 기반으로 해당 구성을 제공합니다. 그러나 현재 이 기능은 TCN이 사용하도록 설정된 경우 지원되지 않습니다.
  • 많은 모델 및 계층적 시계열의 예측 매개 변수는 이제 사전의 개별 매개 변수를 사용하는 대신 개체를 통해 전달할 수 있습니다.
  • Power BI에서 사용할 수 있는 분위수 지원이 있는 예측 모델 엔드포인트를 사용하도록 설정했습니다.
  • AutoML scipy 종속성 상한을 1.5.2에서 1.5.3으로 업데이트했습니다.

2022-04-25

Python용 Azure Machine Learning SDK v1.41.0

호환성이 손상되는 변경 경고

이 호환성이 손상되는 변경은 azureml-inference-server-http의 6월 릴리스에서 제공됩니다. azureml-inference-server-http 6월 릴리스(v0.9.0)에서는 Python 3.6 지원이 삭제됩니다. azureml-defaults 에 azureml-inference-server-http따라 달라지므로 이 변경 내용이 .로 azureml-defaults전파됩니다. 유추를 위해 azureml-defaults를 사용하지 않는 경우 azureml-defaults를 설치하는 대신 azureml-core 또는 다른 Azure Machine Learning SDK 패키지를 직접 사용합니다.

• azureml-automl-dnn-nlp
  • 기본적으로 장거리 텍스트 기능을 켭니다.
• azureml-automl-dnn-vision
  • ObjectAnnotation 클래스 형식을 개체에서 "데이터 개체"로 변경합니다.
• azureml-core
  • 이 릴리스는 고객이 SDK를 사용하여 비밀을 만들 때 keyvault 콘텐츠 형식을 제공할 수 있도록 고객이 사용하는 Keyvault 클래스를 업데이트합니다. 이 릴리스는 또한 고객이 특정 비밀에서 콘텐츠 형식의 값을 검색할 수 있도록 하는 새로운 함수를 포함하도록 SDK를 업데이트합니다.
• azureml-interpret
  • updated azureml-interpret package to interpret-community 0.25.0
• azureml-pipeline-core
  • pipeline_run.wait_for_completion이 show_output=False인 경우 더 이상 실행 세부 정보를 인쇄하지 않습니다.
• azureml-train-automl-runtime
  • azureml-contrib-automl-dnn-forecasting 패키지가 학습 환경에 있는 경우 코드 세대가 실패하는 버그를 수정합니다.
  • AutoML Model Testing에서 레이블 열이 없는 테스트 데이터 세트를 사용할 때 발생하는 오류를 수정합니다.

2022-03-28

Python용 Azure Machine Learning SDK v1.40.0

• azureml-automl-dnn-nlp
  • 장거리 텍스트 기능을 선택 사항으로 만들고 있으며 고객이 명시적으로 옵트인하는 경우에만 kwarg "enable_long_range_text"를 사용합니다.
  • 다중 클래스 분류 시나리오에 대한 데이터 유효성 검사 계층을 추가합니다. 이 계층은 일반적인 유효성 검사에 대해 다중 레이블과 동일한 기본 클래스를 적용하고, 더 많은 작업별 데이터 유효성 검사 검사 대한 파생 클래스를 추가합니다.
• azureml-automl-dnn-vision
  • 클래스 가중치를 계산하는 동안 KeyError를 수정합니다.
• azureml-contrib-reinforcementlearning
  • RL 서비스의 향후 사용 중단에 대한 SDK 경고 메시지
• azureml-core
  • • run.get_details, run.get_all_logs 등을 포함하여 실행 개체에서 로그 가져오기 함수를 호출할 때 새 런타임을 통과한 실행에 대한 로그를 반환합니다.
  • 사용자가 온-프레미스 HDFS 리소스를 가리키는 데이터 저장소를 만들 수 있도록 실험적 메서드 Datastore.register_onpremises_hdfs가 추가되었습니다.
  • help 명령에서 CLI 설명서 업데이트
• azureml-interpret
  • azureml-interpret 패키지의 경우 패키징 업데이트를 통해 셰이프 핀을 제거합니다. CE env 업데이트 후 numba 및 numpy 핀을 제거합니다.
• azureml-mlflow
  • 구성 개체가 제공되지 않은 경우 MLflow 배포 클라이언트 run_local이 실패하는 버그를 수정합니다.
• azureml-pipeline-steps
  • 사용되지 않는 파이프라인 EstimatorStep의 끊어진 링크 제거
• azureml-responsibleai
  • azureml-responsibleai 패키지를 raiwidgets 및 responsibleai 0.17.0 릴리스로 업데이트
• azureml-train-automl-runtime
  • 자동화된 ML에 대한 코드 생성은 이제 ForecastTCN 모델(실험적)을 지원합니다.
  • 이제 코드 만들기를 통해 만든 모델에는 기본적으로 계산된 모든 메트릭이 있습니다(예측 모델의 경우 정규화된 평균 절대 오차, 정규화된 평균 절대 오차, 정규화된 RMSE 및 정규화된 RMSLE 제외). 계산할 메트릭 목록은 get_metrics_names()의 반환 값을 편집하여 변경할 수 있습니다. 이제 코드 만들기를 통해 만들어진 예측 모델에 교차 유효성 검사가 기본적으로 사용됩니다.
• azureml-training-tabular
  • 계산할 메트릭 목록은 get_metrics_names()의 반환 값을 편집하여 변경할 수 있습니다. 이제 코드 만들기를 통해 만들어진 예측 모델에 교차 유효성 검사가 기본적으로 사용됩니다.
  • 10진수 형식 y-test를 부동 소수점으로 변환하면 메트릭 계산이 오류 없이 진행될 수 있습니다.

2022-02-28

Python용 Azure Machine Learning SDK v1.39.0

• azureml-automl-core
  • AutoML 회귀 모델과 통합할 수 있도록 PBI에 표시된 잘못된 양식 수정
  • min-label-class를 추가하면 두 분류 작업(다중 클래스 및 다중 레이블) 모두 확인됩니다. 입력 학습 데이터 세트의 고유한 클래스 수가 2보다 작으면 고객의 실행에 대한 오류가 발생합니다. 클래스가 2개 미만인 상태에서 분류를 실행하는 것은 의미가 없습니다.
• azureml-automl-runtime
  • 10진수 형식 y-test를 부동 소수점으로 변환하면 메트릭 계산이 오류 없이 진행될 수 있습니다.
  • 이제 AutoML학습에서 numpy 버전 1.8을 지원합니다.
• azureml-contrib-automl-dnn-forecasting
  • 교차 유효성 검사 설정이 제공될 때 모든 학습 데이터가 사용되지 않는 TCNForecaster 모델의 버그가 수정되었습니다.
  • 유추 시간 예측을 손상시킨 TCNForecaster 래퍼의 예측 방법입니다. 또한 예측 방법이 학습 유효한 시나리오에서 최신 컨텍스트 데이터를 사용하지 않는 이슈를 해결했습니다.
• azureml-interpret
  • azureml-interpret 패키지의 경우 패키징 업데이트를 통해 셰이프 핀을 제거합니다. CE env 업데이트 후 numba 및 numpy 핀을 제거합니다.
• azureml-responsibleai
  • raiwidgets 및 responsibleai 0.17.0 릴리스에 대한 azureml-responsibleai 패키지
• azureml-synapse
  • 매직 위젯이 사라지는 이슈를 해결합니다.
• azureml-train-automl-runtime
  • Python 3.8을 지원하도록 AutoML 종속성을 업데이트합니다. 이 변경으로 인해 최신 Pandas 인터페이스가 모델에 저장되어 SDK 1.37 이하로 학습된 모델과의 호환성이 손상됩니다.
  • 이제 AutoML 학습에서 numpy 버전 1.19를 지원합니다.
  • automl_setup_model_explanations API의 앙상블 모델에 대한 AutoML 재설정 인덱스 논리 수정
  • AutoML에서 최신 lightgbm 버전 업그레이드 후 스파스 사례에 선형 서로게이트 모델 대신 lightgbm 서로게이트 모델을 사용합니다.
  • 이제 AutoML에서 생성되는 모든 내부 중간 아티팩트가 기본 작업 영역 BLOB 저장소로 전송되는 대신 부모 실행에 투명하게 저장됩니다. 사용자는 부모 실행의 outputs/ 디렉터리에서 AutoML이 생성하는 아티팩트만 볼 수 있어야 합니다.

2022-01-24

Python용 Azure Machine Learning SDK v1.38.0

• azureml-automl-core
  • AutoML의 Tabnet 회귀 변수 및 Tabnet 분류자 지원
  • 부모 실행 출력에 데이터 변환기를 저장합니다. 이 출력을 다시 사용하여 실험 실행 중에 사용된 것과 동일한 주요 데이터 세트를 생성할 수 있습니다.
  • get_primary_metrics API에서 예측 작업에 대한 기본 메트릭을 가져올 수 있습니다.
  • v2 채점 스크립트에서 두 번째 선택적 매개 변수 이름이 GlobalParameters로 변경됨
• azureml-automl-dnn-vision
  • 메트릭 UI에 채점 메트릭이 추가됨
• azureml-automl-runtime
  • NimbusML 모델의 알고리즘 이름이 ML Studio 또는 콘솔 출력에서 빈 문자열로 표시할 수 있는 사례에 대한 버그 수정
• azureml-core
  • azureml.core.webservice.aks.AksWebservice.deploy_configuration에 blobfuse_enabled 매개 변수가 추가되었습니다. 이 매개 변수가 true이면 모델 및 채점 파일이 Blob Storage API 대신 blobfuse로 다운로드됩니다.
• azureml-interpret
  • azureml-interpret가 interpret-community 0.24.0으로 업데이트됨
  • azureml-interpret 업데이트 채점 설명자에서 스파스 TreeExplainer를 사용하여 최신 버전의 lightgbm 지원
  • azureml-interpret가 interpret-community 0.23으로 업데이트되었습니다.*
• azureml-pipeline-core
  • pipelinedata에 메모를 추가했으므로 사용자는 대신 파이프라인 출력 데이터 세트를 사용하는 것이 좋습니다.
• azureml-pipeline-steps
  • ParallelRunConfig에 environment_variables를 추가했으므로 런타임 환경 변수가 이 매개 변수를 통해 전달될 수 있으며 사용자 스크립트가 실행되는 프로세스에서 설정됩니다.
• azureml-train-automl-client
  • AutoML의 Tabnet 회귀 변수 및 Tabnet 분류자 지원
• azureml-train-automl-runtime
  • 부모 실행 출력에 데이터 변환기를 저장합니다. 이 출력을 다시 사용하여 실험 실행 중에 사용된 것과 동일한 주요 데이터 세트를 생성할 수 있습니다.
• azureml-train-core
  • Hyperdrive에서 Bayesian 최적화에 대한 조기 종료 지원 사용
  • 이제 Bayesian 및 GridParameterSampling 개체에서 속성 전달 가능

2021-12-13

Python용 Azure Machine Learning SDK v1.37.0

• 주요 변경 내용

  • azureml-core
    • 버전 1.37.0부터 Azure Machine Learning SDK는 MSAL을 기본 인증 라이브러리로 사용합니다. MSAL은 Azure AD(Azure Active Directory) v2.0 인증 흐름을 사용하여 더 많은 기능을 제공하고 토큰 캐시에 대한 보안을 강화합니다. 자세한 내용은 MSAL(Microsoft 인증 라이브러리) 개요를 참조하세요.
    • AML SDK 종속성을 Python용 Azure Resource Management 클라이언트 라이브러리의 최신 버전(azure-mgmt-resource>=15.0.0,20.0.0<)으로 업데이트하고 track2 SDK를 채택합니다.
    • 1.37.0 버전부터 azure-ml-cli 확장은 최신 버전인 Azure CLI >=2.30.0과 호환되어야 합니다.
    • Azure DevOps와 같이 파이프라인에서 Azure CLI를 사용하는 경우 모든 작업/단계에서 MSAL 기반 Azure CLI용 v2.30.0 이상의 Azure CLI 버전을 사용하고 있는지 확인합니다. Azure CLI 2.30.0은 이전 버전과 호환되지 않으며 호환되지 않는 오류를 사용할 때 오류가 발생합니다. Azure Machine Learning SDK에서 Azure CLI 자격 증명을 사용하려면 Azure CLI를 pip 패키지로 설치해야 합니다.

• 버그 수정 및 개선 사항

  • azureml-core
    • Kubernetes 컴퓨팅에 대한 연결 워크플로에서 인스턴스 유형을 제거했습니다. 이제 인스턴스 유형을 Kubernetes 클러스터에서 직접 설정할 수 있습니다. 자세한 내용은 aka.ms/amlarc/doc를 참조하세요.
  • azureml-interpret
    • azureml-interpret가 interpret-community 0.22로 업데이트되었습니다.*
  • azureml-pipeline-steps
    • AutoMLStep을 사용하여 파이프라인을 제출할 때 실험 “자리 표시자”가 생성될 수 있는 버그를 수정했습니다.
  • azureml-responsibleai
    • azureml-responsibleai 및 컴퓨팅 인스턴스 환경을 responsibleai 및 raiwidgets 0.15.0 릴리스로 업데이트
    • azureml-responsibleai 패키지를 최신 responsibleai 0.14.0으로 업데이트합니다.
  • azureml-tensorboard
    • 이제 Tensorboard(runs, use_display_name=True)를 사용하여 run.id 대신, run.display_name/run.id에 따라 이름을 지정한 폴더에 TensorBoard 로그를 탑재할 수 있습니다.
  • azureml-train-automl-client
    • AutoMLStep을 사용하여 파이프라인을 제출할 때 실험 “자리 표시자”가 생성될 수 있는 버그를 수정했습니다.
    • 미리 보기 상태를 반영하도록 AutoMLConfig test_data 및 test_size 문서를 업데이트합니다.
  • azureml-train-automl-runtime
    • 시계열 조직을 하나의 고유 값으로 전달할 수 있는 새로운 기능을 추가했습니다.
    • 특정 시나리오에서 AutoML 모델은 NaN을 예측할 수 있습니다. 이러한 NaN 예측에 해당하는 행은 테스트 실행에서 메트릭을 계산하기 전에 테스트 데이터 세트 및 예측에서 제거될 예정입니다.

2021-11-08

Python용 Azure Machine Learning SDK v1.36.0

• 버그 수정 및 개선 사항
  • azureml-automl-dnn-vision
    • 일부 오류 메시지에 대한 사소한 오타를 제거했습니다.
  • azureml-contrib-reinforcementlearning
    • 시뮬레이터를 사용하는 보충 학습 실행 제출은 더 이상 지원되지 않습니다.
  • azureml-core
    • 분할된 Premium Blob에 대한 지원이 추가되었습니다.
    • 관리 ID 인증에 대해 비퍼블릭 클라우드를 지정하는 것은 더 이상 지원되지 않습니다.
    • 사용자는 AKS 웹 서비스를 CLI(v2)에서 관리하는 온라인 엔드포인트 및 배포로 마이그레이션할 수 있습니다.
    • 이제 Kubernetes 컴퓨팅 대상의 학습 작업에 대한 인스턴스 유형을 RunConfiguration 속성 run_config.kubernetescompute.instance_type을 통해 설정할 수 있습니다.
  • azureml-defaults
    • gunicorn 및 werkzeug와 같은 중복 종속성을 제거했습니다.
  • azureml-interpret
    • azureml-interpret 패키지를 0.21.* 버전의 interpret-community로 업데이트했습니다.
  • azureml-pipeline-steps
    • 파이프라인에서 ML 학습(분산 학습 포함)을 실행하는 데 CommandStep을 사용하기 위해 MpiStep 사용이 중단되었습니다.
  • azureml-train-automl-rutime
    • AutoML 모델 테스트 예측 출력 형식 문서를 업데이트합니다.
    • Naive, SeasonalNaive, Average 및 SeasonalAverage 예측 모델에 대한 docstring 설명을 추가했습니다.
    • 기능화 요약이 이제 실행에 아티팩트로 저장됩니다(outputs 폴더 아래에서 ‘featurization_summary.json’이라는 파일 확인).
    • Tabnet Learner에 대한 범주 표시기 지원을 사용하도록 설정합니다.
    • 이 매개 변수를 false로 설정하여 사용자가 다운 샘플링 없이 모든 데이터에 대한 설명을 가져올 수 있도록 automl_setup_model_explanations에 downsample 매개 변수를 추가합니다.

2021-10-11

Python용 Azure Machine Learning SDK v1.35.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 이진 메트릭 계산 사용
  • azureml-contrib-fairness
    • 실패한 대시보드 다운로드에 대한 오류 메시지 개선
  • azureml-core
    • 관리 ID 인증에 대해 비퍼블릭 클라우드를 지정할 때 발생하는 버그가 해결되었습니다.
    • 이제 Dataset.File.upload_directory() 및 Dataset.Tabular.register_pandas_dataframe() 실험적 플래그가 제거되었습니다.
    • 이제 TabularDataset 클래스의 partition_by() 메서드에서 실험적 플래그가 제거됩니다.
  • azureml-pipeline-steps
    • 이제 ParallelRunConfig 클래스의 partition_keys 매개 변수에 대한 실험적 플래그가 제거됩니다.
  • azureml-interpret
    • azureml-interpret 패키지가 intepret-community 0.20으로 업데이트되었습니다.*
  • azureml-mlflow
    • 하위 디렉터리를 사용하여 MLflow로 아티팩트 및 이미지를 기록할 수 있게 설정되었습니다.
  • azureml-responsibleai
    • 실패한 대시보드 다운로드에 대한 오류 메시지 개선
  • azureml-train-automl-client
    • 이미지 분류, 개체 감지 및 인스턴스 구분과 같은 Computer Vision 작업에 대한 지원이 추가되었습니다. 자세한 설명서는 Python(v1)을 사용하여 컴퓨터 비전 모델을 학습하도록 AutoML 설정에서 찾을 수 있습니다.
    • 이진 메트릭 계산 사용
  • azureml-train-automl-runtime
    • 모델 테스트 실행에 대한 TCNForecaster 지원을 추가합니다.
    • 모델 테스트 predictions.csv 출력 형식을 업데이트합니다. 이제 출력 열에는 테스트 실행에 전달된 원래 대상 값과 기능이 포함됩니다. 이 항목은 AutoMLConfig에서 test_include_predictions_only=True를 설정하거나 ModelProxy.test()에서 include_predictions_only=True를 설정하여 해제할 수 있습니다. 사용자가 예측만 포함하도록 요청한 경우 출력 형식은 다음과 같습니다(예측은 회귀와 동일함): 분류 => [예측 값] [확률] 회귀 => [예측 값] else(기본값): 분류 => [원래 테스트 데이터 레이블] [예측 값] [확률] [기능] 회귀 => [원래 테스트 데이터 레이블] [예측 값] [기능] [기능] [predicted values] 열 이름 = [label column name] + "_predicted". [probabilities] 열 이름 = [class name] + "_predicted_proba". 테스트 실행에 대한 입력으로 전달된 대상 열이 없으면 [original test data labels]는 출력에 없습니다.

2021-09-07

Python용 Azure Machine Learning SDK v1.34.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 이전에 학습된 예측 파이프라인을 다시 만들기 위한 지원이 추가되었습니다.
    • 예측을 위해 학습 데이터(샘플 내 예측)에 대한 예측을 가져오는 기능을 추가했습니다.
  • azureml-automl-runtime
    • AutoML 분류자 모델의 배포된 끝점에서 예측된 확률을 반환하는 지원을 추가합니다.
    • 사용자가 모든 예측이 정수여야 함을 지정하는 예측 옵션을 추가했습니다.
    • 대상 열 이름이 training_data_label_column_name을 사용하는 로컬 실험의 모델 설명 기능 이름에 데이터 세트 입력으로 포함되지 않도록
    • 제거되었습니다.
    • 이전에 학습된 예측 파이프라인을 다시 만들기 위한 지원이 추가되었습니다.
    • 예측을 위해 학습 데이터(샘플 내 예측)에 대한 예측을 가져오는 기능을 추가했습니다.
  • azureml-core
    • 테이블 형식 데이터 세트에서 스트림 열 유형 설정, 스트림 열 탑재 및 다운로드를 위한 지원이 추가되었습니다.
    • SystemAssigned 또는 UserAssigned ID에 KubernetesCompute를 연결할 수 있도록 하는 새로운 선택적 필드를 Kubernetes.attach_configuration(identity_type=None, identity_ids=None)에 추가했습니다. print(compute_target) 또는 compute_target.serialize()를 호출할 때 새 ID 필드인 identity_type, identity_id, principal_id 및 tenant_id/client_id가 포함됩니다.
  • azureml-dataprep
    • 테이블 형식 데이터 세트에 대한 스트림 열 유형을 설정하기 위한 지원이 추가되었습니다. 테이블 형식 데이터 세트에서 스트림 열을 탑재 및 다운로드하기 위한 지원이 추가되었습니다.
  • azureml-defaults
    • 종속성 azureml-inference-server-http==0.3.1이 azureml-defaults에 추가되었습니다.
  • azureml-mlflow
    • max_results 및 page_token 선택적 매개 변수를 추가하여 list_experiments API의 페이지 매김을 허용합니다. 설명서를 보려면 MLflow 공식 문서를 참조하세요.
  • azureml-sdk
    • azureml-sdk 내에서 사용되지 않는 패키지(azureml-train)의 종속성이 대체되었습니다.
    • azureml-responsibleai를 azureml-sdk extras에 추가
  • azureml-train-automl-client
    • AutoMLConfig에서 test_data 및 test_size 매개 변수를 노출합니다. 이러한 매개 변수는 모델 학습 단계가 완료된 후 자동으로 테스트 실행을 시작하는 데 사용될 수 있습니다. 테스트 실행에서는 최상의 모델을 사용하여 예측을 계산하고 이러한 예측을 바탕으로 메트릭을 생성합니다.

2021-08-24

Azure Machine Learning 실험 사용자 인터페이스

• 실행 삭제
  • 실행 삭제는 사용자가 작업 영역에서 하나 이상의 실행을 삭제할 수 있는 새로운 기능입니다.
  • 이 기능을 통해 사용자는 스토리지 비용을 줄이고 UI에서 직접 실행 및 실험을 정기적으로 삭제하여 스토리지 용량을 관리할 수 있습니다.
• 실행 일괄 취소
  • 실행 일괄 취소는 사용자가 실행 목록에서 취소할 하나 또는 여러 개의 실행을 선택할 수 있게 해 주는 새로운 기능입니다.
  • 이 기능을 통해 사용자는 여러 개의 대기된 실행을 취소하고 클러스터에서 공간을 확보할 수 있습니다.

2021-08-18

Azure Machine Learning 실험 사용자 인터페이스

• 실행 표시 이름
  • 실행 표시 이름은 실행에 할당할 수 있는 편집 가능하고 선택적인 새로운 표시 이름입니다.
  • 이 이름을 통해 실행을 더 효과적으로 추적, 구성 및 검색할 수 있습니다.
  • 실행 표시 이름은 기본적으로 adjective_noun_guid 형식(예: awesome_watch_2i3uns)으로 설정됩니다.
  • 이 기본 이름은 사용자 지정 가능한 이름으로 편집할 수 있습니다. Azure Machine Learning 스튜디오 사용자 인터페이스의 실행 세부 정보 페이지에서 편집할 수 있습니다.

2021-08-02

Python용 Azure Machine Learning SDK v1.33.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • XGBoost 모델 검색에 대한 오류 처리가 향상되었습니다.
    • 예측 및 회귀 작업을 위해 float에서 정수로 예측을 변환할 수 있는 가능성이 추가되었습니다.
    • AutoMLConfig에서 enable_early_stopping 대한 기본값이 True로 업데이트되었습니다.
  • azureml-automl-runtime
    • 예측 및 회귀 작업을 위해 float에서 정수로 예측을 변환할 수 있는 가능성이 추가되었습니다.
    • AutoMLConfig에서 enable_early_stopping 대한 기본값이 True로 업데이트되었습니다.
  • azureml-contrib-automl-pipeline-steps
    • 파이프라인을 통한 예측 작업에 대해 HTS(계층적 시계열)를 사용합니다.
    • 유추에 대한 표 형식 데이터 세트 지원을 추가합니다.
    • 유추 데이터에 대해 사용자 지정 경로를 지정할 수 있습니다.
  • azureml-contrib-reinforcementlearning
    • 일부 속성은 보충 학습 작업에서 azureml.core.environment.DockerSection Ray 작업자가 사용하는 속성과 같이 shm_size 더 이상 사용되지 않습니다. 이제 이 속성을 대신 지정할 수 있습니다 azureml.contrib.train.rl.WorkerConfiguration .
  • azureml-core
    • 설명서의 하이퍼링크 수정 ScriptRunConfig.distributed_job_config
    • 이제 Azure Machine Learning 컴퓨팅 클러스터를 작업 영역의 위치와 다른 위치에 만들 수 있습니다. 이 기능은 할당량 사용만을 위해 작업 영역을 더 만들거나 특정 위치에 컴퓨팅 클러스터를 만들지 않고도, 유휴 용량 할당을 극대화하고 서로 다른 위치에서 할당량 사용을 관리하는 데 유용합니다. 자세한 내용은 Azure Machine Learning 컴퓨팅 클러스터 만들기를 참조 하세요.
    • run 개체의 변경 가능한 이름 필드로 display_name 추가되었습니다.
    • 이제 데이터 세트 from_files는 대량 입력 데이터에 대한 데이터 확장 건너뛰기를 지원합니다.
  • azureml-dataprep
    • 경합 상태 때문에 to_dask_dataframe이 실패하는 버그를 수정했습니다.
    • 이제 데이터 세트 from_files는 대량 입력 데이터에 대한 데이터 확장 건너뛰기를 지원합니다.
  • azureml-defaults
    • azureml-defaults에서 종속성 azureml-model-management-sdk==1.0.1b6.post1을 제거하는 과정에 있습니다.
  • azureml-interpret
    • azureml-interpret를 interpret-community 0.19로 업데이트했습니다.*
  • azureml-pipeline-core
    • 파이프라인을 통한 예측 작업에 대해 HTS(계층적 시계열)를 사용합니다.
  • azureml-train-automl-client
    • 자동 ML에서 캐싱에 BLOB 저장소를 사용하도록 전환합니다.
    • 파이프라인을 통한 예측 작업에 대해 HTS(계층적 시계열)를 사용합니다.
    • XGBoost 모델 검색에 대한 오류 처리가 향상되었습니다.
    • AutoMLConfig에서 enable_early_stopping 대한 기본값이 True로 업데이트되었습니다.
  • azureml-train-automl-runtime
    • 자동 ML에서 캐싱에 BLOB 저장소를 사용하도록 전환합니다.
    • 파이프라인을 통한 예측 작업에 대해 HTS(계층적 시계열)를 사용합니다.
    • AutoMLConfig에서 enable_early_stopping 대한 기본값이 True로 업데이트되었습니다.

2021-07-06

Python용 Azure Machine Learning SDK v1.32.0

• 버그 수정 및 개선 사항
  • azureml-core
    • SDK/CLI에서 진단 작업 영역 상태 표시
  • azureml-defaults
    • azureml-defaults에 종속성 추가 opencensus-ext-azure==1.0.8
  • azureml-pipeline-core
    • 작업 제출을 위한 환경이 기본 환경과 일치하면 미리 작성된 이미지를 사용하도록 AutoMLStep이 업데이트되었습니다.
  • azureml-responsibleai
    • 오류 분석 보고서를 업로드, 다운로드 및 나열하기 위해 추가된 새 오류 분석 클라이언트입니다.
    • responsibleai 패키지가 버전 동기화되었는지 확인 raiwidgets
  • azureml-train-automl-runtime
    • 다양한 기능화 전략에서 동적으로 검색하도록 할당된 시간을 전체 실험 시간 제한의 최대 1/4로 설정합니다.

2021-06-21

Python용 Azure Machine Learning SDK v1.31.0

• 버그 수정 및 개선 사항
  • azureml-core
    • 환경 클래스의 플랫폼 속성에 대한 설명서가 향상되었습니다.
    • 기본 AML 컴퓨팅 노드 축소 시간이 120초에서 1800초로 변경됨
    • 실패한 실행을 해결하기 위해 포털에 표시되는 기본 문제 해결 링크가 업데이트되었습니다. https://aka.ms/azureml-run-troubleshooting
  • azureml-automl-runtime
    • 데이터 정리: [None, "", "nan", np.nan]의 대상 값이 있는 샘플은 기능화 및/또는 모델 학습 전에 삭제됩니다.
  • azureml-interpret
    • 시간 제한을 늘려 ExplanationClient를 사용하는 원격 Azure Machine Learning 실행에서 플러시 작업 큐 오류 방지
  • azureml-pipeline-core
    • synapse 단계에 jar 매개 변수 추가
  • azureml-train-automl-runtime
    • 문서와의 일치 수준을 높이기 위해 높은 카디널리티 가드 레일 수정

2021-06-07

Python용 Azure Machine Learning SDK v1.30.0

• 버그 수정 및 개선 사항
  • azureml-core
    • 0.17.5에서 호환성이 손상되는 변경이 릴리스됨에 따라 종속성 ruamel-yaml을 0.17.5 미만으로 고정합니다.
    • aml_k8s_config 속성이 KubernetesCompute 첨부에 대한 namespace, default_instance_type 및 instance_types 매개 변수로 대체됩니다.
    • 작업 영역 동기화 키가 장기 실행 작업으로 변경되었습니다.
  • azureml-automl-runtime
    • 빅 데이터로 실행이 실패할 수 있는 문제를 해결했습니다 Elements of y_test cannot be NaN.
  • azureml-mlflow
    • 서명이 없는 모델에 대한 MLFlow 배포 플러그 인 버그 수정입니다.
  • azureml-pipeline-steps
    • ParallelRunConfig: process_count_per_node 대한 문서를 업데이트합니다.
  • azureml-train-automl-runtime
    • MM 유추 중 정의된 분위수의 사용자 지정 지원
    • 일괄 처리 유추 중 forecast_quantiles 지원합니다.
  • azureml-contrib-automl-pipeline-steps
    • MM 유추 중 정의된 분위수의 사용자 지정 지원
    • 일괄 처리 유추 중 forecast_quantiles 지원합니다.

2021-05-25

Azure Machine Learning용 CLI(v2) 발표

Azure CLI에 대한 ml 확장은 Azure Machine Learning을 위한 차세대 인터페이스입니다. 이를 통해 모델 수명 주기를 추적하는 동안 데이터 과학 확장을 가속화하는 기능을 사용하여 명령줄에서 모델을 학습하고 배포할 수 있습니다. CLI(v2)를 설치하고 설정합니다.

Python용 Azure Machine Learning SDK v1.29.0

• 버그 수정 및 개선 사항
  • 주요 변경 내용
    • Python 3.5에 대한 지원이 삭제되었습니다.
  • azureml-automl-runtime
    • 시계열 길이가 계절성보다 짧은 경우 STLFeaturizer가 실패하는 버그를 수정했습니다. 이 오류는 IndexError로 표시됩니다. 이 경우에는 STL의 계절 구성 요소가 0으로 구성되어 있지만 이제 오류 없이 사례가 처리됩니다.
  • azureml-contrib-automl-dnn-vision
    • 파일 경로를 사용하여 일괄 처리 유추를 위한 메서드를 추가했습니다.
  • azureml-contrib-gbdt
    • azureml-contrib-gbdt 패키지는 더 이상 사용되지 않으며 향후 업데이트를 받지 못할 수 있으며 배포에서 완전히 제거됩니다.
  • azureml-core
    • Datastore.register_azure_blob_container의 매개 변수 create_if_not_exists에 대한 설명이 수정되었습니다.
    • DatasetConsumptionConfig 클래스에 샘플 코드가 추가되었습니다.
    • run.log()의 스칼라 메트릭 값에 대한 대체 축으로 단계에 대한 지원이 추가되었습니다.
  • azureml-dataprep
    • 허용되는 파티션 크기를 2GB로 _with_partition_size() 제한
  • azureml-interpret
    • azureml-interpret를 최신 interpret-core 패키지 버전으로 업데이트
    • SHAP 0.36.0에서 사용되지 않는 SHAP DenseData에 대한 지원이 중단되었습니다.
    • 사용자가 지정한 데이터 저장소에 업로드할 수 있습니다 ExplanationClient .
  • azureml-mlflow
    • azureml-mlflow를 mlflow-skinny로 이동하여 전체 플러그 인 지원을 유지하면서 종속성 공간을 줄입니다.
  • azureml-pipeline-core
    • PipelineParameter 코드 샘플은 올바른 매개 변수를 사용하도록 참조 문서에서 업데이트됩니다.

2021-05-10

Python용 Azure Machine Learning SDK v1.28.0

• 버그 수정 및 개선 사항
  • azureml-automl-runtime
    • 디자이너와 일치하도록 AutoML 점수 매기기 스크립트 개선
    • 이전 버전의 SDK에서 학습한 경우 Prophet 모델을 통해 예측할 때 "누락된 열" 오류를 throw하는 패치 버그입니다.
    • AutoML SDK의 공용 예측 지원 모델 목록에 ARIMAX 모델을 추가했습니다. 여기서 ARIMAX는 ARIMA 오류와 Box 및 Jenkins에서 개발한 전송 함수 모델의 특수한 경우의 회귀입니다. 두 가지 방법이 어떻게 다른지에 대한 자세한 내용은 ARIMAX 모델 머들(muddle)을 참조 하세요. AutoML에서 자동 생성된 시간 종속 기능(하루 중 시간, 년 중 일 등)을 사용하는 나머지 다변량 모델과 달리 이 모델은 사용자가 제공하는 기능만 사용하며 계수를 쉽게 해석할 수 있습니다.
  • azureml-contrib-dataset
    • 탑재를 사용하는 동안 libfuse를 설치해야 함을 나타내는 문서 설명이 업데이트되었습니다.
  • azureml-core
    • 이제 기본 CPU 큐레이트 이미지는 mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04입니다. 이제 기본 GPU 이미지는 mcr.microsoft.com/azureml/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04입니다.
    • 이제 Run.fail()가 더 이상 사용되지 않으며, Run.tag()를 사용하여 실행을 실패로 표시하거나 Run.cancel()을 사용하여 실행을 취소됨으로 표시합니다.
    • 파일 데이터 세트를 탑재할 때 libfuse를 설치해야 한다는 메모가 포함된 설명서가 업데이트되었습니다.
    • 표 형식 데이터 세트에 실험적 register_dask_dataframe() 지원을 추가합니다.
    • Azure Blob/ADL-S를 입력/출력으로 사용하고 매개 변수 permit_cluster_restart 노출하여 i/o 액세스 구성을 클러스터에 추가해야 할 때 AML이 클러스터를 다시 시작할 수 있는지 여부를 고객이 결정할 수 있도록 DatabricksStep을 지원합니다.
  • azureml-dataset-runtime
    • azureml-dataset-runtime은 이제 pyarrow < 4.0.0 버전을 지원합니다.
  • azureml-mlflow
    • MLFlow 플러그 인을 통해 Azure Machine Learning에 배포하기 위한 지원이 추가되었습니다.
  • azureml-pipeline-steps
    • Azure Blob/ADL-S를 입력/출력으로 사용하고 매개 변수 permit_cluster_restart 노출하여 i/o 액세스 구성을 클러스터에 추가해야 할 때 AML이 클러스터를 다시 시작할 수 있는지 여부를 고객이 결정할 수 있도록 DatabricksStep을 지원합니다.
  • azureml-synapse
    • msi 인증에서 대상 그룹 사용
  • azureml-train-automl-client
    • 컴퓨팅 대상 문서에 대한 변경된 링크가 추가되었습니다.

2021-04-19

Python용 Azure Machine Learning SDK v1.27.0

• 버그 수정 및 개선 사항
  • azureml-core
    • "AZUREML_ARTIFACTS_DEFAULT_TIMEOUT" 환경 변수를 통해 아티팩트를 업로드하기 위해 기본 시간 제한 값을 재정의하는 기능이 추가되었습니다.
    • ScriptRunConfig의 Environment 개체에 있는 Docker 설정이 존중되지 않는 버그를 수정했습니다.
    • 대상에 복사할 때 데이터 세트를 분할할 수 있습니다.
    • 링크 함수를 통해 파이프라인에서 생성된 데이터 세트를 전달할 수 있도록 OutputDatasetConfig에 사용자 지정 모드가 추가되었습니다. 이러한 지원은 PRS에 테이블 형식 분할을 사용하도록 설정하도록 개선되었습니다.
    • azureml-core에 새 KubernetesCompute 컴퓨팅 형식이 추가되었습니다.
  • azureml-pipeline-core
    • OutputDatasetConfig에 사용자 지정 모드를 추가하고 사용자가 링크 함수를 통해 파이프라인에서 생성된 데이터 세트를 전달할 수 있도록 합니다. 파일 경로 대상에 자리 표시자가 지원됩니다. 이러한 기능은 PRS에 테이블 형식 분할을 사용하도록 설정하는 향상된 기능을 지원합니다.
    • azureml-core에 새 KubernetesCompute 컴퓨팅 유형이 추가되었습니다.
  • azureml-pipeline-steps
    • azureml-core에 새 KubernetesCompute 컴퓨팅 유형이 추가되었습니다.
  • azureml-synapse
    • azureml synapse의 위젯에서 spark UI URL 업데이트
  • azureml-train-automl-client
    • 이제 예측 작업의 STL 기능화기는 시계열의 빈도에 따라 보다 강력한 계절성 검색을 사용합니다.
  • azureml-train-core
    • Environment 개체의 Docker 설정이 적용되지 않는 버그가 수정되었습니다.
    • azureml-core에 새 KubernetesCompute 컴퓨팅 유형이 추가되었습니다.

2021-04-05

Python용 Azure Machine Learning SDK v1.26.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • AutoMLStep 실행에서 Naive 모델을 권장하고 지연 또는 롤링 창 기능으로 실패하는 문제를 해결했습니다. 이러한 모델은 대상 지연 또는 대상 롤링 창 크기가 설정된 경우 권장되지 않습니다.
    • AutoML 실행을 제출할 때 콘솔 출력이 실행에 대한 포털 링크를 표시하도록 변경되었습니다.
  • azureml-core
    • 설명서에 HDFS 모드가 추가되었습니다.
    • glob 구조에 따라 파일 데이터 세트 파티션을 이해하도록 지원하는 기능이 추가되었습니다.
    • Azure Machine Learning 작업 영역과 연결된 업데이트 컨테이너 레지스트리에 대한 지원이 추가되었습니다.
    • DockerSection에서 사용되지 않는 환경 특성 - "enabled", "shared_volume" 및 "arguments"는 현재 RunConfiguration에서 DockerConfiguration의 일부입니다.
    • 업데이트된 파이프라인 CLI 복제 설명서
    • 인증을 위해 테넌트가 포함되도록 포털 URI가 업데이트됨
    • 리디렉션을 방지하기 위해 실행 URI에서 실험 이름 제거
    • 실험 ID를 사용하도록 실험 URO가 업데이트되었습니다.
    • Azure Machine Learning CLI를 사용하여 원격 컴퓨팅을 연결하기 위한 버그 수정
    • 인증용 테넌트를 포함하도록 포털 URI가 업데이트되었습니다.
    • 실험 ID를 사용하도록 실험 URI가 업데이트되었습니다.
  • azureml-interpret
    • interpret-community 0.17.0을 사용하도록 업데이트된 azureml-interpret
  • azureml-opendatasets
    • 날짜/시간 유형이 아닌 경우 입력 시작 날짜 및 종료 날짜 형식 유효성 검사 및 오류 표시입니다.
  • azureml-parallel-run
    • [실험적 기능] ParallelRunConfig에 매개 변수를 추가 partition_keys 합니다. 지정된 경우 입력 데이터 세트는 지정된 키에 의해 미니 일괄 처리로 분할됩니다. 모든 입력 데이터 세트를 분할해야 합니다.
  • azureml-pipeline-steps
    • Bugfix - 데이터 세트 구성을 다운로드로 전달하는 동안 path_on_compute 지원합니다.
    • 파이프라인에서 R 스크립트를 실행하기 위해 CommandStep을 사용하기 위해 RScriptStep을 더 이상 사용하지 않습니다.
    • 파이프라인에서 ML 학습(분산 학습 포함)을 실행하기 위해 CommandStep을 사용하기 위해 EstimatorStep을 더 이상 사용하지 않습니다.
  • azureml-sdk
    • azureml-sdk에서 python_requires를 3.9 미만으로 업데이트
  • azureml-train-automl-client
    • AutoML 실행을 제출할 때 콘솔 출력이 실행에 대한 포털 링크를 표시하도록 변경되었습니다.
  • azureml-train-core
    • ScriptRunConfig와 함께 DockerConfiguration을 사용하기 위해 DockerSection의 'enabled', 'shared_volume' 및 'arguments' 특성이 사용되지 않습니다.
    • MNIST 데이터 세트에 Azure Open Datasets 사용
    • Hyperdrive 오류 메시지가 업데이트되었습니다.

2021-03-22

Python용 Azure Machine Learning SDK v1.25.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • AutoML 실행을 제출할 때 콘솔 출력이 실행에 대한 포털 링크를 표시하도록 변경되었습니다.
  • azureml-core
    • SDK 및 CLI에서 작업 영역에 대한 컨테이너 레지스트리 업데이트 지원 시작
    • ScriptRunConfig와 함께 DockerConfiguration을 사용하기 위해 DockerSection의 'enabled', 'shared_volume' 및 'arguments' 특성이 사용되지 않습니다.
    • 업데이트된 파이프라인 CLI 복제 설명서
    • 인증을 위해 테넌트가 포함되도록 포털 URI가 업데이트됨
    • 리디렉션을 방지하기 위해 실행 URI에서 실험 이름 제거
    • 실험 ID를 사용하도록 실험 URO가 업데이트되었습니다.
    • az CLI를 사용하여 원격 컴퓨팅을 연결하기 위한 버그 수정
    • 인증용 테넌트를 포함하도록 포털 URI가 업데이트되었습니다.
    • glob 구조에 따라 파일 데이터 세트 파티션을 이해하도록 지원하는 기능이 추가되었습니다.
  • azureml-interpret
    • interpret-community 0.17.0을 사용하도록 업데이트된 azureml-interpret
  • azureml-opendatasets
    • 날짜/시간 유형이 아닌 경우 입력 시작 날짜 및 종료 날짜 형식 유효성 검사 및 오류 표시입니다.
  • azureml-pipeline-core
    • Bugfix - 데이터 세트 구성을 다운로드로 전달하는 동안 path_on_compute 지원합니다.
  • azureml-pipeline-steps
    • Bugfix - 데이터 세트 구성을 다운로드로 전달하는 동안 path_on_compute 지원합니다.
    • 파이프라인에서 R 스크립트를 실행하기 위해 CommandStep을 사용하기 위해 RScriptStep을 더 이상 사용하지 않습니다.
    • 파이프라인에서 ML 학습(분산 학습 포함)을 실행하기 위해 CommandStep을 사용하기 위해 EstimatorStep을 더 이상 사용하지 않습니다.
  • azureml-train-automl-runtime
    • AutoML 실행을 제출할 때 콘솔 출력이 실행에 대한 포털 링크를 표시하도록 변경되었습니다.
  • azureml-train-core
    • ScriptRunConfig와 함께 DockerConfiguration을 사용하기 위해 DockerSection의 'enabled', 'shared_volume' 및 'arguments' 특성이 사용되지 않습니다.
    • MNIST 데이터 세트에 Azure Open Datasets 사용
    • Hyperdrive 오류 메시지가 업데이트되었습니다.

2021-03-31

Azure Machine Learning 스튜디오 Notebook 환경(3월 업데이트)

• 새로운 기능

  • CSV/TSV를 렌더링합니다. 사용자는 손쉽게 데이터 분석을 위해 그리드 형식으로 TSV/CSV 파일을 렌더링할 수 있습니다.
  • 컴퓨팅 인스턴스에 대한 SSO 인증입니다. 이제 사용자는 Notebook UI에서 직접 새 컴퓨팅 인스턴스를 쉽게 인증할 수 있으므로 Azure Machine Learning에서 직접 Azure SDK를 쉽게 인증하고 사용할 수 있습니다.
  • 컴퓨팅 인스턴스 메트릭. 사용자는 터미널을 통해 CPU 사용량 및 메모리와 같은 컴퓨팅 메트릭을 볼 수 있습니다.
  • 파일 세부 정보입니다. 이제 사용자는 파일 옆에 있는 세 개의 점을 클릭하여 마지막으로 수정한 시간 및 파일 크기를 포함한 파일 세부 정보를 볼 수 있습니다.

• 버그 수정 및 개선 사항

  • 페이지 로드 시간이 향상되었습니다.
  • 성능이 향상됩니다.
  • 향상된 속도 및 커널 안정성.
  • 전자 필기장 파일 창을 영구적으로 이동하여 수직 부동산을 얻습니다.
  • 이제 터미널에서 링크를 클릭할 수 있습니다.
  • Intellisense 성능이 개선되었습니다.

2021-03-08

Python용 Azure Machine Learning SDK v1.24.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 에서 이전 버전과 호환되는 가져오기를 azureml.automl.core.shared제거했습니다. 네임스페이스에서 모듈을 azureml.automl.core.shared 찾을 수 없는 오류는 .에서 azureml.automl.runtime.shared가져와 해결할 수 있습니다.
  • azureml-contrib-automl-dnn-vision
    • 노출된 개체 감지 yolo 모델입니다.
  • azureml-contrib-dataset
    • 열 값으로 테이블 형식 데이터 세트를 필터링하고 메타데이터별로 파일 데이터 세트를 필터링하는 기능이 추가되었습니다.
  • azureml-contrib-fairness
    • azureml-contrib-fairness의 휠에 JSON 스키마 포함
  • azureml-contrib-mir
    • 모델을 배포할 때 show_output을 True로 설정하면 요청을 서버로 보내기 전에 유추 구성 및 배포 구성이 재생됩니다.
  • azureml-core
    • 열 값으로 테이블 형식 데이터 세트를 필터링하고 메타데이터별로 파일 데이터 세트를 필터링하는 기능이 추가되었습니다.
    • 이전에는 사용자가 admin_user_password 필드에 대한 암호 강도 요구 사항을 충족하지 않는 ComputeTarget에 대한 프로비전 구성을 만들 수 있었습니다(즉, \`~!@#$%^&*()=+_[]{}|;:./'",<>? 집합에서 소문자 1개, 대문자 1개, 숫자 1개, 특수 문자 1개 중 3개 이상을 포함해야 함). 사용자가 약한 암호로 구성을 만들고 해당 구성을 사용하여 작업을 실행하면 런타임에 작업이 실패합니다. 이제 암호 강도 요구 사항을 설명하는 오류 메시지와 함께 호출 AmlCompute.provisioning_configuration 이 발생 ComputeTargetException 합니다.
    • 또한 경우에 따라 최대 노드 수가 음수인 구성을 지정할 수도 있었습니다. 더 이상 이 작업을 수행할 수 없습니다. AmlCompute.provisioning_configuration 이제 인수가 ComputeTargetException 음수 max_nodes 정수이면 throw합니다.
    • 모델 배포 시 show_output을 True로 설정하면 유추 구성과 배포 구성이 표시됩니다.
    • 모델 배포가 완료될 때까지 기다릴 때 show_output을 True로 설정하면 배포 작업의 진행률이 표시됩니다.
    • 환경 변수를 통해 고객이 지정한 Azure Machine Learning 인증 구성 디렉터리 허용: AZUREML_AUTH_CONFIG_DIR
    • 이전에는 최소 노드 수가 최대 노드 수보다 적은 프로비저닝 구성을 만들 수 있었습니다. 작업이 실행되지만 런타임에 실패합니다. 이제 이 버그가 수정되었습니다. 이제 SDKComputeTargetException를 사용하여 프로비저닝 구성 min_nodes < max_nodes 을 만들려고 하면 .
  • azureml-interpret
    • 스파스 엔지니어링 설명에 대한 집계 기능 중요도를 표시하지 않는 설명 대시보드 수정
    • azureml-interpret 패키지에서 ExplanationClient의 메모리 사용량 최적화
  • azureml-train-automl-client
    • spark를 사용하여 실행할 때 사용자에게 컨트롤을 반환하도록 show_output=False가 수정되었습니다.

2021-02-28

Azure Machine Learning 스튜디오 Notebook 환경(2월 업데이트)

• 새로운 기능

  • 네이티브 터미널(GA). 이제 사용자는 통합 터미널에 액세스할 수 있으며 통합 터미널을 통해 Git 작업에도 액세스할 수 있습니다.
  • Notebook 코드 조각(미리 보기). 이제 일반적인 Azure Machine Learning 코드 발췌 내용을 손쉽게 사용할 수 있습니다. 도구 모음을 통해 액세스할 수 있는 코드 조각 패널로 이동하거나 Ctrl + Space를 사용하여 코드 내 조각 메뉴를 활성화합니다.
  • 바로 가기 키. Jupyter에서 바로 가기 키를 사용할 수 있는 전체 패리티입니다.
  • 셀 매개 변수를 나타냅니다. Notebook의 셀이 매개 변수 셀이며 컴퓨팅 인스턴스의 Papermill을 통해 매개 변수화된 Notebook을 실행할 수 있는 사용자를 보여 줍니다.
  • 터미널 및 커널 세션 관리자: 사용자는 컴퓨팅에서 실행되는 모든 커널 및 터미널 세션을 관리할 수 있습니다.
  • 공유 단추. 이제 사용자는 Notebook 파일 탐색기에서 파일을 마우스 오른쪽 단추로 클릭하고 공유 단추를 사용하여 모든 파일을 공유할 수 있습니다.

• 버그 수정 및 개선 사항

  • 향상된 페이지 로드 시간
  • 성능 향상
  • 속도 및 커널 안정성 향상
  • 진행 중인 모든 Compute 인스턴스 작업에 대한 진행률을 표시하는 회전 휠이 추가되었습니다.
  • 파일 탐색기에서 마우스 오른쪽 단추를 클릭합니다. 이제 파일을 마우스 오른쪽 단추로 클릭하면 파일 작업이 열립니다.

2021-02-16

Python용 Azure Machine Learning SDK v1.23.0

• 버그 수정 및 개선 사항
  • azureml-core
    • [실험적 기능] Synapse 작업 영역을 연결된 서비스로 AML에 연결하는 지원 추가
    • [실험적 기능] Synapse Spark 풀을 AML에 컴퓨팅으로 연결하는 지원 추가
    • [실험적 기능] ID 기반 데이터 액세스에 대한 지원을 추가합니다. 사용자는 자격 증명을 제공하지 않고 데이터 저장소 또는 데이터 세트를 등록할 수 있습니다. 이러한 경우 사용자의 Azure AD 토큰 또는 컴퓨팅 대상의 관리 ID가 인증에 사용됩니다. 자세한 내용은 ID 기반 데이터 액세스를 사용하여 스토리지에 연결을 참조하세요.
  • azureml-pipeline-steps
    • [실험적 기능] SynapseSparkStep에 대한 지원 추가
  • azureml-synapse
    • [실험적 기능] spark 매직 지원을 추가하여 synapse Spark 풀에서 대화형 세션을 실행합니다.
• 버그 수정 및 개선 사항
  • azureml-automl-runtime
    • 이 업데이트에서는 AutoML SDK의 예측 도구 상자에 홀트 겨울 지수 스무딩을 추가했습니다. 시계열이 제공되면 AICc(정정된 아카이케의 정보 기준)에서 최상의 모델을 선택하고 반환합니다.
    • AutoML은 이제 하나가 아닌 두 개의 로그 파일을 생성합니다. 로그 문은 로그 문이 생성된 프로세스에 따라 하나 또는 다른 문으로 이동합니다.
    • 교차 유효성 검사를 사용하여 모델 학습 중에 불필요한 샘플 내 예측을 제거합니다. 따라서 경우에 따라 특히 시계열 예측 모델의 경우 모델 학습 시간이 감소할 수 있습니다.
  • azureml-contrib-fairness
    • dashboardDictionary 업로드에 대한 JSON 스키마를 추가합니다.
  • azureml-contrib-interpret
    • azureml-contrib-interpret README는 10월 이후 사용되지 않는 후 다음 업데이트에서 해당 패키지가 제거됨을 반영하도록 업데이트되며, 대신 azureml-interpret 패키지를 사용합니다.
  • azureml-core
    • 이전에는 최소 노드 수가 최대 노드 수보다 적은 프로비저닝 구성을 만들 수 있었습니다. 이 문제는 이제 해결되었습니다. 이제 SDKComputeTargetException를 사용하여 프로비저닝 구성 min_nodes < max_nodes 을 만들려고 하면 .
    • AmlCompute에서 wait_for_completion 버그를 수정합니다. 이로 인해 함수는 작업이 실제로 완료되기 전에 제어 흐름을 반환합니다.
    • 이제 Run.fail()가 더 이상 사용되지 않으며, Run.tag()를 사용하여 실행을 실패로 표시하거나 Run.cancel()을 사용하여 실행을 취소됨으로 표시합니다.
    • 제공된 환경 이름이 문자열이 아닌 경우 '환경 이름에 문자열이 필요한데 {}이(가) 발견됨'이라는 오류 메시지가 표시됩니다.
  • azureml-train-automl-client
    • Azure Databricks 클러스터에서 수행된 AutoML 실험이 취소되지 않도록 하는 버그가 수정되었습니다.

2021-02-09

Python용 Azure Machine Learning SDK v1.22.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 비전 모델에 대한 conda yml 파일에 추가 pip 종속성이 추가된 버그가 수정되었습니다.
  • azureml-automl-runtime
    • 기존 예측 모델(예: AutoArima)에서 대체된 대상 값을 가진 행이 없는 학습 데이터를 가져올 수 있는 버그를 수정했습니다. 이는 이러한 모델의 데이터 계약을 위반했습니다. * 시계열 지연 연산자에서 발생 지연 동작이 있는 다양한 버그를 수정했습니다. 이전에는 발생별 지연 작업이 귀속된 모든 행을 올바르게 표시하지 않았으므로 항상 올바른 발생 지연 값을 생성하지 않았습니다. 또한 lag-by-occurrence 동작에서 구간 연산자와 이동 기간 연산자 간의 일부 호환성 문제가 해결되었습니다. 이로 인해 이전에 롤링 창 연산자가 학습 데이터에서 일부 행을 삭제했으며, 그렇지 않으면 사용해야 합니다.
  • azureml-core
    • 대상 그룹별 토큰 인증에 대한 지원을 추가합니다.
    • 다중 프로세스 다중 노드 PyTorch 작업을 지원하려면 PyTorchConfiguration에 process_count를 추가합니다.
  • azureml-pipeline-steps

    • CommandStep 은 이제 GA이며 더 이상 실험적이 아닙니다.

    • ParallelRunConfig: 미니 일괄 처리 수준에서 검사 오류 임계값에 인수 allowed_failed_count 및 allowed_failed_percent 추가합니다. 이제 오류 임계값에 세 가지 버전이 있습니다.

      • error_threshold - 허용되는 실패한 미니 일괄 처리 항목 수입니다.
      • allowed_failed_count - 허용되는 미니 일괄 처리 실패 횟수입니다.
      • allowed_failed_percent - 허용된 미니 일괄 처리 실패율입니다.

      작업이 그 중 어느 것을 초과하면 중지됩니다. error_threshold는 이전 버전과의 호환성을 유지하는 데 필요합니다. 무시하려면 값을 -1로 설정합니다.

    • AutoMLStep 이름에서 공백 처리를 수정했습니다.

    • 이제 HyperDriveStep에서 ScriptRunConfig를 지원합니다.

  • azureml-train-core
    • ScriptRun에서 호출된 HyperDrive 실행은 이제 자식 실행으로 간주됩니다.
    • 다중 프로세스 다중 노드 PyTorch 작업을 지원하려면 PyTorchConfiguration에 process_count를 추가합니다.
  • azureml-widgets
    • 위젯 ParallelRunStepDetails를 추가하여 ParallelRunStep의 상태 시각화합니다.
    • 하이퍼드라이브 사용자가 병렬 좌표 차트에서 각 자식 실행에 대한 각 하이퍼 매개 변수 집합에 해당하는 메트릭 값을 보여 주는 축을 볼 수 있습니다.

2021-01-31

Azure Machine Learning 스튜디오 Notebook 환경(1월 업데이트)

• 새로운 기능

  • Azure Machine Learning의 네이티브 Markdown 편집기입니다. 이제 사용자는 Azure Machine Learning Studio에서 기본적으로 markdown 파일을 렌더링하고 편집할 수 있습니다.
  • 스크립트에 대한 실행 단추(.py, . R 및 .sh). 이제 사용자는 Azure Machine Learning에서 Python, R 및 Bash 스크립트를 쉽게 실행할 수 있습니다.
  • 변수 탐색기. 팝업 패널에서 변수 및 데이터 프레임의 내용을 살펴봅니다. 사용자는 데이터 형식, 크기 및 콘텐츠를 쉽게 검사 수 있습니다.
  • 목차입니다. Markdown 헤더로 표시된 전자 필기장의 섹션으로 이동합니다.
  • Notebook을 Latex/HTML/Py로 내보냅니다. LaTex, HTML 또는 .py 내보내 공유하기 쉬운 Notebook 파일 만들기
  • Intellicode. ML 기반 결과는 향상된 지능형 자동 완료 환경을 제공합니다.

• 버그 수정 및 개선 사항

  • 향상된 페이지 로드 시간
  • 성능 향상
  • 속도 및 커널 안정성 향상

2021-01-25

Python용 Azure Machine Learning SDK v1.21.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • UserAssigned IDENTITy와 함께 AmlCompute를 사용할 때 CLI 도움말 텍스트가 수정됨
  • azureml-contrib-automl-dnn-vision
    • 배포 및 다운로드 단추는 AutoML 비전 실행에 대해 표시되며 다른 AutoML 실행과 유사한 모델을 배포하거나 다운로드할 수 있습니다. 추론을 실행하는 스크립트와 conda 환경을 다시 만드는 yml 파일이 포함된 두 개의 새 파일(scoring_file_v_1_0_0.py 및 conda_env_v_1_0_0.yml)이 있습니다. 'model.pth' 파일도 '.pt' 확장자를 사용하도록 이름이 바뀌었습니다.
  • azureml-core
    • azure-cli-ml에 대한 MSI 지원
    • 사용자가 할당한 관리 ID 지원.
    • 이 변경으로 고객은 미사용 암호화를 위해 고객 키 자격 증명 모음에서 키를 가져오는 데 사용할 수 있는 사용자 할당 ID를 제공할 수 있어야 합니다.
    • 큰 파일의 프로필에 대한 row_count=0 수정 - 공백 안쪽 여백으로 구분된 값의 이중 변환 오류를 수정합니다.
    • 출력 데이터 세트의 실험적 플래그 제거 GA
    • 특정 버전의 모델을 페치하는 방법에 대한 설명서 업데이트
    • 프라이빗 링크에서 혼합 모드 액세스에 대한 작업 영역 업데이트 허용
    • 다시 시작 실행 기능을 위해 데이터 저장소에서 다른 등록을 제거하는 수정
    • 작업 영역의 기본 사용자 할당 ID를 업데이트하기 위한 CLI/SDK 지원이 추가됨
  • azureml-interpret
    • azureml-interpret가 interpret-community 0.16.0으로 업데이트됨
    • azureml-interpret의 설명 클라이언트에 대한 메모리 최적화
  • azureml-train-automl-runtime
    • ADB 실행에 대해 스트리밍 사용
  • azureml-train-core
    • 다시 시작 실행 기능을 위해 데이터 저장소에서 다른 등록을 제거하는 수정
  • azureml-widgets
    • 고객은 위젯을 사용하여 기존 실행 데이터 시각화에 대한 변경 내용을 볼 수 없으며 이제 선택적으로 조건부 하이퍼 매개 변수를 사용하는 경우 지원을 가져옵니다.
    • 이제 사용자 실행 위젯에는 실행이 대기 중인 상태에 있는 이유에 대한 자세한 설명이 포함됩니다.

2021-01-11

Python용 Azure Machine Learning SDK v1.20.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • OptimizationConfig에 framework_version이 추가되었습니다. MULTI 프레임워크에 모델을 등록할 때 사용됩니다.
  • azureml-contrib-optimization
    • OptimizationConfig에 framework_version이 추가되었습니다. MULTI 프레임워크에 모델을 등록할 때 사용됩니다.
  • azureml-pipeline-steps
    • 처리하는 명령을 수행하는 CommandStep을 소개합니다. 명령에는 실행 파일, 셸 명령, 스크립트 등이 포함될 수 있습니다.
  • azureml-core
    • 이제 작업 영역 만들기에 사용자 할당 ID가 지원됩니다. SDK/CLI에서 uai 지원 추가
    • 로컬 배포에서 score.py 변경 내용을 선택하기 위해 service.reload()에 대한 문제가 해결되었습니다.
    • run.get_details() 에는 이 실행에 대한 작성자의 이름을 표시하는 "submittedBy"라는 추가 필드가 있습니다.
    • 실행에서 모델을 직접 등록하는 방법을 설명하도록 Model.register 메서드 설명서가 편집됨
    • IOT-Server 연결 상태 변경 처리 문제가 해결되었습니다.

2020-12-31

Azure Machine Learning 스튜디오 Notebook 환경(12월 업데이트)

• 새로운 기능

  • 사용자 파일 이름 검색. 이제 사용자는 작업 영역에 저장된 모든 파일을 검색할 수 있습니다.
  • Notebook 셀당 Markdown Side-by-Side 지원. 이제 Notebook 셀에서 사용자는 렌더링된 markdown 및 markdown 구문을 나란히 볼 수 있는 옵션을 사용할 수 있습니다.
  • 셀 상태 표시줄. 상태 표시줄은 코드 셀의 상태, 셀 실행 성공 여부 및 실행에 걸린 시간을 나타냅니다.

• 버그 수정 및 개선 사항

  • 향상된 페이지 로드 시간
  • 성능 향상
  • 속도 및 커널 안정성 향상

2020-12-07

Python용 Azure Machine Learning SDK v1.19.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 테스트 데이터에 대한 실험적 지원이 AutoMLStep에 추가되었습니다.
    • 테스트 집합 수집 기능의 초기 핵심 구현이 추가되었습니다.
    • joblib에 직접 종속되도록 sklearn.externals.joblib에 대한 참조를 이동했습니다.
    • "image-instance-segmentation"이라는 새로운 AutoML 작업 유형 도입.
  • azureml-automl-runtime
    • 테스트 집합 수집 기능의 초기 핵심 구현이 추가되었습니다.
    • 텍스트 열의 모든 문자열 길이가 정확히 1자인 경우, 해당 토크나이저가 2자 미만의 문자열을 무시하므로 TfIdf word-gram 기능화 도구가 작동하지 않습니다. 현재 코드 변경으로 AutoML에서 이 사용 사례를 처리할 수 있습니다.
    • "image-instance-segmentation"이라는 새로운 AutoML 작업 유형 도입.
  • azureml-contrib-automl-dnn-nlp
    • 새 dnn-nlp 패키지에 대한 초기 PR
  • azureml-contrib-automl-dnn-vision
    • "image-instance-segmentation"이라는 새로운 AutoML 작업 유형 도입.
  • azureml-contrib-automl-pipeline-steps
    • 이 새 패키지는 많은 모델 학습/유추 시나리오에 필요한 단계를 만듭니다. - 또한 학습/유추 코드를 azureml.train.automl.runtime 패키지로 이동하므로 향후 수정 사항은 큐레이팅된 환경 릴리스를 통해 자동으로 사용할 수 있습니다.
  • azureml-contrib-dataset
    • "image-instance-segmentation"이라는 새로운 AutoML 작업 유형 도입.
  • azureml-core
    • 테스트 집합 수집 기능의 초기 핵심 구현이 추가되었습니다.
    • azureml-core 패키지의 설명서에 대한 xref 경고 수정
    • SDK의 명령 지원 기능에 대한 문서 문자열 수정
    • RunConfiguration에 명령 속성 추가 이 기능을 사용하면 사용자가 Azure Machine Learning SDK를 통해 컴퓨팅에서 실제 명령 또는 실행 파일을 실행할 수 있습니다.
    • 사용자는 해당 실험의 ID가 지정된 빈 실험을 삭제할 수 있습니다.
  • azureml-dataprep
    • Scala 2.12를 사용하여 빌드된 Spark에 대한 데이터 세트 지원이 추가되었습니다. 이렇게 하면 기존 2.11 지원이 추가되었습니다.
  • azureml-mlflow
    • AzureML-MLflow는 제출된 실행의 조기 종료를 방지하기 위해 원격 스크립트에 안전한 가드를 추가합니다.
  • azureml-pipeline-core
    • UI를 통해 만든 파이프라인 엔드포인트에 대한 기본 파이프라인을 설정하는 버그 수정
  • azureml-pipeline-steps
    • 테스트 데이터에 대한 실험적 지원이 AutoMLStep에 추가되었습니다.
  • azureml-tensorboard
    • azureml-core 패키지의 설명서에 대한 xref 경고 수정
  • azureml-train-automl-client
    • 테스트 데이터에 대한 실험적 지원이 AutoMLStep에 추가되었습니다.
    • 테스트 집합 수집 기능의 초기 핵심 구현이 추가되었습니다.
    • "image-instance-segmentation"이라는 새로운 AutoML 작업 유형 도입.
  • azureml-train-automl-runtime
    • 테스트 집합 수집 기능의 초기 핵심 구현이 추가되었습니다.
    • AutoML 모델이 validation_size 설정을 사용하여 학습된 경우 최적의 AutoML 모델에 대한 원시 설명의 계산을 수정합니다.
    • joblib에 직접 종속되도록 sklearn.externals.joblib에 대한 참조를 이동했습니다.
  • azureml-train-core

    • HyperDriveRun.get_children_sorted_by_primary_metric()는 이제 더 빨리 완료되어야 합니다.

    • HyperDrive SDK의 오류 처리가 향상되었습니다.

    • ScriptRunConfig를 사용하여 실험 실행을 구성하기 위해 모든 예측 도구 클래스가 더 이상 사용되지 않습니다. 사용되지 않는 클래스는 다음과 같습니다.

      • MMLBase
      • 평가자
      • PyTorch
      • Tensorflow
      • Chainer
      • SKLearn

    • ScriptRunConfig에서 PyTorchConfiguration을 사용하기 위해 Nccl 및 Gloo를 Estimator 클래스에 유효한 입력 형식으로 사용하는 것이 더 이상 사용되지 않습니다.

    • ScriptRunConfig와 MpiConfiguration을 사용하기 위해 Estimator 클래스에 대한 유효한 입력 형식으로 Mpi를 사용하는 기능은 더 이상 지원되지 않습니다.

    • 구성을 실행하는 명령 속성을 추가합니다. 이 기능을 사용하면 사용자가 Azure Machine Learning SDK를 통해 컴퓨팅에서 실제 명령 또는 실행 파일을 실행할 수 있습니다.

    • ScriptRunConfig를 사용하여 실험 실행을 구성하기 위해 모든 예측 도구 클래스가 더 이상 사용되지 않습니다. 사용되지 않는 클래스에는 + MMLBaseEstimator + Estimator + PyTorch + TensorFlow + Chainer + SKLearn이 포함됩니다.

    • ScriptRunConfig와 PyTorchConfiguration을 사용하기 위해 Estimator 클래스에 대한 유효한 입력 형식으로 Nccl 및 Gloo를 사용하는 기능은 더 이상 지원되지 않습니다.

    • ScriptRunConfig에서 MpiConfiguration을 사용하기 위해 Mpi를 Estimator 클래스에 유효한 입력 형식으로 사용하는 것이 더 이상 사용되지 않습니다.

2020-11-30

Azure Machine Learning 스튜디오 Notebook 환경(11월 업데이트)

• 새로운 기능

  • 네이티브 터미널. 이제 사용자는 통합 터미널에 액세스할 수 있으며 통합 터미널을 통해 Git 작업에도 액세스할 수 있습니다.
  • 중복 폴더
  • 컴퓨팅 드롭다운 비용
  • 오프라인 Compute Pylance

• 버그 수정 및 개선 사항

  • 향상된 페이지 로드 시간
  • 성능 향상
  • 속도 및 커널 안정성 향상
  • 대용량 파일 업로드. 이제 파일 >95mb를 업로드할 수 있습니다.

2020-11-09

Python용 Azure Machine Learning SDK v1.18.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 가우스 노이즈를 사용한 패딩을 허용하여 짧은 시계열의 처리를 개선했습니다.
  • azureml-automl-runtime
    • DateTime 열에 OutOfBoundsDatetime 값이 있는 경우 ConfigException throw
    • 가우스 노이즈를 사용한 패딩을 허용하여 짧은 시계열의 처리를 개선했습니다.
    • 각 텍스트 열에서 해당 텍스트 열의 문자열 길이에 따라 n-gram 범위와 함께 char-gram 변환을 사용할 수 있는지 확인
    • 사용자의 로컬 컴퓨팅에서 실행되는 AutoML 실험에 가장 적합한 모드에 대한 원시 기능 설명 제공
  • azureml-core
    • 패키지를 고정합니다. pyjwt는 예정된 버전에서 호환성이 손상되는 것을 방지합니다.
    • 실험을 만들면 해당 실험이 존재하거나 새 실험이 있는 경우 지정된 이름과 동일한 이름으로 활성 또는 마지막으로 보관된 실험이 반환됩니다.
    • 이름으로 get_experiment 호출하면 지정된 이름의 활성 또는 마지막으로 보관된 실험이 반환됩니다.
    • 사용자는 실험을 다시 활성화하는 동안 실험 이름을 변경할 수 없습니다.
    • 데이터 세트가 실험에 잘못 전달될 때 잠재적인 수정 사항을 포함하도록 오류 메시지가 개선되었습니다(예: ScriptRunConfig).
    • 이름이 이미 존재할 때 발생하는 동작을 포함하도록 OutputDatasetConfig.register_on_complete에 대한 설명서가 개선되었습니다.
    • 일반 환경 변수와 충돌할 가능성이 있는 데이터 세트 입출력 이름을 지정하면 이제 경고가 발생합니다.
    • 데이터 저장소를 등록할 때 용도가 변경된 grant_workspace_access 매개 변수입니다. Machine Learning 스튜디오에서 가상 네트워크 뒤의 데이터에 액세스하려면 True로 설정합니다. 자세한 정보
    • 연결된 서비스 API가 구체화됩니다. 리소스 ID를 제공하는 대신 구성에 정의된 세 개의 매개 변수 sub_id, rg 및 이름이 있습니다.
    • 고객이 토큰 손상 문제를 자체적으로 해결할 수 있도록 하려면 작업 영역 토큰 동기화를 공용 방법으로 사용하도록 설정합니다.
    • 이렇게 변경하면 빈 문자열을 script_param 값으로 사용할 수 있습니다.
  • azureml-train-automl-client
    • 가우스 노이즈를 사용한 패딩을 허용하여 짧은 시계열의 처리를 개선했습니다.
  • azureml-train-automl-runtime
    • DateTime 열에 OutOfBoundsDatetime 값이 있는 경우 ConfigException throw
    • 사용자의 로컬 컴퓨팅에서 실행되는 AutoML 실험에 가장 적합한 모델에 대한 원시 기능 설명을 제공하기 위한 지원이 추가되었습니다.
    • 가우스 노이즈를 사용한 패딩을 허용하여 짧은 시계열의 처리를 개선했습니다.
  • azureml-train-core
    • 이렇게 변경하면 빈 문자열을 script_param 값으로 사용할 수 있습니다.
  • azureml-train-restclients-hyperdrive
    • README가 추가 컨텍스트를 제공하도록 변경됨
  • azureml-widgets
    • 위젯에 대한 차트/병렬 좌표 라이브러리에 문자열 지원을 추가합니다.

2020-11-05

이미지 인스턴스 구분에 대한 데이터 레이블 지정(다각형 주석)(미리 보기)

이제 데이터 레이블에서 이미지 인스턴스 조각화(다각형 주석) 프로젝트 형식을 사용할 수 있으므로 이미지에 있는 개체의 윤곽선 주변에 다각형을 그리거나 주석을 달 수 있습니다. 사용자는 이미지 내에서 관심 있는 각 개체에 클래스 및 다각형을 할당할 수 있습니다.

이미지 인스턴스 구분 레이블 지정에 대해 자세히 알아봅니다.

2020-10-26

Python용 Azure Machine Learning SDK v1.17.0

• 새 예제
  • 예제의 새 커뮤니티 기반 리포지토리는 에서 사용할 수 있습니다. https://github.com/Azure/azureml-examples
• 버그 수정 및 개선 사항
  • azureml-automl-core
    • get_output XGBoostError가 발생할 수 있는 문제를 해결했습니다.
  • azureml-automl-runtime
    • AutoML에서 만들어진 시간/달력 기반 기능에는 이제 접두사가 붙습니다.
    • 많은 수의 클래스와 하위 샘플링을 사용하도록 설정된 분류 데이터 세트에 대해 StackEnsemble을 학습하는 동안 발생하는 IndexError를 수정했습니다.
    • 모델을 다시 설치한 후 VotingRegressor 예측이 부정확할 수 있는 문제를 해결했습니다.
  • azureml-core
    • AKS 배포 구성과 Azure Kubernetes Service 개념 간의 관계에 대한 자세한 내용이 추가되었습니다.
    • 환경 클라이언트 레이블이 지원됩니다. 사용자가 환경에 레이블을 지정하고 레이블로 환경을 참조할 수 있습니다.
  • azureml-dataprep
    • Scala 2.12에서 현재 지원되지 않는 Spark를 사용할 때 더 나은 오류 메시지입니다.
  • azureml-explain-model
    • azureml-explain-model 패키지는 공식적으로 사용되지 않습니다.
  • azureml-mlflow
    • 완료 중 상태가 제대로 처리되지 않은 azureml 백 엔드에 대한 mlflow.projects.run의 버그가 해결되었습니다.
  • azureml-pipeline-core
    • 하나의 파이프라인 엔드포인트를 기반으로 파이프라인 일정을 만들고 나열하고 가져오는 지원을 추가합니다.
    • 잘못된 사용법 예로 PipelineData.as_dataset 설명서 개선 - 이제 PipelineData.as_dataset를 잘못 사용하면 ValueException이 throw됩니다.
    • HyperDriveStep 실행 직후 PipelineStep 내에서 최적의 모델을 등록하도록 HyperDriveStep 파이프라인 Notebook을 변경했습니다.
  • azureml-pipeline-steps
    • HyperDriveStep 실행 직후 PipelineStep 내에서 최적의 모델을 등록하도록 HyperDriveStep 파이프라인 Notebook을 변경했습니다.
  • azureml-train-automl-client
    • get_output XGBoostError가 발생할 수 있는 문제를 해결했습니다.

Azure Machine Learning 스튜디오 Notebook 환경(10월 업데이트)

• 새로운 기능

  • 전체 가상 네트워크 지원
  • 포커스 모드
  • Notebooks Ctrl-S 저장
  • 줄 번호

• 버그 수정 및 개선 사항

  • 속도 및 커널 안정성 향상
  • Jupyter 위젯 UI 업데이트

2020-10-12

Python용 Azure Machine Learning SDK v1.16.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • AKSWebservice 및 AKSEndpoints는 이제 Pod 수준 CPU 및 메모리 리소스 제한을 지원합니다. 이러한 선택적 제한은 해당 CLI 호출에서 설정 --cpu-cores-limit 및 --memory-gb-limit 플래그를 사용하여 사용할 수 있습니다.
  • azureml-core
    • azureml-core 직접 종속성의 주 버전 고정
    • AKSWebservice 및 AKSEndpoints는 이제 Pod 수준 CPU 및 메모리 리소스 제한을 지원합니다. Kubernetes 리소스 및 제한에 대한 자세한 정보
    • 개별 행을 로그할 수 있도록 run.log_table이 업데이트되었습니다.
    • 작업 영역을 사용하여 실행만 검색하는 정적 메서드 Run.get(workspace, run_id)이 추가됨
    • 작업 영역 내에서 실행을 검색하기 위한 인스턴스 메서드 Workspace.get_run(run_id)이 추가됨
    • 사용자가 스크립트 및 인수 대신 명령을 제출할 수 있도록 하는 실행 구성에서 명령 속성을 소개합니다.
  • azureml-interpret
    • azureml-interpret에서 설명 클라이언트 is_raw 플래그 동작 수정
  • azureml-sdk
    • azureml-sdk Python 3.8을 공식적으로 지원합니다.
  • azureml-train-core
    • TensorFlow 2.3 큐레이팅된 환경 추가
    • 사용자가 스크립트 및 인수 대신 명령을 제출할 수 있도록 하는 실행 구성에서 명령 속성을 소개합니다.
  • azureml-widgets
    • 스크립트 실행 위젯에 대해 다시 디자인된 인터페이스입니다.

2020-09-28

Python용 Azure Machine Learning SDK v1.15.0

• 버그 수정 및 개선 사항
  • azureml-contrib-interpret
    • LIME 설명자가 azureml-contrib-interpret에서 interpret-community 패키지로 이동했고, azureml-contrib-interpret 패키지에서 이미지 설명자가 제거됨
    • azureml-contrib-interpret 패키지에서 제거된 시각화 대시보드, 설명 클라이언트가 azureml-interpret 패키지로 이동되고 azureml-contrib-interpret 패키지에서 사용되지 않으며 개선된 API를 반영하도록 업데이트된 Notebook
    • azureml-interpret, azureml-explain-model, azureml-contrib-interpret 및 azureml-tensorboard에 대한 pypi 패키지 설명 수정
  • azureml-contrib-Notebook
    • papermill 1.x가 계속 작동하도록 nbcovert 종속성을 6 미만으로 고정
  • azureml-core
    • 사용자가 각 개별 특성을 설정하지 않고도 클래스 특성을 보다 효율적으로 초기화할 수 있게 해주는 매개 변수가 TensorflowConfiguration 및 MpiConfiguration 생성자에 추가되었습니다. ScriptRunConfig에서 분산 PyTorch 작업을 구성하기 위한 PyTorchConfiguration 클래스를 추가했습니다.
    • azure-mgmt-resource의 버전을 고정하여 인증 오류를 해결합니다.
    • Triton 코드 배포 지원
    • 이제 대화형 시나리오에서 실행을 사용할 때 Run.start_logging()에 지정된 출력 디렉터리가 추적됩니다. Run.complete()를 호출하면 추적된 파일이 ML Studio에 표시됩니다.
    • 이제 인수를 사용하여 데이터 세트를 만드는 Dataset.Tabular.from_delimited_files 동안 및 Dataset.Tabular.from_json_lines_files 전달하여 파일 인코딩을 encoding 지정할 수 있습니다. 지원되는 인코딩은 'utf8', 'iso88591', 'latin1', 'ascii', utf16', 'utf32', 'utf8bom' 및 'windows1252'입니다.
    • 환경 개체가 ScriptRunConfig 생성자에 전달되지 않는 경우의 버그 수정.
    • 다른 컴퓨터에서 로컬 실행을 취소할 수 있도록 Run.cancel()이 업데이트되었습니다.
  • azureml-dataprep
    • 데이터 세트 탑재 시간 제한 문제가 해결되었습니다.
  • azureml-explain-model
    • azureml-interpret, azureml-explain-model, azureml-contrib-interpret 및 azureml-tensorboard에 대한 pypi 패키지 설명 수정
  • azureml-interpret
    • azureml-contrib-interpret 패키지에서 제거된 시각화 대시보드, 설명 클라이언트가 azureml-interpret 패키지로 이동되고 azureml-contrib-interpret 패키지에서 사용되지 않으며 개선된 API를 반영하도록 업데이트된 Notebook
    • azureml-interpret 패키지가 interpret-community 0.15.0에 종속되도록 업데이트됨
    • azureml-interpret, azureml-explain-model, azureml-contrib-interpret 및 azureml-tensorboard에 대한 pypi 패키지 설명 수정
  • azureml-pipeline-core
    • 기존 데이터 세트 이름으로 설정된 매개 변수를 name 사용하여 호출할 때register_on_complete 시스템이 응답을 중지할 수 있는 파이프라인 문제가 해결 OutputFileDatasetConfig 되었습니다.
  • azureml-pipeline-steps
    • 오래된 databricks Notebook이 제거되었습니다.
  • azureml-tensorboard
    • azureml-interpret, azureml-explain-model, azureml-contrib-interpret 및 azureml-tensorboard에 대한 pypi 패키지 설명 수정
  • azureml-train-automl-runtime
    • azureml-contrib-interpret 패키지에서 제거된 시각화 대시보드, 설명 클라이언트가 azureml-interpret 패키지로 이동되고 azureml-contrib-interpret 패키지에서 사용되지 않으며 개선된 API를 반영하도록 업데이트된 Notebook
  • azureml-widgets
    • azureml-contrib-interpret 패키지에서 제거된 시각화 대시보드, 설명 클라이언트가 azureml-interpret 패키지로 이동되고 azureml-contrib-interpret 패키지에서 사용되지 않으며 개선된 API를 반영하도록 업데이트된 Notebook

2020-09-21

Python용 Azure Machine Learning SDK v1.14.0

• 버그 수정 및 개선 사항

  • azure-cli-ml

    • SDK에서 그리드 프로파일링이 제거되었으며 더 이상 지원되지 않습니다.

  • azureml-accel-models

    • azureml-accel-models 패키지는 이제 TensorFlow 2.x를 지원합니다.

  • azureml-automl-core

    • 로컬 버전의 pandas/sklearn이 학습 중에 사용된 버전과 일치하지 않는 경우에 대한 get_output 오류 처리가 추가됨

  • azureml-automl-runtime

    • PredictionException과 "예측 중에 자동 오류가 발생했습니다."라는 메시지와 함께 AutoArima 반복이 실패하는 버그가 수정되었습니다.

  • azureml-cli-common

    • SDK에서 그리드 프로파일링이 제거되었으며 더 이상 지원되지 않습니다.

  • azureml-contrib-server

    • pypi 개요 페이지에 대한 패키지 설명 업데이트.

  • azureml-core

    • 그리드 프로파일링이 SDK에서 제거되었으며 더 이상 지원되지 않습니다.
    • 작업 영역 검색에 실패할 때 오류 메시지 수를 줄입니다.
    • 메타데이터 가져오기가 실패할 때 경고 표시 안 함
    • 새 Kusto 단계 및 Kusto 컴퓨팅 대상.
    • sku 매개 변수에 대한 문서를 업데이트합니다. CLI 및 SDK의 작업 영역 업데이트 기능에서 sku 제거.
    • pypi 개요 페이지에 대한 패키지 설명 업데이트.
    • Azure Machine Learning Environment에 대한 설명서가 업데이트되었습니다.
    • SDK에서 AML 작업 영역에 대한 서비스 관리 리소스 설정을 노출합니다.

  • azureml-dataprep

    • 데이터 세트 탑재에 대한 파일에 대한 실행 권한을 사용하도록 설정합니다.

  • azureml-mlflow

    • 업데이트된 Azure Machine Learning MLflow 설명서 및 Notebook 샘플
    • Azure Machine Learning 백 엔드를 사용하여 MLflow 프로젝트에 대한 새로운 지원
    • MLflow 모델 레지스트리 지원
    • AzureML-MLflow 작업에 대한 Azure RBAC 지원 추가

  • azureml-pipeline-core

    • PipelineOutputFileDataset.parse_* 메서드의 설명서가 향상되었습니다.
    • 새 Kusto 단계 및 Kusto 컴퓨팅 대상.
    • 해당 사용자를 통해 파이프라인 엔드포인트 엔터티에 대해 제공된 Swaggerurl 속성은 게시된 파이프라인 엔드포인트에 대한 스키마 정의를 볼 수 있습니다.

  • azureml-pipeline-steps

    • 새 Kusto 단계 및 Kusto 컴퓨팅 대상.

  • azureml-telemetry

    • pypi 개요 페이지에 대한 패키지 설명 업데이트.

  • azureml-train

    • pypi 개요 페이지에 대한 패키지 설명 업데이트.

  • azureml-train-automl-client

    • 로컬 버전의 pandas/sklearn이 학습 중에 사용된 버전과 일치하지 않는 경우에 대한 get_output 오류 처리가 추가됨

  • azureml-train-core

    • pypi 개요 페이지에 대한 패키지 설명 업데이트.

2020-08-31

Python용 Azure Machine Learning SDK v1.13.0

• 미리 보기 기능

  • azureml-core 새 출력 데이터 세트 기능을 사용하면 Blob, ADLS Gen 1, ADLS Gen 2 및 FileShare를 포함한 클라우드 스토리지에 쓰기 저장할 수 있습니다. 데이터를 출력할 위치, 탑재 또는 업로드를 통해 데이터를 출력하는 방법, 향후 재사용 및 공유를 위해 출력 데이터를 등록하고 및 파이프라인 단계 간에 중간 데이터를 원활하게 전달할지 여부를 구성할 수 있습니다. 이렇게 하면 재현, 공유가 가능해지고, 데이터 중복이 방지되며, 비용 효율 및 생산성 향상이 가능합니다. 사용하는 방법 알아보기

• 버그 수정 및 개선 사항

  • azureml-automl-core
    • AutoML에 대한 모든 pip 종속성을 고정하기 위한 validated_{platform}_requirements.txt 파일이 추가되었습니다.
    • 이 릴리스는 4Gb보다 큰 모델을 지원합니다.
    • 업그레이드된 AutoML 종속성: scikit-learn(현재 0.22.1), pandas(현재 0.25.1), numpy(현재 1.18.2).
  • azureml-automl-runtime
    • 항상 fp16 압축을 사용하도록 텍스트 DNN에 대한 horovod를 설정합니다.
    • 이 릴리스는 4Gb보다 큰 모델을 지원합니다.
    • ImportError: 이름 RollingOriginValidator를 가져올 수 없어 AutoML이 실패하는 문제가 해결되었습니다.
    • 업그레이드된 AutoML 종속성: scikit-learn(현재 0.22.1), pandas(현재 0.25.1), numpy(현재 1.18.2).
  • azureml-contrib-automl-dnn-forecasting
    • 업그레이드된 AutoML 종속성: scikit-learn(현재 0.22.1), pandas(현재 0.25.1), numpy(현재 1.18.2).
  • azureml-contrib-fairness
    • azureml-contrib-fairness에 대한 간단한 설명을 제공합니다.
  • azureml-contrib-pipeline-steps
    • 이 패키지가 더 이상 사용되지 않으며 사용자가 azureml-pipeline-steps를 대신 사용해야 함을 나타내는 메시지가 추가되었습니다.
  • azureml-core
    • 작업 영역에 대한 목록 키 명령이 추가되었습니다.
    • 작업 영역 SDK 및 CLI에 태그 매개 변수가 추가되었습니다.
    • 로 인해 데이터 세트를 사용하여 자식 실행을 제출하지 못하는 버그가 TypeError: can't pickle _thread.RLock objects수정되었습니다.
    • 모델 목록()에 대한 page_count 기본/설명서 추가
    • adbworkspace 매개 변수를 사용하도록 CLI&SDK를 수정하고 작업 영역 adb lin/unlink runner를 추가합니다.
    • 데이터 세트 업데이트의 버전이 호출되지 않은 최신 데이터 세트 버전을 업데이트하게 한 Dataset.update의 버그를 수정합니다.
    • 특정 이전 버전이 검색된 경우에도 최신 데이터 세트 버전에 대한 태그를 표시하는 Dataset.get_by_name의 버그 수정.
  • azureml-interpret
    • 원래 설명자의 shap_values_output 매개 변수를 기반으로 azureml-interpret의 셰이프 채점 설명자에 확률 출력이 추가되었습니다.
  • azureml-pipeline-core
    • PipelineOutputAbstractDataset.register의 설명서 개선.
  • azureml-train-automl-client
    • 업그레이드된 AutoML 종속성: scikit-learn(현재 0.22.1), pandas(현재 0.25.1), numpy(현재 1.18.2).
  • azureml-train-automl-runtime
    • 업그레이드된 AutoML 종속성: scikit-learn(현재 0.22.1), pandas(현재 0.25.1), numpy(현재 1.18.2).
  • azureml-train-core
    • 이제 사용자는 HyperDriveConfig를 만들 때 유효한 hyperparameter_sampling 인수를 제공해야 합니다. 또한 사용자에게 HyperDriveRunConfig의 사용 중단을 알리도록 HyperDriveRunConfig에 대한 설명서가 편집되었습니다.
    • PyTorch 기본 버전을 1.4로 되돌려 갑니다.
    • PyTorch 1.6 및 TensorFlow 2.2 이미지와 큐레이팅된 환경을 추가합니다.

Azure Machine Learning 스튜디오 Notebook 환경(8월 업데이트)

• 새로운 기능

  • 새 시작 방문 페이지

• 미리 보기 기능

  • 전자 필기장에서 기능 수집 Gather 기능을 사용하면 이제 사용자가 Notebook을 쉽게 클린 수 있습니다. Gather는 Notebook의 자동화된 종속성 분석을 사용하여 필수 코드를 유지하지만 관련 없는 부분을 제거할 수 있습니다.

• 버그 수정 및 개선 사항

  • 속도 및 안정성 개선
  • 어둡게 모드 버그 수정됨
  • 출력 스크롤 버그 수정됨
  • 이제 샘플 검색이 Azure Machine Learning 샘플 Notebook 리포지토리에 있는 모든 파일의 모든 콘텐츠를 검색함
  • 이제 여러 줄 R 셀을 실행할 수 있습니다.
  • "이 파일의 콘텐츠를 신뢰합니다."가 처음 검사
  • 새로운 "복사본 만들기" 옵션을 통해 충돌 해결 대화 상자가 개선됨

2020-08-17

Python용 Azure Machine Learning SDK v1.12.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • 빌드된 패키지 이미지의 이름을 바꿀 수 있도록 Model.package()에 image_name 및 image_label 매개 변수 추가
  • azureml-automl-core
    • AutoML은 읽는 동안 콘텐츠가 수정될 때 dataprep에서 새 오류 코드를 발생합니다.
  • azureml-automl-runtime
    • 데이터에 누락된 값이 포함되어 있지만 기능화가 해제된 경우에 사용자에게 표시되는 경고가 추가되었습니다.
    • 데이터에 nan이 포함되어 있고 기능화가 해제된 경우에 발생하는 자식 실행 오류가 해결되었습니다.
    • AutoML은 읽는 동안 콘텐츠가 수정될 때 dataprep에서 새 오류 코드를 발생합니다.
    • 예측 메트릭이 조직별로 발생하도록 정규화가 업데이트되었습니다.
    • 조회 기능을 사용하지 않도록 설정하면 예측 분위수 계산이 향상되었습니다.
    • AutoML 이후 설명을 계산할 때 부울 스파스 매트릭스 처리가 수정되었습니다.
  • azureml-core
    • 이제 새 메서드 run.get_detailed_status() 에 현재 실행 상태 대한 자세한 설명이 표시됩니다. 현재는 Queued 상태에 대한 설명만 보여 줍니다.
    • 빌드된 패키지 이미지의 이름을 바꿀 수 있도록 Model.package()에 image_name 및 image_label 매개 변수 추가
    • 전체 pip 섹션 CondaDependencies 을 한 번에 설정하는 새 메서드 set_pip_requirements() 입니다.
    • 자격 증명이 없는 ADLS Gen2 데이터 저장소 등록 지원.
    • 잘못된 데이터 세트 형식을 다운로드하거나 탑재하려고 할 때 오류 메시지가 개선되었습니다.
    • 필터 최적화를 제공하는 partition_timestamp 더 많은 예제를 사용하여 시계열 데이터 세트 필터 샘플 Notebook을 업데이트합니다.
    • 프라이빗 엔드포인트 연결을 삭제할 때 armResourceId 대신 subscriptionId, resourceGroup, workspaceName, pe커넥트ionName을 매개 변수로 허용하도록 sdk 및 CLI를 변경합니다.
    • 실험적 데코레이터는 보다 쉽게 식별할 수 있는 클래스 이름을 표시합니다.
    • 모델 내 자산에 대한 설명은 더 이상 실행을 기반으로 자동으로 생성되지 않습니다.
  • azureml-datadrift
    • DataDriftDetector에서 create_from_model API를 더 이상 사용되지 않는 것으로 표시합니다.
  • azureml-dataprep
    • 잘못된 데이터 세트 형식을 다운로드하거나 탑재하려고 할 때 오류 메시지가 개선되었습니다.
  • azureml-pipeline-core
    • 등록된 데이터 세트가 포함된 파이프라인 그래프를 역직렬화할 때 발생하는 버그가 수정되었습니다.
  • azureml-pipeline-steps
    • RScriptStep은 azureml.core.environment의 RSection을 지원합니다.
    • 공용 API에서 passthru_automl_config 매개 변수를 AutoMLStep 제거하고 내부 전용 매개 변수로 변환했습니다.
  • azureml-train-automl-client
    • 제거된 로컬 비동기 관리 환경은 AutoML에서 실행됩니다. 모든 로컬 실행은 실행이 시작된 환경에서 실행됩니다.
    • 사용자 제공 스크립트 없이 AutoML 실행을 제출할 때 발생하는 스냅샷 문제가 해결되었습니다.
    • 데이터에 nan이 포함되고 기능화가 해제된 경우 자식 실행 오류가 수정되었습니다.
  • azureml-train-automl-runtime
    • AutoML은 읽는 동안 콘텐츠가 수정될 때 dataprep에서 새 오류 코드를 발생합니다.
    • 사용자 제공 스크립트 없이 AutoML 실행을 제출할 때 발생하는 스냅샷 문제가 해결되었습니다.
    • 데이터에 nan이 포함되고 기능화가 해제된 경우 자식 실행 오류가 수정되었습니다.
  • azureml-train-core
    • 통해 pip_requirements_file 매개 변수에 전달된 pip 요구 사항 파일에서 pip 옵션(예: extra-index-url)을 지정하는 Estimator 지원이 추가되었습니다.

2020-08-03

Python용 Azure Machine Learning SDK v1.11.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • CLI 모델 등록 경로에서 실행 개체에 전달되지 않는 모델 프레임워크 및 모델 프레임워크 수정
    • 테넌트 ID 및 보안 주체 ID를 표시하도록 CLI amlcompute ID 표시 명령 수정
  • azureml-train-automl-client
    • 연결된 모델을 다운로드하지 않고 AutoML 실행에 대한 최적의 자식 실행을 페치하는 get_best_child ()가 AutoMLRun에 추가되었습니다.
    • 모델을 로컬에 다운로드하지 않아도 예측이 원격 학습 환경에서 실행될 수 있도록 하는 ModelProxy 개체가 추가되었습니다.
    • AutoML의 처리되지 않은 예외가 이제 오류에 대한 자세한 정보를 확인할 수 있는 알려진 문제 HTTP 페이지를 가리킵니다.
  • azureml-core
    • 모델 이름은 255자일 수 있습니다.
    • Environment.get_image_details() 반환 개체 형식이 변경되었습니다. DockerImageDetails 클래스가 대체되었습니다 dict. 이미지 세부 정보는 새 클래스 속성에서 사용할 수 있습니다. 변경 내용은 이전 버전과 호환됩니다.
    • 종속성 구조를 유지하도록 Environment.from_pip_requirements()에 대한 버그 수정
    • int 및 double이 동일한 목록에 포함된 경우 log_list 실패하는 버그가 수정되었습니다.
    • 기존 작업 영역에서 프라이빗 링크를 사용하도록 설정하는 동안 작업 영역과 연결된 컴퓨팅 대상이 있는 경우 해당 대상이 작업 영역 프라이빗 엔드포인트와 동일한 가상 네트워크 뒤에 있지 않으면 작동하지 않습니다.
    • 실험에서 데이터 세트를 사용할 때 선택적으로 만들어 as_named_input 지고 추가 및 as_download 에 추가 as_mount 됩니다FileDataset. as_mount 또는 as_download가 호출되면 입력 이름이 자동으로 생성됩니다.
  • azureml-automl-core
    • AutoML의 처리되지 않은 예외가 이제 오류에 대한 자세한 정보를 확인할 수 있는 알려진 문제 HTTP 페이지를 가리킵니다.
    • 연결된 모델을 다운로드하지 않고 AutoML 실행에 대한 최적의 자식 실행을 페치하는 get_best_child ()가 AutoMLRun에 추가되었습니다.
    • 모델을 로컬에 다운로드하지 않아도 예측이 원격 학습 환경에서 실행될 수 있도록 하는 ModelProxy 개체가 추가되었습니다.
  • azureml-pipeline-steps
    • 에 플래그를 AutoMLStep추가 enable_default_model_output 했습니다enable_default_metrics_output. 이러한 플래그를 사용하여 기본 출력을 사용하거나 사용하지 않도록 설정할 수 있습니다.

2020-07-20

Python용 Azure Machine Learning SDK v1.10.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • AutoML을 사용하는 경우 경로가 AutoMLConfig 개체에 전달되고 아직 없는 경우 자동으로 만들어집니다.
    • 이제 사용자는 freq 매개 변수를 사용하여 예측 작업에 대한 시간 계열 빈도를 지정할 수 있습니다.
  • azureml-automl-runtime
    • AutoML을 사용하는 경우 경로가 AutoMLConfig 개체에 전달되고 아직 없는 경우 자동으로 만들어집니다.
    • 이제 사용자는 freq 매개 변수를 사용하여 예측 작업에 대한 시간 계열 빈도를 지정할 수 있습니다.
    • AutoML 예측은 이제 이동 평가를 지원합니다. 이 평가는 테스트 또는 유효성 검사 집합의 길이가 입력 구간보다 길며, 알려진 y_pred 값이 예측 컨텍스트로 사용되는 사용 사례에 적용됩니다.
  • azureml-core
    • 실행 시 데이터 저장소에서 파일이 다운로드되지 않은 경우 경고 메시지가 인쇄됩니다.
    • 에 대한 skip_validation 설명서가 추가되었습니다 Datastore.register_azure_sql_database method.
    • 사용자는 자동으로 승인된 프라이빗 엔드포인트를 만들려면 sdk v1.10.0 이상으로 업그레이드해야 합니다. 여기에는 VNet 뒤에서 사용할 수 있는 Notebook 리소스가 포함됩니다.
    • get workspace에 대한 응답에 NotebookInfo가 노출됩니다.
    • 컴퓨팅 대상을 나열하고 컴퓨팅 대상을 가져오는 호출이 원격 실행에서 성공하도록 변경되었습니다. 컴퓨팅 대상을 가져오고 작업 영역 컴퓨팅 대상을 나열하는 SDK 함수가 이제 원격 실행에서 작동합니다.
    • azureml.core.image 클래스에 대한 클래스 설명에 사용 중단 메시지를 추가합니다.
    • 작업 영역 프라이빗 엔드포인트 만들기가 실패하면 예외를 throw하고 작업 영역 및 종속 리소스를 클린.
    • 작업 영역 업데이트 메서드에서 작업 영역 sku 업그레이드를 지원합니다.
  • azureml-datadrift
    • Python 3.8을 지원하도록 matplotlib 버전이 3.0.2에서 3.2.1로 업데이트되었습니다.
  • azureml-dataprep
    • 웹 URL 데이터 원본에 대한 지원 또는 Head 요청이 추가되었습니다Range.
    • 파일 데이터 세트 탑재 및 다운로드의 안정성이 향상되었습니다.
  • azureml-train-automl-client
    • setuptools에서 제거 RequirementParseError 와 관련된 문제가 해결되었습니다.
    • "compute_target='local'"을 사용하여 제출된 로컬 실행에 conda 대신 docker를 사용합니다.
    • 콘솔에 인쇄된 반복 기간이 수정되었습니다. 이전에는 반복 기간이 런타임에서 실행 생성 시간을 뺀 값으로 인쇄되기도 했습니다. 실행 종료 시간에서 실행 시작 시간을 뺀 값으로 수정되었습니다.
    • AutoML을 사용하는 경우 경로가 AutoMLConfig 개체에 전달되고 아직 없는 경우 자동으로 만들어집니다.
    • 이제 사용자는 freq 매개 변수를 사용하여 예측 작업에 대한 시간 계열 빈도를 지정할 수 있습니다.
  • azureml-train-automl-runtime
    • 최상의 모델 설명이 실패할 때 콘솔 출력이 향상되었습니다.
    • 입력 매개 변수의 이름을 "blocked_models"로 변경하여 중요한 용어를 제거했습니다.
      • 중요한 용어를 제거하기 위해 입력 매개 변수의 이름을 "allowed_models"으로 변경했습니다.
    • 이제 사용자는 freq 매개 변수를 사용하여 예측 작업에 대한 시간 계열 빈도를 지정할 수 있습니다.

2020-07-06

Python용 Azure Machine Learning SDK v1.9.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • AutoML 자동 생성된 채점 스크립트에서 get_model_path()를 AZUREML_MODEL_DIR 환경 변수로 바꿉니다. init() 중에 오류를 추적하는 원격 분석도 추가되었습니다.
    • AutoMLConfig의 일부로 enable_cache를 지정하는 기능이 제거되었습니다.
    • 특정 예측 실행 중 서비스 오류로 실행이 실패할 수 있는 버그 수정
    • get_output 도중 특정 모델에 대한 오류 처리 개선
    • y 변환기를 사용한 분류를 위해 fitted_model.fit(X, y)에 대한 호출이 수정되었습니다.
    • 예측 작업에 대해 사용자 지정된 전달 채우기 전환기 사용
    • dict 형식의 예측 매개 변수 대신 새로운 ForecastingParameters 클래스가 사용됩니다.
    • 향상된 대상 지연 자동 검색
    • BERT를 통한 다중 노드, 다중 GPU 분산 기능화의 제한된 가용성이 추가됨
  • azureml-automl-runtime
    • 이제 예언자는 곱하기 대신 가산성 계절성 모델링을 수행합니다.
    • 짧은 곡물의 빈도가 긴 곡물과 다른 경우 실행이 실패하는 문제를 해결했습니다.
  • azureml-contrib-automl-dnn-vision
    • 학습 및 점수 매기기용 시스템/gpu 통계 및 로그 평균 수집
  • azureml-contrib-mir
    • ManagedInferencing에서 enable-app-insights 플래그에 대한 지원이 추가됨
  • azureml-core
    • 현재 컴퓨팅에서 데이터 원본에 액세스할 수 없는 경우 유효성 검사를 건너뛸 수 있도록 하는 이러한 API에 대한 유효성 검사 매개 변수.
      • TabularDataset.time_before(end_time, include_boundary=True, validate=True)
      • TabularDataset.time_after(start_time, include_boundary=True, validate=True)
      • TabularDataset.time_recent(time_delta, include_boundary=True, validate=True)
      • TabularDataset.time_between(start_time, end_time, include_boundary=True, validate=True)
    • 모델 목록에 대한 프레임워크 필터링 지원 추가 및 Notebook Back에 NCD AutoML 샘플 추가
    • Datastore.register_azure_blob_container 및 Datastore.register_azure_file_share(SAS 토큰을 지원하는 옵션만)에서 일반적인 읽기 및 쓰기 시나리오에 대한 최소 권한 요구 사항을 포함하도록 sas_token 필드에 대한 문서 문자열이 업데이트되었습니다.
    • ws.get_mlflow_tracking_uri()에서 _with_auth 매개 변수 사용 중단
  • azureml-mlflow
    • AzureML-MLflow를 사용하여 로컬 file:// 모델 배포에 대한 지원 추가
    • ws.get_mlflow_tracking_uri()에서 _with_auth 매개 변수 사용 중단
  • azureml-opendatasets
    • 최근에 게시된 Covid-19 추적 데이터 세트는 이제 SDK에서 사용할 수 있습니다.
  • azureml-pipeline-core
    • "azureml-defaults"가 pip-dependency의 일부로 포함되지 않은 경우 로그 아웃 경고
    • 메모 렌더링을 개선합니다.
    • 구분된 파일을 PipelineOutputFileDataset로 구문 분석할 때 따옴표 붙은 줄 바꿈에 대한 지원이 추가되었습니다.
    • PipelineDataset 클래스는 더 이상 사용되지 않습니다. 자세한 내용은 https://aka.ms/dataset-deprecation를 참조하세요. 파이프라인에서 데이터 세트를 사용하는 방법을 알아보려면 https://aka.ms/pipeline-with-dataset를 참조하세요.
  • azureml-pipeline-steps
    • azureml-pipeline-steps에 대한 Doc 업데이트입니다.
    • 사용자가 나머지 구성과 함께 또는 별도의 파일에서 환경을 인라인으로 정의할 수 있도록 ParallelRunConfig load_yaml() 의 지원이 추가되었습니다.
  • azureml-train-automl-client.
    • AutoMLConfig의 일부로 enable_cache를 지정하는 기능이 제거되었습니다.
  • azureml-train-automl-runtime
    • BERT를 사용하여 다중 고개를 끄덕인 다중 gpu 분산 기능화의 제한된 가용성을 추가했습니다.
    • ADB 기반 자동화된 기계 학습 실행에서 호환되지 않는 패키지에 대한 오류 처리가 추가되었습니다.
  • azureml-widgets
    • azureml-widgets에 대한 Doc 업데이트입니다.

2020-06-22

Python용 Azure Machine Learning SDK v1.8.0

• 미리 보기 기능

  • azureml-contrib-fairness 패키지는 azureml-contrib-fairness 오픈 소스 공정성 평가와 불공정 완화 패키지 Fairlearn과 Azure Machine Learning 스튜디오 간의 통합을 제공합니다. 특히 이 패키지를 사용하면 모델 공정성 평가 대시보드를 Azure Machine Learning 실행의 일부로 업로드하고 Azure Machine Learning 스튜디오

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • init 컨테이너의 로그 가져오기를 지원합니다.
    • ComputeInstance를 관리하는 새 CLI 명령 추가
  • azureml-automl-core
    • 이제 사용자는 잠재적으로 과잉 맞춤될 수 있다는 경고와 스택 앙상블 반복을 시계열 작업에 사용하도록 설정할 수 있습니다.
    • 캐시 저장소 콘텐츠가 변조된 경우에 발생하는 새 유형의 사용자 예외가 추가됨
  • azureml-automl-runtime
    • 사용자가 기능화를 사용하지 않도록 설정하면 클래스 분산 스윕이 더 이상 사용하도록 설정되지 않습니다.
  • azureml-contrib-Notebook
    • azureml-contrib-Notebook 패키지에 대한 문서 개선 사항입니다.
  • azureml-contrib-pipeline-steps
    • azureml-contrib--pipeline-steps 패키지에 대한 문서 개선.
  • azureml-core
    • 고객이 작업 영역 연결 리소스에서 작업을 수행할 수 있도록 set_connection, get_connection, list_connections, delete_connection 함수 추가
    • zureml-coore/azureml.exceptions 패키지에 대한 설명서 업데이트.
    • azureml-core 패키지에 대한 설명서 업데이트입니다.
    • ComputeInstance 클래스에 대한 Doc 업데이트입니다.
    • azureml-core/azureml.core.compute 패키지에 대한 Doc 개선 사항.
    • azureml-core의 웹 서비스 관련 클래스에 대한 문서 개선 사항입니다.
    • 사용자가 선택한 데이터 저장소를 지원하여 프로파일링 데이터 저장
    • 모델 목록 API에 대한 확장 및 page_count 속성 추가됨
    • 덮어쓰기 속성을 제거하면 제출된 실행이 역직렬화 오류로 인해 실패하는 버그가 수정되었습니다.
    • 단일 파일을 참조하는 FileDataset을 다운로드하거나 탑재할 때 일관성 없는 폴더 구조가 수정되었습니다.
    • 이제 parquet 파일 to_spark_dataframe 데이터 세트를 로드하는 것이 더 빨라지고 모든 parquet 및 Spark SQL 데이터 형식을 지원합니다.
    • init 컨테이너의 로그 가져오기를 지원합니다.
    • AutoML 실행이 이제 병렬 실행 단계의 자식 실행으로 표시됩니다.
  • azureml-datadrift
    • azureml-contrib-Notebook 패키지에 대한 문서 개선 사항입니다.
  • azureml-dataprep
    • 이제 parquet 파일 to_spark_dataframe 데이터 세트를 로드하는 것이 더 빨라지고 모든 parquet 및 Spark SQL 데이터 형식을 지원합니다.
    • to_pandas_dataframe 대한 OutOfMemory 문제에 대한 더 나은 메모리 처리
  • azureml-interpret
    • interpret-community 버전 0.12를 사용하도록 azureml-interpret가 업그레이드되었습니다.*
  • azureml-mlflow
    • azureml-mlflow에 대한 문서 개선 사항.
    • MLFlow를 사용하여 AML 모델 레지스트리에 대한 지원을 추가합니다.
  • azureml-opendatasets
    • Python 3.8에 대한 지원이 추가됨
  • azureml-pipeline-core
    • 내부 클래스임을 명시하도록 PipelineDataset의 설명서가 업데이트되었습니다.
    • "--group_column_names", "Col1", "Col2", "Col3" 등 한 인수에 대해 여러 값을 허용하도록 ParallelRunStep 업데이트
    • Pipelines에서 AutoMLStep을 사용하여 중간 데이터 사용에 대한 passthru_automl_config 요구 사항을 제거했습니다.
  • azureml-pipeline-steps
    • azureml-pipeline-steps 패키지에 대한 문서 개선 사항입니다.
    • Pipelines에서 AutoMLStep을 사용하여 중간 데이터 사용에 대한 passthru_automl_config 요구 사항을 제거했습니다.
  • azureml-telemetry
    • azureml-telemetry에 대한 문서 개선.
  • azureml-train-automl-client
    • AutoMLConfig 개체에서 experiment.submit()가 두 번 호출되어 다른 동작을 발생시킨 버그가 수정되었습니다.
    • 이제 사용자는 잠재적으로 과잉 맞춤될 수 있다는 경고와 스택 앙상블 반복을 시계열 작업에 사용하도록 설정할 수 있습니다.
    • 서비스에서 사용자 오류를 throw하는 경우 UserErrorException을 발생하도록 AutoML 실행 동작이 변경됨
    • 원격 컴퓨팅 대상에서 AutoML 실험을 수행할 때 azureml_automl.log 생성되지 않거나 로그가 누락된 버그를 수정합니다.
    • 불균형 클래스가 있는 분류 데이터 집합의 경우 가중치 분산을 적용합니다. 기능 스위퍼가 하위 샘플링된 데이터의 경우 가중치 분산이 특정 임계값으로 분류 작업의 성능을 향상시킨다고 판단하는 경우
    • AutoML 실행이 이제 병렬 실행 단계의 자식 실행으로 표시됩니다.
  • azureml-train-automl-runtime
    • 서비스에서 사용자 오류를 throw하는 경우 UserErrorException을 발생하도록 AutoML 실행 동작이 변경됨
    • AutoML 실행이 이제 병렬 실행 단계의 자식 실행으로 표시됩니다.

2020-06-08

Python용 Azure Machine Learning SDK v1.7.0

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • CLI 명령 및 패키지 종속성을 클린 mir contrib에서 모델 프로파일링을 제거했습니다. 모델 프로파일링은 코어에서 사용할 수 있습니다.
    • 최소 Azure CLI 버전을 2.3.0으로 업그레이드합니다.
  • azureml-automl-core
    • 사용자 지정 변환기 매개 변수로 인한 기능화 단계 fit_transform()에 대한 예외 메시지 개선.
    • 자동화된 ML의 BERT와 같은 딥 러닝 변환기 모델에 대한 여러 언어에 대한 지원을 추가합니다.
    • 설명서에서 사용되지 않는 lag_length 매개 변수 제거.
    • 예측 매개 변수 설명서가 향상되었습니다. lag_length 매개 변수는 더 이상 사용되지 않습니다.
  • azureml-automl-runtime
    • 예측/테스트 시간에 범주 열 중 하나가 비어 있을 때 발생하는 오류를 수정했습니다.
    • 조회 기능을 사용하도록 설정하고 데이터에 짧은 곡물을 포함할 때 발생하는 실행 오류를 수정합니다.
    • 지연 또는 롤링 창이 'auto'로 설정된 경우 중복된 시간 인덱스 오류 메시지와 관련된 문제를 해결했습니다.
    • 조회 기능을 포함하는 데이터 집합에서 Prophet 및 Arima 모델의 문제를 해결했습니다.
    • 예측 작업의 날짜 시간 열에 1677-09-21 이전 또는 2262-04-11 이후의 날짜 지원이 추가되었습니다. 오류 메시지가 개선되었습니다.
    • 예측 매개 변수 설명서가 향상되었습니다. lag_length 매개 변수는 더 이상 사용되지 않습니다.
    • 사용자 지정 변환기 매개 변수로 인한 기능화 단계 fit_transform()에 대한 예외 메시지 개선.
    • 자동화된 ML의 BERT와 같은 딥 러닝 변환기 모델에 대한 여러 언어에 대한 지원을 추가합니다.
    • 일부 OSErrors를 발생시키는 캐시 작업으로 인해 사용자 오류가 발생합니다.
    • 학습 및 유효성 검사 데이터의 개수와 열 집합이 같도록 검사 추가됨
    • 데이터에 따옴표가 포함된 경우 자동 생성된 AutoML 점수 매기기 스크립트와 관련된 문제가 해결되었습니다.
    • AutoML 예언자 및 예언자 모델이 포함된 앙상블 모델에 대한 설명을 사용하도록 설정합니다.
    • 최근 고객 문제로 클래스 분산 논리가 제대로 활성화되지 않은 경우에도 Class-Balancing-Sweeping을 따라 메시지를 기록하는 라이브 사이트 버그가 나타났습니다. 이 PR을 사용하여 해당 로그/메시지 제거.
  • azureml-cli-common
    • CLI 명령 및 패키지 종속성을 클린 mir contrib에서 모델 프로파일링을 제거했습니다. 모델 프로파일링은 코어에서 사용할 수 있습니다.
  • azureml-contrib-reinforcementlearning
    • 부하 테스트 도구
  • azureml-core
    • Script_run_config.py 대한 설명서 변경 내용
    • 실행 submit-pipeline CLI의 출력을 인쇄하여 버그 수정
    • azureml-core/azureml.data에 대한 설명서 개선 사항
    • hdfs getconf 명령을 사용하여 스토리지 계정을 검색할 때 발생하는 문제 해결
    • 향상된 register_azure_blob_container 및 register_azure_file_share 설명서
  • azureml-datadrift
    • 데이터 세트 드리프트 모니터 비활성화 및 활성화 구현 개선
  • azureml-interpret
    • 설명 클라이언트에서 아티팩트에서 업로드할 때 json serialization 전에 NaN 또는 Infs를 제거합니다.
    • 많은 기능 및 클래스를 사용하여 전역 설명에 대한 메모리 부족 오류를 개선하기 위해 최신 버전의 interpret-community로 업데이트
    • 설명 업로드에 true_ys 선택적 매개 변수를 추가하여 스튜디오 UI에서 더 많은 기능을 사용하도록 설정
    • download_model_explanations() 및 list_model_explanations() 성능 향상
    • 디버깅을 지원하기 위해 Notebook에 대한 작은 조정
  • azureml-opendatasets
    • azureml-opendatasets에는 azureml-dataprep 버전 1.4.0 이상이 필요합니다. 하위 버전이 검색되면 경고가 추가됨
  • azureml-pipeline-core
    • 이 변경을 통해 사용자는 모듈을 호출할 때 moduleVersion에 선택적 runconfig를 제공할 수 있습니다. Publish_python_script.
    • 노드 계정 사용은 azureml.pipeline.steps의 ParallelRunStep에서 파이프라인 매개 변수일 수 있습니다.
  • azureml-pipeline-steps
    • 이 변경을 통해 사용자는 모듈을 호출할 때 moduleVersion에 선택적 runconfig를 제공할 수 있습니다. Publish_python_script.
  • azureml-train-automl-client
    • 자동화된 ML의 BERT와 같은 딥 러닝 변환기 모델에 대한 여러 언어에 대한 지원을 추가합니다.
    • 설명서에서 사용되지 않는 lag_length 매개 변수 제거.
    • 예측 매개 변수 설명서가 향상되었습니다. lag_length 매개 변수는 더 이상 사용되지 않습니다.
  • azureml-train-automl-runtime
    • AutoML 예언자 및 예언자 모델이 포함된 앙상블 모델에 대한 설명을 사용하도록 설정합니다.
    • azureml-train-automl-* 패키지에 대한 설명서 업데이트.
  • azureml-train-core
    • PyTorch Estimator에서 TensorFlow 버전 2.1 지원
    • azureml-train-core 패키지 개선.

2020-05-26

Python용 Azure Machine Learning SDK v1.6.0

• 새로운 기능

  • azureml-automl-runtime

    • 이제 AutoML 예측이 모델을 재학습시키지 않고 미리 지정된 최대 구간을 초과하는 고객 예측을 지원합니다. 예측 대상이 지정된 최대 구간보다 더 향후에 있는 경우, forecast() 함수는 재귀 작업 모드를 사용하여 이후 날짜까지 지점 예측을 수행합니다. 새 함수에 대한 설명은 폴더에 있는 "forecasting-forecast-function" Notebook의 "최대 구간보다 더 멀리 예측" 섹션을 참조하세요.

  • azureml-pipeline-steps

    • ParallelRunStep이 이제 릴리스되었으며 azureml-pipeline-steps 패키지의 일부입니다. azureml-contrib-pipeline-steps 패키지의 기존 ParallelRunStep은 더 이상 사용되지 않습니다. 공개 미리 보기 버전의 변경 내용:
      • 지정된 일괄 처리에 대한 실행 메서드에 대한 최대 호출을 제어하는 선택적 구성 가능 매개 변수가 추가되었습니다 run_max_try . 기본값은 3입니다.
      • PipelineParameter가 더 이상 자동 생성되지 않습니다. 다음 구성 가능한 값은 명시적으로 PipelineParameter로 설정할 수 있습니다.
        • mini_batch_size
        • node_count
        • process_count_per_node
        • logging_level
        • run_invocation_timeout
        • run_max_try
      • process_count_per_node 기본값은 1로 변경됩니다. 성능을 개선하려면 사용자가 이 값을 조정해야 합니다. GPU 또는 CPU 노드의 수로 설정하는 것이 가장 좋습니다.
      • ParallelRunStep은 패키지를 주입하지 않으며, 사용자는 azureml-core 및 azureml-dataprep[pandas, fuse] 패키지를 환경 정의에 포함해야 합니다. 사용자 지정 docker 이미지가 user_managed_dependencies 함께 사용되는 경우 사용자는 이미지에 conda를 설치해야 합니다.

• 주요 변경 내용

  • azureml-pipeline-steps
    • azureml.dprep.Dataflow가 더 이상 AutoMLConfig의 유효한 입력 형식으로 사용되지 않음
  • azureml-train-automl-client
    • azureml.dprep.Dataflow가 더 이상 AutoMLConfig의 유효한 입력 형식으로 사용되지 않음

• 버그 수정 및 개선 사항

  • azureml-automl-core
    • get_output 중에 사용자에게 클라이언트 다운그레이드를 요청하는 경고가 인쇄될 수 있는 버그를 수정했습니다.
    • 아직 버전 10에서 사용할 수 없으므로 cudatoolkit=9.0을 사용하도록 Mac을 업데이트했습니다.
    • 원격 컴퓨팅에 대해 학습된 경우 prophet 및 xgboost 모델에 대한 제한 제거.
    • AutoML의 로깅 개선
    • 예측 작업의 사용자 지정 기능화에 대한 오류 처리가 향상되었습니다.
    • 사용자가 지연된 기능을 포함하여 예측을 생성할 수 있는 기능이 추가되었습니다.
    • 오류 메시지를 업데이트 사용자 오류를 올바르게 표시합니다.
    • training_data에 사용할 cv_split_column_names 지원
    • 예외 메시지 및 역추적 로깅 업데이트.
  • azureml-automl-runtime
    • 누락된 값 대체 예측을 위한 가드 레일 지원.
    • AutoML의 로깅 개선
    • 데이터 준비 예외에 대한 세분화된 오류 처리가 추가됨
    • 원격 컴퓨팅에 대해 학습된 경우 prophet 및 xgboost 모델에 대한 제한 제거.
    • azureml-train-automl-runtime및 azureml-automl-runtime 에 scipycudatoolkit대한 pytorch종속성을 업데이트했습니다. 이제 pytorch==1.4.0, scipy>=1.0.0,<=1.3.1 및 cudatoolkit==10.1.243을 지원합니다.
    • 예측 작업의 사용자 지정 기능화에 대한 오류 처리가 향상되었습니다.
    • 예측 데이터 집합 빈도 검색 메커니즘이 향상되었습니다.
    • 일부 데이터 집합에 대한 Prophet 모델 학습과 관련된 문제가 해결되었습니다.
    • 예측 중에 최대 수평선의 자동 검색이 개선되었습니다.
    • 사용자가 지연된 기능을 포함하여 예측을 생성할 수 있는 기능이 추가되었습니다.
    • 예측 모델을 재학습시키지 않고 학습된 구간을 넘어 예측을 제공할 수 있도록 예측 함수에 기능이 추가되었습니다.
    • training_data에 사용할 cv_split_column_names 지원
  • azureml-contrib-automl-dnn-forecasting
    • AutoML의 로깅 개선
  • azureml-contrib-mir
    • ManagedInferencing에서 Windows 서비스에 대한 지원이 추가됨
    • MIR 컴퓨팅 연결과 같은 이전 MIR 워크플로 제거, SingleModelMirWebservice 클래스 - contrib-mir 패키지에 배치된 모델 프로파일링 제거
  • azureml-contrib-pipeline-steps
    • YAML 지원에 대한 사소한 수정 사항
    • ParallelRunStep이 일반 공급으로 릴리스됨 - azureml.contrib.pipeline.steps에 사용 중단 알림이 있으며 azureml.pipeline.steps로 이동합니다.
  • azureml-contrib-reinforcementlearning
    • RL 부하 테스트 도구
    • RL 예측 도구에 스마트 기본값이 있음
  • azureml-core
    • MIR 컴퓨팅 연결과 같은 이전 MIR 워크플로 제거, SingleModelMirWebservice 클래스 - contrib-mir 패키지에 배치된 모델 프로파일링 제거
    • 프로파일링 실패 시 사용자에게 제공된 정보를 수정했습니다. 여기에는 요청 ID가 포함되어 있고 메시지를 더 의미 있는 것으로 다시 입력했습니다. 프로파일링 실행기에게 새 프로파일링 워크플로 추가
    • 데이터 세트 실행 실패의 오류 텍스트가 향상되었습니다.
    • 작업 영역 프라이빗 링크 CLI 지원이 추가되었습니다.
    • 잘못된 JSON을 포함하는 줄을 처리하는 방법을 지정할 수 있는 선택적 매개 변수 invalid_linesDataset.Tabular.from_json_lines_files 가 추가되었습니다.
    • 다음 릴리스에서는 실행 기반 컴퓨팅 생성을 더 이상 사용하지 않을 예정입니다. 실제 Amlcompute 클러스터를 영구 컴퓨팅 대상으로 만들고 클러스터 이름을 실행 구성에서 컴퓨팅 대상으로 사용하는 것이 좋습니다. 예제 전자 필기장 참조: aka.ms/amlcomputenb
    • 데이터 세트 실행 실패의 오류 메시지가 개선되었습니다.
  • azureml-dataprep
    • pyarrow 버전을 업그레이드하라는 경고가 더 명시적으로 바뀌었습니다.
    • 데이터 흐름을 실행하지 못한 경우 오류 처리 및 반환된 메시지가 개선되었습니다.
  • azureml-interpret
    • azureml-interpret 패키지에 대한 설명서 업데이트입니다.
    • 최신 sklearn 업데이트와 호환되도록 해석력 패키지 및 Notebook 수정
  • azureml-opendatasets
    • 반환된 데이터가 없는 경우 None을 반환합니다.
    • to_pandas_dataframe 성능을 향상시킵니다.
  • azureml-pipeline-core
    • YAML 로드가 중단된 ParallelRunStep에 대한 빠른 수정
    • ParallelRunStep은 일반 공급으로 릴리스됩니다. azureml.contrib.pipeline.steps에는 사용 중단 알림이 있으며 azureml.pipeline.steps로 이동합니다. 새로운 기능에는 1이 포함됩니다. PipelineParameter 2로 데이터 세트. 새 매개 변수 run_max_retry 3. 구성 가능한 append_row 출력 파일 이름
  • azureml-pipeline-steps
    • 입력 데이터에 유효한 형식으로 azureml.dprep.Dataflow가 사용되지 않습니다.
    • YAML 로드가 중단된 ParallelRunStep에 대한 빠른 수정
    • ParallelRunStep이 일반 공급으로 릴리스됨 - azureml.contrib.pipeline.steps에는 사용 중단 알림이 있으며 azureml.pipeline.steps로 이동됩니다. 새로운 기능은 다음과 같습니다.
      • PipelineParameter로 데이터 세트
      • 새 매개 변수 run_max_retry
      • 구성 가능한 append_row 출력 파일 이름
  • azureml-telemetry
    • 예외 메시지 및 역추적 로깅 업데이트.
  • azureml-train-automl-client
    • AutoML의 로깅 개선
    • 오류 메시지를 업데이트 사용자 오류를 올바르게 표시합니다.
    • training_data에 사용할 cv_split_column_names 지원
    • 입력 데이터에 유효한 형식으로 azureml.dprep.Dataflow가 사용되지 않습니다.
    • 아직 버전 10에서 사용할 수 없으므로 cudatoolkit=9.0을 사용하도록 Mac을 업데이트했습니다.
    • 원격 컴퓨팅에 대해 학습된 경우 prophet 및 xgboost 모델에 대한 제한 제거.
    • azureml-train-automl-runtime및 azureml-automl-runtime 에 scipycudatoolkit대한 pytorch종속성을 업데이트했습니다. 이제 pytorch==1.4.0, scipy>=1.0.0,<=1.3.1 및 cudatoolkit==10.1.243을 지원합니다.
    • 사용자가 지연된 기능을 포함하여 예측을 생성할 수 있는 기능이 추가되었습니다.
  • azureml-train-automl-runtime
    • AutoML의 로깅 개선
    • 데이터 준비 예외에 대한 세분화된 오류 처리가 추가됨
    • 원격 컴퓨팅에 대해 학습된 경우 prophet 및 xgboost 모델에 대한 제한 제거.
    • azureml-train-automl-runtime및 azureml-automl-runtime 에 scipycudatoolkit대한 pytorch종속성을 업데이트했습니다. 이제 pytorch==1.4.0, scipy>=1.0.0,<=1.3.1 및 cudatoolkit==10.1.243을 지원합니다.
    • 오류 메시지를 업데이트 사용자 오류를 올바르게 표시합니다.
    • training_data에 사용할 cv_split_column_names 지원
  • azureml-train-core
    • 새 HyperDrive 관련 예외 집합을 추가했습니다. azureml.train.hyperdrive는 이제 자세한 예외를 발생시킵니다.
  • azureml-widgets
    • JupyterLab에 Azure Machine Learning 위젯이 표시되지 않음

2020-05-11

Python용 Azure Machine Learning SDK v1.5.0

• 새로운 기능

  • 미리 보기 기능
    • azureml-contrib-reinforcementlearning
      • Azure Machine Learning은 Ray 프레임워크를 사용하여 강화 학습에 대한 미리 보기 지원을 릴리스합니다. 이를 ReinforcementLearningEstimator 통해 Azure Machine Learning에서 GPU 및 CPU 컴퓨팅 대상에서 강화 학습 에이전트를 학습할 수 있습니다.

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • 이전 PR에서 실수로 남은 경고 로그를 수정합니다. 로그는 디버깅에 사용되었으며 실수로 남아 있었습니다.
    • 버그 수정: 프로파일링 중 부분 오류에 대해 클라이언트에 알릴 수 있습니다.
  • azureml-automl-core
    • 데이터 세트에 여러 시계열이 있는 경우 시계열에 병렬 맞춤을 사용하도록 설정하여 AutoML 예측에서 Prophet/AutoArima 모델의 속도를 향상합니다. 이 새로운 기능을 활용하려면 AutoMLConfig에서 "max_cores_per_iteration = -1"(즉, 사용 가능한 모든 cpu 코어 사용)을 설정하는 것이 좋습니다.
    • 콘솔 인터페이스에서 가드 레일 인쇄 시 KeyError 수정
    • experimentation_timeout_hours에 대한 오류 메시지 수정
    • AutoML에 TensorFlow 모델이 사용되지 않습니다.
  • azureml-automl-runtime
    • experimentation_timeout_hours에 대한 오류 메시지 수정
    • 캐시 저장소에서 역직렬화하려고 할 때 분류되지 않은 예외가 수정됨
    • 데이터 세트에 여러 시계열이 있는 경우 시계열에 병렬 맞춤을 사용하도록 설정하여 AutoML 예측에서 Prophet/AutoArima 모델의 속도를 향상합니다.
    • 테스트/예측 집합에 학습 집합의 조직 중 하나가 포함되지 않은 경우, 데이터 세트에서 이동 기간이 설정된 예측을 수정했습니다.
    • 누락된 데이터 처리 개선
    • 데이터 세트에 대해 예측하는 동안 시간순으로 정렬되지 않은 시계열을 포함하는 예측 간격 문제를 해결했습니다.
    • 예측 작업에서 데이터 셰이프에 대한 향상된 유효성 검사를 추가했습니다.
    • 빈도 검색이 향상되었습니다.
    • 예측 작업에 대한 교차 유효성 검사를 생성할 수 없는 경우 더 나은 오류 메시지를 생성합니다.
    • 누락된 값 가드레일을 올바르게 인쇄하도록 콘솔 인터페이스를 수정합니다.
    • AutoMLConfig의 cv_split_indices 입력에 데이터 형식 검사 적용
  • azureml-cli-common
    • 버그 수정: 프로파일링 중 부분 오류에 대해 클라이언트에 알릴 수 있습니다.
  • azureml-contrib-mir
    • 현재 배포된 MIR 수정 버전 및 사용자가 지정한 최신 버전에 대한 정보를 릴레이하는 azureml.contrib.mir.RevisionStatus 클래스를 추가합니다. 이 클래스는 'deployment_상태' 특성 아래 MirWebservice 개체에 포함됩니다.
    • MirWebservice 형식의 Webservices 및 해당 자식 클래스 SingleModelMirWebservice에서 업데이트를 사용하도록 설정합니다.
  • azureml-contrib-reinforcementlearning
    • Ray 0.8.3에 대한 지원 추가
    • AmlWindowsCompute는 탑재된 스토리지로 Azure Files만 지원합니다.
    • health_검사_timeout 이름이 health_검사_timeout_seconds
    • 일부 클래스/메서드 설명을 수정했습니다.
  • azureml-core
    • Azure Government 및 중국 클라우드에서 WASB -> Blob 변환을 지원합니다.
    • 읽기 권한자 역할이 az ml run CLI 명령을 사용하여 실행 정보를 가져올 수 있도록 버그 수정
    • 입력 데이터 세트를 사용하여 Azure Machine Learning 원격 실행 중에 불필요한 로깅이 제거되었습니다.
    • 이제 RCranPackage는 CRAN 패키지 버전에 대해 "version" 매개 변수를 지원합니다.
    • 버그 수정: 프로파일링 중 부분 오류에 대해 클라이언트에 알릴 수 있습니다.
    • azureml-core에 대한 유럽식 부동 소수자 처리가 추가되었습니다.
    • Azure Machine Learning sdk에서 작업 영역 프라이빗 링크 기능을 사용하도록 설정했습니다.
    • 를 사용하여 from_delimited_filesTabularDataset을 만들 때 부울 인수 empty_as_string를 설정하여 빈 값을 None으로 로드할지 또는 빈 문자열로 로드할지 지정할 수 있습니다.
    • 데이터 세트에 대한 유럽 스타일의 부동 처리를 추가했습니다.
    • 데이터 세트 탑재 실패 시 오류 메시지가 개선되었습니다.
  • azureml-datadrift
    • SDK의 데이터 드리프트 결과 쿼리에는 최소, 최대 및 평균 기능 메트릭을 구분하지 않는 버그가 발생하여 값이 중복되었습니다. 메트릭 이름에 대상 또는 기준을 접두사로 지정하여 이 버그를 수정했습니다. 이전: 중복 최소, 최대, 평균. 이후: target_min, target_max, target_mean, baseline_min, baseline_max, baseline_mean.
  • azureml-dataprep
    • 데이터 배달에 필요한 .NET 종속성을 보장할 때 쓰기가 제한된 Python 환경 처리를 개선합니다.
    • 선행 빈 레코드가 있는 파일에서 데이터 흐름 만들기가 수정되었습니다.
    • 유사한 to_pandas_dataframe오류 처리 옵션이 to_partition_iterator 추가되었습니다.
  • azureml-interpret
    • Windows 제한을 초과할 가능성을 줄이기 위해 설명 경로 길이 제한을 줄입니다.
    • 선형 서로게이트 모델을 사용하여 모방 설명자를 사용하여 만든 스파스 설명에 대한 버그픽스입니다.
  • azureml-opendatasets
    • MNIST 열의 문제 해결은 int여야 하는 문자열로 구문 분석됩니다.
  • azureml-pipeline-core
    • ModuleStep에 포함된 모듈을 사용할 때 regenerate_outputs 옵션을 허용합니다.
  • azureml-train-automl-client
    • AutoML에 TensorFlow 모델이 사용되지 않습니다.
    • 사용자가 로컬 모드에서 지원되지 않는 알고리즘을 나열할 수 있는 문제 수정
    • Doc이 AutoMLConfig를 수정합니다.
    • AutoMLConfig의 cv_split_indices 입력에 데이터 형식 검사 적용
    • show_output에서 AutoML 실행이 실패하는 문제 해결
  • azureml-train-automl-runtime
    • 모델 다운로드 시간 초과가 성공적으로 시작되지 않도록 하는 Ensemble 반복의 버그 수정
  • azureml-train-core
    • azureml.train.dnn.Nccl 클래스에서 오타를 수정합니다.
    • PyTorch 추정기에서 PyTorch 버전 1.5 지원
    • 학습 프레임워크 추정기를 사용할 때 Azure Government 지역에서 프레임워크 이미지를 가져올 수 없는 문제 해결

2020-05-04

새 전자 필기장 환경

이제 Azure Machine Learning 스튜디오 웹 환경 내에서 직접 기계 학습 Notebook 및 파일을 만들고, 편집하고, 공유할 수 있습니다. Azure Machine Learning Python SDK에서 제공되는 모든 클래스와 메서드를 이러한 Notebook 내에서 사용할 수 있습니다. 시작하려면 작업 영역에서 Jupyter Notebook 실행 문서를 참조하세요.

새로 도입된 기능:

• Visual Studio Code에서 사용하는 향상된 편집기(모나코 편집기)
• UI/UX 개선 사항
• 셀 도구 모음
• 새 Notebook 도구 모음 및 컴퓨팅 컨트롤
• Notebook 상태 표시줄
• 인라인 커널 전환
• R 지원
• 접근성 및 지역화 개선 사항
• 명령 팔레트
• 기타 바로 가기 키
• 자동 저장
• 향상된 성능 및 안정성

스튜디오에서 다음 웹 기반 제작 도구에 액세스합니다.

웹 기반 도구	설명
Azure Machine Learning Studio Notebooks	Notebook 파일에 대한 동급 최초의 작성 및 Azure Machine Learning Python SDK에서 사용할 수 있는 모든 작업을 지원합니다.

2020-04-27

Python용 Azure Machine Learning SDK v1.4.0

• 새로운 기능

  • 이제 AmlCompute 클러스터를 프로비저닝할 때 클러스터에 관리 ID를 설정할 수 있습니다. 시스템 할당 ID를 사용할지, 아니면 사용자 할당 ID를 사용할지 지정하고 후자의 경우 identityId를 전달합니다. 그런 다음 현재 AmlCompute에서 사용하는 토큰 기반 접근 방식 대신 컴퓨팅 ID를 사용하여 데이터에 안전하게 액세스하는 방식으로 스토리지 또는 ACR과 같은 다양한 리소스에 액세스할 수 있는 권한을 설정할 수 있습니다. 매개 변수에 대한 자세한 내용은 SDK 참조를 확인하세요.

• 주요 변경 내용

  • AmlCompute 클러스터는 2주 후에 더 이상 사용되지 않는 실행 기반 만들기에 대한 미리 보기 기능을 지원했습니다. Amlcompute 클래스를 사용하여 항상 영구적 컴퓨팅 대상을 계속 만들 수 있지만 실행 구성에서 컴퓨팅 대상으로 식별자 "amlcompute"를 지정하는 특정 접근 방식은 곧 지원되지 않습니다.

• 버그 수정 및 개선 사항

  • azureml-automl-runtime
    • 열의 고유 값 수를 계산할 때 해시할 수 없는 형식에 대한 지원이 구현되었습니다.
  • azureml-core
    • TabularDataset를 사용하여 Azure Blob Storage에서 읽을 때 안정성이 향상되었습니다.
    • 에 대한 매개 변수에 대한 Datastore.register_azure_blob_store설명서가 grant_workspace_msi 향상되었습니다.
    • a 또는 .로 datastore.upload 끝나는 인수를 src_dir 지원하기 위한 버그가 / 수정 \되었습니다.
    • 액세스 키 또는 SAS 토큰이 없는 Azure Blob Storage 데이터 저장소에 업로드하려고 할 때 표시되는 실행 가능한 오류 메시지가 추가되었습니다.
  • azureml-interpret
    • 업로드된 설명의 시각화 데이터에 대한 파일 크기에 상한이 추가되었습니다.
  • azureml-train-automl-client
    • AutoMLConfig에 대한 label_column_name 및 weight_column_name 매개 변수가 문자열 형식이 되도록 명시적으로 검사.
  • azureml-contrib-pipeline-steps
    • 이제 ParallelRunStep은 데이터 세트를 파이프라인 매개 변수로 지원합니다. 사용자는 샘플 데이터 세트를 사용하여 파이프라인을 생성할 수 있으며 새 파이프라인 실행에 대해 동일한 형식(파일 또는 테이블 형식)의 입력 데이터 세트를 변경할 수 있습니다.

2020-04-13

Python용 Azure Machine Learning SDK v1.3.0

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 학습 후 작업에 대한 원격 분석이 추가되었습니다.
    • 100보다 긴 일련의 CSS(조건부 합계) 학습을 사용하여 자동 ARIMA 학습 속도를 향상합니다. 사용된 길이는 /src/azureml-automl-core/azureml/automl/core/shared/constants.py TimeSeriesInternal 클래스에서 상수 ARIMA_TRIGGER_CSS_TRAINING_LENGTH 저장됩니다.
    • 예측 실행의 사용자 로깅이 개선되었습니다. 이제 현재 실행 중인 단계에 대한 자세한 정보가 로그에 표시됩니다.
    • 2보다 작은 값으로 설정할 target_rolling_window_size 허용되지 않습니다.
  • azureml-automl-runtime
    • 중복된 타임스탬프를 찾을 때 표시되는 오류 메시지가 개선되었습니다.
    • target_rolling_window_size를 2보다 작은 값으로 설정할 수 없습니다.
    • 지연 지연 오류를 수정했습니다. 이 문제는 계절에 따라 시리즈를 분해하는 데 필요한 관찰 수가 부족하여 발생했습니다. "계절화 해제" 데이터는 PACF(부분 자동 고침 함수)를 계산하여 지연 길이를 결정하는 데 사용됩니다.
    • 기능화 구성별 예측 작업에 열 용도 기능화 사용자 지정이 지원됩니다. 이제 예측 작업의 열 용도로 숫자 및 범주가 지원됩니다.
    • 기능화 구성을 통해 예측 작업에 대한 드롭 열 기능화 사용자 지정을 사용하도록 설정했습니다.
    • 기능화 구성을 통해 예측 작업에 대한 대체 사용자 지정을 사용하도록 설정했습니다. 이제 학습 데이터에 대한 대상 열 및 평균, 중앙값, most_frequent 및 상수 값 대체에 대한 상수 값 대체가 지원됩니다.
  • azureml-contrib-pipeline-steps
    • ParallelRunConfig에 전달할 문자열 컴퓨팅 이름 허용
  • azureml-core
    • Environment 개체의 복사본을 만드는 Environment.clone(new_name) API 추가
    • Environment.docker.base_dockerfile filepath를 허용합니다. 파일을 확인할 수 있으면 콘텐츠를 base_dockerfile 환경 속성으로 읽어옵니다.
    • 사용자가 Environment.docker에서 수동으로 값을 설정하는 경우 base_image 및 base_dockerfile에 상호 배타적인 값을 자동으로 다시 설정
    • RSection에 사용자 또는 Azure Machine Learning에서 환경을 관리하는지 여부를 나타내는 user_managed 플래그가 추가되었습니다.
    • 데이터 세트: 유니코드 문자가 포함된 데이터 경로인 경우 데이터 세트 다운로드 실패가 수정되었습니다.
    • 데이터 세트: Azure Machine Learning Compute의 최소 디스크 공간 요구 사항을 준수하도록 데이터 세트 탑재 캐싱 메커니즘이 향상되어 노드를 사용할 수 없게 하고 작업이 취소되지 않도록 합니다.
    • 데이터 세트: 시계열 데이터 세트에 액세스할 때 시계열 데이터 세트에 대한 인덱스를 pandas 데이터 프레임으로 추가하여 시계열 기반 데이터 액세스에 대한 액세스 속도를 향상합니다. 이전에는 인덱스가 타임스탬프 열과 동일한 이름을 지정하여 사용자에게 실제 타임스탬프 열과 인덱스가 무엇인지 혼동했습니다. 이제 열로 사용해서는 안 되므로 인덱스의 특정 이름을 지정하지 않습니다.
    • 데이터 세트: 소버린 클라우드의 데이터 세트 인증 문제가 해결되었습니다.
    • 데이터 세트: Azure PostgreSQL 데이터 저장소에서 만든 데이터 세트에 대한 오류를 수정 Dataset.to_spark_dataframe 했습니다.
  • azureml-interpret
    • 로컬 중요도 값이 스파스인 경우 시각화에 전역 점수 추가
    • interpret-community 0.9를 사용하도록 azureml-interpret가 업데이트되었습니다.*
    • 스파스 평가 데이터가 있는 설명 다운로드 관련 문제 해결
    • AutoML에서 설명 개체의 스파스 형식 지원 추가
  • azureml-pipeline-core
    • 파이프라인에서 ComputeInstance를 컴퓨팅 대상으로 지원
  • azureml-train-automl-client
    • 학습 후 작업에 대한 원격 분석이 추가되었습니다.
    • 초기 중지 시 회귀 수정
    • 입력 데이터에 유효한 형식으로 azureml.dprep.Dataflow가 사용되지 않습니다.
    • 기본 AutoML 실험 제한 시간을 6일로 변경합니다.
  • azureml-train-automl-runtime
    • 학습 후 작업에 대한 원격 분석이 추가되었습니다.
    • 스파스 AutoML 엔드투엔드 지원 추가
  • azureml-opendatasets
    • 서비스 모니터에 대한 또 다른 원격 분석이 추가되었습니다.
    • Blob에 대한 Front Door를 사용하도록 설정하여 안정성 향상

2020-03-23

Python용 Azure Machine Learning SDK v1.2.0

• 주요 변경 내용

  • Python 2.7 지원 중단

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • CLI의 명령에 "--subscription-id" az ml model/computetarget/service 를 추가합니다.
    • ACI 배포를 위한 CMK(고객 관리형 키) vault_url, key_name 및 key_version 전달에 대한 지원 추가
  • azureml-automl-core
    • X 및 y 데이터 예측 작업 모두에 대해 상수 값으로 사용자 지정된 대체를 사용하도록 설정했습니다.
    • 사용자에게 오류 메시지를 표시하는 문제를 해결했습니다.
  • azureml-automl-runtime
    • 하나의 행만 있는 곡물을 포함하는 데이터 집합에 대한 예측과 관련된 문제를 해결했습니다.
    • 예측 작업에 필요한 메모리 양이 감소했습니다.
    • 시간 열의 형식이 잘못된 경우 더 나은 오류 메시지가 추가되었습니다.
    • X 및 y 데이터 예측 작업 모두에 대해 상수 값으로 사용자 지정된 대체를 사용하도록 설정했습니다.
  • azureml-core
    • AZUREML_SERVICE_PRINCIPAL_ID, AZUREML_SERVICE_PRINCIPAL_TENANT_ID 및 AZUREML_SERVICE_PRINCIPAL_PASSWORD 환경 변수에서 ServicePrincipal을 로드하는 지원이 추가되었습니다.
    • 새 매개 변수 support_multi_line 를 Dataset.Tabular.from_delimited_files도입했습니다. 기본적으로(support_multi_line=False) 따옴표 붙은 필드 값에 포함된 줄 바꿈을 비롯한 모든 줄 바꿈은 레코드 나누기로 해석됩니다. 이러한 방식으로 데이터를 읽는 것은 여러 CPU 코어에서 병렬 실행을 위해 더 빠르고 최적화됩니다. 그러나 정렬되지 않은 필드 값으로 더 많은 레코드가 자동으로 생성될 수 있습니다. 구분된 파일이 따옴표로 묶인 줄 바꿈을 포함하는 것으로 알려진 경우로 설정 True 해야 합니다.
    • Azure Machine Learning CLI에 ADLS Gen2를 등록하는 기능이 추가되었습니다.
    • 매개 변수의 사용을 더 잘 반영하기 위해 TabularDataset의 with_timestamp_columns() 메서드에 대해 'fine_grain_timestamp' 매개 변수를 'timestamp'로, 매개 변수 'coarse_grain_timestamp'을 'partition_timestamp'으로 바꿨습니다.
    • 최대 실험 이름 길이가 255로 증가했습니다.
  • azureml-interpret
    • azureml-interpret가 interpret-community 0.7로 업데이트되었습니다.*
  • azureml-sdk
    • 시험판 및 안정적인 릴리스에 대한 패치 지원에 호환되는 버전 Tilde를 사용하는 종속성으로 변경.

2020-03-11

Python용 Azure Machine Learning SDK v1.1.5

• 기능 사용 중단

  • Python 2.7
    • Python 2.7을 지원하는 마지막 버전

• 주요 변경 내용

  • 유의적 버전 2.0.0
    • 버전 1.1부터 Azure Machine Learning Python SDK는 의미 체계 버전 관리 2.0.0을 채택합니다. 모든 후속 버전은 새 번호 매기기 체계 및 의미 체계 버전 관리 계약을 따릅니다.

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • 일관성을 위해 엔드포인트 CLI 명령 이름을 'az ml endpoint aks'에서 'az ml endpoint real time'으로 변경합니다.
    • 안정적이고 실험적인 분기 CLI에 대한 CLI 설치 지침 업데이트
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
  • azureml-automl-core
    • AutoML ONNX 모델에 대해 Batch 모드 유추(여러 행을 한 번 사용)를 사용하도록 설정
    • 데이터 집합의 빈도 검색, 데이터 부족 또는 불규칙한 데이터 포인트 포함 개선
    • 주요 빈도를 준수하지 않는 데이터 요소를 제거하는 기능이 추가되었습니다.
    • 해당 열에 대한 대체 옵션을 적용하는 옵션 목록을 만들도록 생성자의 입력을 변경했습니다.
    • 오류 로깅이 개선되었습니다.
  • azureml-automl-runtime
    • 테스트 집합에 표시된 학습 집합에 곡물이 없는 경우 발생한 오류 문제를 해결했습니다.
    • 예측 서비스에서 점수를 매기는 동안 y_query 요구 사항이 제거되었습니다.
    • 데이터 세트에 긴 시간 간격이 있는 짧은 조직이 포함된 경우 예측과 관련하여 발생하는 문제를 해결했습니다.
    • 자동 최대 수평선이 켜져 있고 날짜 열에 문자열 형식의 날짜가 포함된 문제를 해결했습니다. 날짜로 변환할 수 없는 경우 적절한 변환 및 오류 메시지가 추가되었습니다.
    • FileCacheStore에 대한 중간 데이터를 직렬화 및 역렬화하는 데 네이티브 NumPy 및 SciPy 사용(로컬 AutoML 실행에 사용)
    • 실패한 자식 실행이 실행 중 상태에서 중단될 수 있는 버그가 수정되었습니다.
    • 기능화 속도가 향상되었습니다.
    • 점수 매기기 중 검사 빈도를 수정했습니다. 이제 예측 작업에는 학습 및 테스트 집합 간에 엄격한 빈도 동등성이 필요하지 않습니다.
    • 해당 열에 대한 대체 옵션을 적용하는 옵션 목록을 만들도록 생성자의 입력을 변경했습니다.
    • 지연 유형 선택과 관련된 오류를 수정했습니다.
    • 데이터 집합에서 발생한 분류되지 않은 오류를 수정했습니다. 단일 행이 있는 그레인이 있습니다.
    • 빈도 감지 속도 저하 문제를 해결했습니다.
    • 학습 실패의 실제 원인을 AttributeError로 대체하게 하는 AutoML 예외 처리의 버그를 수정합니다.
  • azureml-cli-common
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
  • azureml-contrib-mir
    • MirWebservice 클래스의 기능을 추가하여 액세스 토큰 검색
    • MirWebservice.run() 호출 중에 기본적으로 MirWebservice에 토큰 인증 사용 - 호출이 실패한 경우에만 새로 고침
    • Mir 웹 서비스 배포에는 이제 각각 [Ds2v2, A2v2 및 F16] 대신 적절한 SKU [Standard_DS2_v2, Standard_F16, Standard_A2_v2]가 필요합니다.
  • azureml-contrib-pipeline-steps
    • ParallelRunStep에 선택적 매개 변수 side_inputs가 추가되었습니다. 이 매개 변수는 컨테이너에 폴더를 탑재하는 데 사용할 수 있습니다. 현재 지원되는 형식은 DataReference 및 PipelineData입니다.
    • ParallelRunConfig에 전달된 매개 변수는 이제 파이프라인 매개 변수를 전달하여 덮어쓸 수 있습니다. 지원되는 aml_mini_batch_size, aml_error_threshold, aml_logging_level, aml_run_invocation_timeout 지원되는 새 파이프라인 매개 변수(aml_node_count 및 aml_process_count_per_node 이미 이전 릴리스에 포함됨).
  • azureml-core
    • 이제 배포된 Azure Machine Learning 웹 서비스의 기본값은 INFO 로깅입니다. 이는 배포된 서비스에 AZUREML_LOG_LEVEL 환경 변수를 설정하는 방식으로 제어할 수 있습니다.
    • Python sdk는 검색 서비스를 사용하여 'pipelines' 대신 'api' 엔드포인트를 사용합니다.
    • 모든 SDK 호출에서 새 경로로 교환합니다.
    • ModelManagementService에 대한 호출 라우팅을 새 통합 구조로 변경했습니다.
      • 작업 영역 업데이트 메서드를 공개적으로 사용할 수 있게 되었습니다.
      • 사용자가 이미지 빌드에 대한 컴퓨팅을 업데이트할 수 있도록 작업 영역 업데이트 메서드에 image_build_compute 매개 변수를 추가했습니다.
    • 이전 프로파일링 워크플로에 사용 중단 메시지를 추가했습니다. 프로파일링 cpu 및 메모리 제한을 수정했습니다.
    • R 작업을 실행하는 환경의 일부로 RSection이 추가되었습니다.
    • 데이터 세트의 원본에 액세스할 수 없거나 데이터가 없는 경우 오류를 발생하도록 Dataset.mount 유효성 검사가 추가되었습니다.
    • Azure Blob 컨테이너를 등록하기 위한 데이터 저장소 CLI의 추가 매개 변수로, VNet 뒤에 있는 Blob 컨테이너를 등록하는 데 사용할 수 있는 --grant-workspace-msi-access가 추가되었습니다.
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
    • aks.py _deploy 문제가 해결되었습니다.
    • 자동 스토리지 오류를 방지하기 위해 업로드되는 모델의 무결성을 확인합니다.
    • 이제 사용자는 웹 서비스용 키를 다시 생성할 때 인증 키의 값을 지정할 수 있습니다.
    • 대문자를 데이터 세트의 입력 이름으로 사용할 수 없는 버그가 수정되었습니다.
  • azureml-defaults
    • azureml-dataprep 는 이제 .의 azureml-defaults일부로 설치됩니다. 더 이상 데이터 세트를 탑재하기 위해 컴퓨팅 대상에 데이터 준비[fuse]를 수동으로 설치할 필요가 없습니다.
  • azureml-interpret
    • interpret-community 0.6으로 azureml-interpret가 업데이트되었습니다.*
    • interpret-community 0.5.0에 따라 azureml-interpret가 업데이트됨
    • azureml-interpret에 azureml-style 예외 추가
    • Keras 모델에 대한 DeepScoringExplainer serialization 수정
  • azureml-mlflow
    • azureml.mlflow에 소버린 클라우드에 대한 지원 추가
  • azureml-pipeline-core
    • 파이프라인 일괄 처리 채점 Notebook이 이제 ParallelRunStep을 사용합니다.
    • 인수 목록을 변경해도 PythonScriptStep 결과를 잘못 재사용할 수 있는 버그가 수정되었습니다.
    • PipelineOutputFileDataset에서 parse_* 메서드를 호출할 때 열 형식을 설정하는 기능 추가
  • azureml-pipeline-steps
    • 패키지로 AutoMLStep 이동했습니다 azureml-pipeline-steps . 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
    • PythonScriptStep 입력으로 데이터 세트에 대한 설명서 예제가 추가됨
  • azureml-tensorboard
    • TensorFlow 2.0을 지원하도록 azureml-tensorboard 업데이트됨
    • 컴퓨팅 인스턴스에서 사용자 지정 TensorBoard 포트를 사용할 때 올바른 포트 번호 표시
  • azureml-train-automl-client
    • 특정 패키지가 원격 실행 시 잘못된 버전에 설치될 수 있는 문제를 해결했습니다.
    • 사용자 지정 기능화 구성을 필터링하는 FeaturizationConfig 재정의 문제를 해결했습니다.
  • azureml-train-automl-runtime
    • 원격 실행에서 빈도 검색과 관련된 문제를 해결했습니다.
    • azureml-pipeline-steps 패키지에서 AutoMLStep을 이동했습니다. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
  • azureml-train-core
    • PyTorch 추정기에서 PyTorch 버전 1.4 지원

2020-03-02

Python용 Azure Machine Learning SDK v1.1.2rc0(시험판)

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • AutoML ONNX 모델에 대해 Batch 모드 유추(여러 행을 한 번 사용)를 사용하도록 설정
    • 데이터 집합의 빈도 검색, 데이터 부족 또는 불규칙한 데이터 포인트 포함 개선
    • 주요 빈도를 준수하지 않는 데이터 요소를 제거하는 기능이 추가되었습니다.
  • azureml-automl-runtime
    • 테스트 집합에 표시된 학습 집합에 곡물이 없는 경우 발생한 오류 문제를 해결했습니다.
    • 예측 서비스에서 점수를 매기는 동안 y_query 요구 사항이 제거되었습니다.
  • azureml-contrib-mir
    • MirWebservice 클래스의 기능을 추가하여 액세스 토큰 검색
  • azureml-core
    • 이제 배포된 Azure Machine Learning 웹 서비스의 기본값은 INFO 로깅입니다. 이는 배포된 서비스에 AZUREML_LOG_LEVEL 환경 변수를 설정하는 방식으로 제어할 수 있습니다.
    • 작업 영역에 등록된 모든 데이터 세트를 반환하도록 반복 Dataset.get_all 을 수정합니다.
    • 데이터 세트 만들기 API의 path 인수에 잘못된 형식이 전달되면 표시되는 오류 메시지를 개선합니다.
    • Python sdk는 검색 서비스를 사용하여 'pipelines' 대신 'api' 엔드포인트를 사용합니다.
    • 모든 SDK 호출에서 새 경로로 교환
    • ModelManagementService에 대한 호출 라우팅을 새 통합 구조로 변경
      • 작업 영역 업데이트 메서드를 공개적으로 사용할 수 있게 되었습니다.
      • 사용자가 이미지 빌드에 대한 컴퓨팅을 업데이트할 수 있도록 작업 영역 업데이트 메서드에 image_build_compute 매개 변수가 추가됨
    • 이전 프로파일링 워크플로에 사용 중단 메시지를 추가했습니다. 프로파일링 CPU 및 메모리 제한 수정
  • azureml-interpret
    • azureml-interpret가 interpret-community 0.6으로 업데이트되었습니다.*
  • azureml-mlflow
    • azureml.mlflow에 소버린 클라우드에 대한 지원 추가
  • azureml-pipeline-steps
    • 으로 AutoMLStep 이동했습니다 azureml-pipeline-steps package. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
  • azureml-train-automl-client
    • 특정 패키지가 원격 실행 시 잘못된 버전에 설치될 수 있는 문제를 해결했습니다.
  • azureml-train-automl-runtime
    • 원격 실행에서 빈도 검색과 관련된 문제를 해결했습니다.
    • 으로 AutoMLStep 이동했습니다 azureml-pipeline-steps package. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
  • azureml-train-core
    • 으로 AutoMLStep 이동했습니다 azureml-pipeline-steps package. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.

2020-02-18

Python용 Azure Machine Learning SDK v1.1.1rc0(시험판)

• 버그 수정 및 개선 사항
  • azure-cli-ml
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
  • azureml-automl-core
    • 오류 로깅이 개선되었습니다.
  • azureml-automl-runtime
    • 데이터 세트에 긴 시간 간격이 있는 짧은 조직이 포함된 경우 예측과 관련하여 발생하는 문제를 해결했습니다.
    • 자동 최대 수평선이 켜져 있고 날짜 열에 문자열 형식의 날짜가 포함된 문제를 해결했습니다. 날짜로 변환할 수 없는 경우에 대한 적절한 변환 및 오류 메시지가 추가되었습니다.
    • FileCacheStore에 대한 중간 데이터를 직렬화 및 역렬화하는 데 네이티브 NumPy 및 SciPy 사용(로컬 AutoML 실행에 사용)
    • 실패한 자식 실행이 실행 중 상태에서 중단될 수 있는 버그가 수정되었습니다.
  • azureml-cli-common
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
  • azureml-core
    • Azure Blob 컨테이너를 등록하기 위한 데이터 저장소 CLI의 추가 매개 변수로, VNet 뒤에 있는 Blob 컨테이너를 등록하는 데 사용할 수 있는 --grant-workspace-msi-access가 추가되었습니다.
    • 단일 인스턴스 프로파일링은 권장 사항을 생성하도록 수정되었으며 코어 sdk에서 사용할 수 있게되었습니다.
    • aks.py _deploy 문제를 해결했습니다.
    • 자동 스토리지 오류를 방지하기 위해 업로드되는 모델의 무결성을 확인합니다.
  • azureml-interpret
    • azureml-interpret에 azureml 스타일 예외가 추가됨
    • keras 모델에 대한 DeepScoringExplainer serialization 수정
  • azureml-pipeline-core
    • 파이프라인 일괄 처리 채점 Notebook이 이제 ParallelRunStep을 사용합니다.
  • azureml-pipeline-steps
    • azureml-pipeline-steps 패키지에서 AutoMLStep을 이동했습니다. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
  • azureml-contrib-pipeline-steps
    • ParallelRunStep에 선택적 매개 변수 side_inputs가 추가되었습니다. 이 매개 변수는 컨테이너에 폴더를 탑재하는 데 사용할 수 있습니다. 현재 지원되는 형식은 DataReference 및 PipelineData입니다.
  • azureml-tensorboard
    • TensorFlow 2.0을 지원하도록 azureml-tensorboard 업데이트됨
  • azureml-train-automl-client
    • 사용자 지정 기능화 구성을 필터링하는 FeaturizationConfig 재정의 문제가 해결되었습니다.
  • azureml-train-automl-runtime
    • azureml-pipeline-steps 패키지에서 AutoMLStep을 이동했습니다. 내에서 azureml-train-automl-runtime사용되지 않습니다AutoMLStep.
  • azureml-train-core
    • PyTorch 추정기에서 PyTorch 버전 1.4 지원

2020-02-04

Python용 Azure Machine Learning SDK v1.1.0rc0(시험판)

• 주요 변경 내용

  • 유의적 버전 2.0.0
    • 버전 1.1부터 Azure Machine Learning Python SDK는 의미 체계 버전 관리 2.0.0을 채택합니다. 모든 후속 버전은 새 번호 매기기 체계 및 의미 체계 버전 관리 계약을 따릅니다.

• 버그 수정 및 개선 사항

  • azureml-automl-runtime
    • 기능화 속도가 향상되었습니다.
    • 채점 중 빈도 검사를 수정했습니다. 이제 예측 작업에서 학습 및 테스트 집합 간에 엄격한 빈도 동등을 요구하지 않습니다.
  • azureml-core
    • 이제 사용자는 웹 서비스용 키를 다시 생성할 때 인증 키의 값을 지정할 수 있습니다.
  • azureml-interpret
    • interpret-community 0.5.0에 따라 azureml-interpret가 업데이트됨
  • azureml-pipeline-core
    • 인수 목록을 변경해도 PythonScriptStep 결과를 잘못 재사용할 수 있는 버그가 수정되었습니다.
  • azureml-pipeline-steps
    • PythonScriptStep 입력으로 데이터 세트에 대한 설명서 예제가 추가됨
  • azureml-contrib-pipeline-steps
    • ParallelRunConfig에 전달된 매개 변수는 이제 파이프라인 매개 변수를 전달하여 덮어쓸 수 있습니다. 지원되는 aml_mini_batch_size, aml_error_threshold, aml_logging_level, aml_run_invocation_timeout 지원되는 새 파이프라인 매개 변수(aml_node_count 및 aml_process_count_per_node 이미 이전 릴리스에 포함됨).

2020-01-21

Python용 Azure Machine Learning SDK v1.0.85

• 새로운 기능

  • azureml-core

    • 지정된 작업 영역 및 구독에서 AmlCompute 리소스에 대한 현재 코어 사용량 및 할당량 제한 가져오기

  • azureml-contrib-pipeline-steps

    • 사용자가 이전 단계의 중간 결과로 테이블 형식 데이터 세트를 parallelrunstep으로 전달할 수 있도록 설정

• 버그 수정 및 개선 사항

  • azureml-automl-runtime
    • 배포된 예측 서비스에 대한 요청에서 y_query 열의 요구 사항이 제거되었습니다.
    • 'y_query'은 도미닉의 오렌지 주스 노트북 서비스 요청 섹션에서 제거되었습니다.
    • 배포된 모델에 대한 예측을 방지하고 날짜 시간 열이 있는 데이터 집합에서 작동하는 버그를 수정했습니다.
    • 이진 및 다중 클래스 분류 모두에 대한 분류 메트릭으로 Matthews 상관 관계 계수가 추가되었습니다.
  • azureml-contrib-interpret
    • 텍스트 설명으로 azureml-contrib-interpret에서 제거된 텍스트 설명자가 곧 릴리스될 인터프리터 텍스트 리포지토리로 이동되었습니다.
  • azureml-core
    • 데이터 세트: 파일 데이터 세트 사용이 더 이상 Python env에 설치되는 numpy 및 pandas에 종속되지 않습니다.
    • 상태 엔드포인트에 대한 ping을 시도하기 전에 로컬 Docker 컨테이너의 상태를 확인하는 LocalWebservice.wait_for_deployment()가 변경되었으므로 실패한 배포를 보고하는 데 걸리는 시간이 크게 줄어듭니다.
    • LocalWebservice() 생성자를 사용하여 기존 배포에서 서비스 개체를 만들 때 LocalWebservice.reload()에서 사용되는 내부 속성의 초기화가 수정되었습니다.
    • 설명을 위해 편집된 오류 메시지입니다.
    • 액세스 토큰, 타임스탬프 이후 새로 고침, 타임스탬프 및 토큰 형식의 만료가 포함된 AksServiceAccessToken 개체를 반환하는 aksWebservice에 get_access_token()라는 새 메서드가 추가되었습니다.
    • 새 메서드가 이 메서드가 반환하는 모든 정보를 반환하기 때문에 AksWebservice의 기존 get_token() 메서드는 더 이상 사용되지 않습니다.
    • az ml service get-access-token 명령의 수정된 출력입니다. accessToken으로 토큰 이름이 바뀌었고 refreshAfter로 refreshBy가 변경되었습니다. expiryOn 및 tokenType 속성을 추가했습니다.
    • 수정된 get_active_runs
  • azureml-explain-model
    • shap을 0.33.0으로 업데이트하고 interpret-community를 0.4로 업데이트했습니다.*
  • azureml-interpret
    • shap을 0.33.0으로 업데이트하고 interpret-community를 0.4로 업데이트했습니다.*
  • azureml-train-automl-runtime
    • 이진 및 다중 클래스 분류 모두에 대한 분류 메트릭으로 Matthews 상관 관계 계수가 추가되었습니다.
    • 코드의 전처리 플래그가 사용되지 않고 기능화로 대체됩니다. 기능화는 기본적으로 설정됩니다.

2020-01-06

Python용 Azure Machine Learning SDK v1.0.83

• 새로운 기능

  • 데이터 세트: 두 가지 옵션을 on_errorout_of_range_datetimeto_pandas_dataframe 추가하고 데이터를 채우는 대신 오류 값이 있는 경우 실패합니다 None.
  • 작업 영역: 추가 암호화를 사용하도록 설정하고 작업 영역에서 고급 진단 사용하지 않도록 설정하는 중요한 데이터가 있는 작업 영역에 대한 플래그를 추가 hbi_workspace 했습니다. 또한 작업 영역을 만들 때 cmk_keyvault 및 resource_cmk_uri 매개 변수를 지정하여 연결된 Azure Cosmos DB 인스턴스에 대한 고유한 키를 가져오는 지원을 추가했습니다. 그러면 작업 영역을 프로비저닝하는 동안 구독에 Azure Cosmos DB 인스턴스가 만들어집니다. 자세한 내용은 데이터 암호화의 Azure Cosmos DB 섹션 문서를 참조하세요.

• 버그 수정 및 개선 사항

  • azureml-automl-runtime
    • Python 3.5.4 미만 버전에서 AutoML을 실행할 때 TypeError를 유발하는 회귀가 수정되었습니다.
  • azureml-core
    • 시작 ./ 되지 않은 상대 경로의 datastore.upload_files 버그가 수정되었습니다.
    • 모든 이미지 클래스 코드 경로에 대한 사용 중단 메시지 추가됨
    • 21Vianet에서 운영하는 Microsoft Azure에 대한 모델 관리 URL 구문을 수정했습니다.
    • source_dir을 사용하는 모델을 Azure Functions에 패키징할 수 없는 문제가 해결되었습니다.
    • Azure Machine Learning 작업 영역 컨테이너 레지스트리에 이미지를 푸시하는 Environment.build_local() 옵션이 추가됨
    • 다시 호환되는 방식으로 Azure synapse에서 새 토큰 라이브러리를 사용하도록 SDK를 업데이트했습니다.
  • azureml-interpret
    • 다운로드할 수 있는 설명이 없을 때 None이 반환되는 버그가 수정되었습니다. 이제 다른 위치에서 일치하는 동작으로 예외가 발생합니다.
  • azureml-pipeline-steps
    • 에서 사용될 때 's 매개 변수에 Estimator 대한 inputs 전달DatasetConsumptionConfigEstimator을 EstimatorStep허용하지 않습니다.
  • azureml-sdk
    • 전체 AutoML 패키지를 설치하지 않고 원격 AutoML 실행을 제출할 수 있도록 Azureml-sdk 패키지에 AutoML 클라이언트를 추가했습니다.
  • azureml-train-automl-client
    • AutoML 실행에 대한 콘솔 출력의 맞춤이 수정되었습니다.
    • 잘못된 버전의 pandas가 원격 amlcompute에 설치될 수 있는 버그가 수정되었습니다.

2019-12-23

Python용 Azure Machine Learning SDK v1.0.81

• 버그 수정 및 개선 사항
  • azureml-contrib-interpret
    • azureml-interpret에서 interpret-community로 셰이프 종속성 연기
  • azureml-core
    • 이제 컴퓨팅 대상을 해당 배포 구성 개체에 대한 매개 변수로 지정할 수 있습니다. 이는 구체적으로 SDK 개체가 아니라 배포할 컴퓨팅 대상의 이름입니다.
    • Model 및 Service 개체에 CreatedBy 정보가 추가되었습니다. through.created_by 액세스할 수 있습니다.
    • Docker 컨테이너의 HTTP 포트를 올바르게 설정하지 않은 ContainerImage.run()이 수정되었습니다.
    • CLI 명령에 대한 az ml dataset register 선택 사항 만들기 azureml-dataprep
    • 대체 판독기로 잘못 대체되고 경고를 인쇄하는 버그 TabularDataset.to_pandas_dataframe 가 수정되었습니다.
  • azureml-explain-model
    • azureml-interpret에서 interpret-community로 셰이프 종속성 연기
  • azureml-pipeline-core
    • 파이프라인의 단계로 로컬 Notebook을 실행하는 새 파이프라인 단계 NotebookRunnerStep가 추가되었습니다.
    • PublishedPipelines, Schedules 및 PipelineEndpoints에 대해 사용되지 않는 get_all 함수가 제거됨
  • azureml-train-automl-client
    • AutoML에 대한 입력으로 data_script 사용 중단을 시작했습니다.

2019-12-09

Python용 Azure Machine Learning SDK v1.0.79

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 기록할 featurizationConfig가 제거됨
      • 로깅이 "auto"/"off"/"customized"만 기록하도록 업데이트되었습니다.
  • azureml-automl-runtime
    • pandas에 대한 지원이 추가되었습니다. 시리즈와 팬더. 열 데이터 형식을 검색하기 위한 범주입니다. 이전에는 numpy.ndarray만 지원했습니다.
      • 범주 dtype을 올바르게 처리하도록 관련 코드 변경 내용이 추가되었습니다.
    • 예측 함수 인터페이스가 향상되었습니다. y_pred 매개 변수가 선택 사항으로 지정되었습니다. -문서 문자열이 향상되었습니다.
  • azureml-contrib-dataset
    • 레이블이 지정된 데이터 세트를 탑재할 수 없는 버그가 수정되었습니다.
  • azureml-core
    • 에 대한 Environment.from_existing_conda_environment(name, conda_environment_name)버그 수정 사용자가 로컬 환경의 정확한 복제본인 Environment 인스턴스를 만들 수 있습니다.
    • 시계열 관련 Datasets 메서드가 기본적으로 include_boundary=True로 변경되었습니다.
  • azureml-train-automl-client
    • 출력 표시가 false로 설정된 경우 유효성 검사 결과가 인쇄되지 않는 문제가 해결되었습니다.

2019-11-25

Python용 Azure Machine Learning SDK v1.0.76

• 주요 변경 내용

  • Azureml-Train-AutoML 업그레이드 문제
    • azureml-train-automl<1.0.76에서 azureml-train-automl>=1.0.76으로 업그레이드하면 부분 설치가 발생하여 일부 AutoML 가져오기가 실패할 수 있습니다. 이 문제를 해결하려면 .에서 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/automl_setup.cmd찾은 설치 스크립트를 실행할 수 있습니다. 또는 pip를 직접 사용하는 경우 다음을 수행할 수 있습니다.
      • "pip install --upgrade azureml-train-automl"
      • "pip install --ignore-installed azureml-train-automl-client"
    • 또는 업그레이드하기 전에 이전 버전을 제거할 수 있습니다.
      • "pip uninstall azureml-train-automl"
      • "pip install azureml-train-automl"

• 버그 수정 및 개선 사항

  • azureml-automl-runtime
    • 이제 AutoML은 이진 분류 작업에 대한 평균 스칼라 메트릭을 계산할 때 true 클래스와 false 클래스를 모두 고려합니다.
    • AzureML-AutoML-Core의 기계 학습 및 학습 코드가 새 패키지 AzureML-AutoML-Runtime으로 이동했습니다.
  • azureml-contrib-dataset
    • 이제 다운로드 옵션을 사용하여 레이블이 지정된 데이터 세트를 호출 to_pandas_dataframe 할 때 기존 파일을 덮어쓸지 여부를 지정할 수 있습니다.
    • 시계열, 레이블 또는 이미지 열이 삭제되도록 하는 keep_columns 또는 drop_columns를 호출하면 데이터 세트의 해당 기능도 삭제됩니다.
    • 개체 검색 작업에 대한 pytorch 로더 문제를 해결했습니다.
  • azureml-contrib-interpret
    • azureml-contrib-interpret에서 설명 대시보드 위젯이 제거되고 interpret_community 새 패키지를 참조하도록 패키지가 변경되었습니다.
    • interpret-community 버전이 0.2.0으로 업데이트됨
  • azureml-core
    • 의 성능을 향상시킵 workspace.datasets니다.
    • 사용자 이름 및 암호 인증을 사용하여 Azure SQL Database Datastore를 등록하는 기능이 추가되었습니다.
    • 상대 경로에서 RunConfigurations를 로드하는 문제를 해결합니다.
    • 시계열 열이 삭제되도록 하는 keep_columns 또는 drop_columns를 호출하면 데이터 세트의 해당 기능도 삭제됩니다.
  • azureml-interpret
    • interpret-community 버전이 0.2.0으로 업데이트됨
  • azureml-pipeline-steps
    • Azure Machine Learning 파이프라인 단계에 대해 runconfig_pipeline_params 지원되는 값을 문서화했습니다.
  • azureml-pipeline-core
    • 파이프라인 명령에 대한 json 형식으로 출력을 다운로드하는 CLI 옵션이 추가되었습니다.
  • azureml-train-automl
    • AzureML-Train-AutoML을 AzureML-Train-AutoML-Client라는 클라이언트 패키지와 AzureML-Train-AutoML-Runtime이라는 ML 학습 패키지로 분할함
  • azureml-train-automl-client
    • 로컬에서 기계 학습 종속성을 설치할 필요 없이 AutoML 실험을 제출하기 위한 씬 클라이언트를 추가했습니다.
    • 원격 실행에서 자동으로 검색된 지연, 롤링 창 크기 및 최대 수평선의 로깅을 수정했습니다.
  • azureml-train-automl-runtime
    • 클라이언트에서 기계 학습 및 런타임 구성 요소를 격리하는 새 AutoML 패키지가 추가되었습니다.
  • azureml-contrib-train-rl
    • SDK에 보충 학습 지원이 추가되었습니다.
    • RL SDK에 AmlWindowsCompute 지원이 추가되었습니다.

2019-11-11

Python용 Azure Machine Learning SDK v1.0.74

• 미리 보기 기능

  • azureml-contrib-dataset
    • azureml-contrib-dataset을 가져온 후 레이블이 지정된 데이터 세트를 만드는 대신 ._Labeled 호출 Dataset.Labeled.from_json_lines 할 수 있습니다.
    • 이제 다운로드 옵션을 사용하여 레이블이 지정된 데이터 세트를 호출 to_pandas_dataframe 할 때 기존 파일을 덮어쓸지 여부를 지정할 수 있습니다.
    • 시계열, 레이블 또는 이미지 열이 삭제되도록 하는 keep_columns 또는 drop_columns를 호출하면 데이터 세트의 해당 기능도 삭제됩니다.
    • 를 호출 dataset.to_torchvision()할 때 PyTorch 로더와 관련된 문제가 해결되었습니다.

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • 미리 보기 CLI에 모델 프로파일링을 추가했습니다.
    • Azure Machine Learning CLI가 실패하도록 하는 Azure Storage의 호환성이 손상되는 변경을 수정합니다.
    • AKS 형식에 대한 MLC에 Load Balancer 형식 추가
  • azureml-automl-core
    • 누락된 값과 여러 조직이 있는 시계열에 대한 최대 구간 검색 문제를 해결했습니다.
    • 교차 유효성 검사 분할을 생성하는 동안 오류를 유발하는 문제를 해결했습니다.
    • 이 섹션을 릴리스 정보에 표시할 markdown 형식의 메시지로 바꿉니다. -예측 데이터 집합의 짧은 곡물 처리가 향상되었습니다.
    • 로깅하는 동안 일부 사용자 정보를 마스킹하는 문제를 해결했습니다. -예측 실행 중 오류 로깅이 향상되었습니다.
    • psutil을 자동 생성 yml 배포 파일에 conda 종속성으로 추가.
  • azureml-contrib-mir
    • Azure Machine Learning CLI가 실패하도록 하는 Azure Storage의 호환성이 손상되는 변경을 수정합니다.
  • azureml-core
    • Azure Functions에 배포된 모델이 500 s를 생성하는 버그를 수정합니다.
    • amlignore 파일이 스냅샷 적용되지 않는 문제를 해결했습니다.
    • 지정된 amlcompute에서 진행 중인 실행 및 대기 중인 실행에 대한 생성기를 반환하는 새 API amlcompute.get_active_runs가 추가되었습니다.
    • AKS 형식에 대한 MLC에 Load Balancer 형식이 추가되었습니다.
    • run.py의 download_files 및 artifacts_client의 download_artifacts_from_prefix에 append_prefix bool 매개 변수가 추가되었습니다. 이 플래그는 원본 파일 경로를 선택적으로 평면화하기 위해 사용되므로 파일 또는 폴더 이름만 output_directory
    • 데이터 세트 사용량에 대한 run_config.yml 역직렬화 문제를 해결합니다.
    • 시계열 열이 삭제되도록 하는 keep_columns 또는 drop_columns를 호출하면 데이터 세트의 해당 기능도 삭제됩니다.
  • azureml-interpret
    • interpret-community 버전이 0.1.0.3으로 업데이트됨
  • azureml-train-automl
    • automl_step 유효성 검사 문제를 인쇄하지 못할 수 있는 문제를 해결했습니다.
    • 모델의 환경에 종속성이 누락된 경우에도 register_model이 로컬에서 성공하도록 수정되었습니다.
    • 일부 원격 실행이 docker를 사용하도록 설정되지 않은 문제를 해결했습니다.
    • 로컬 실행이 조기에 실패하는 예외의 로깅을 추가합니다.
  • azureml-train-core
    • 자동 하이퍼 매개 변수 튜닝 최상의 자식 실행 계산에서 resume_from 실행을 고려합니다.
  • azureml-pipeline-core
    • 파이프라인 인수 생성에서 매개 변수 처리가 수정되었습니다.
    • 파이프라인 설명 및 단계 유형 yaml 매개 변수가 추가되었습니다.
    • 파이프라인 단계의 새 yaml 형식과 이전 형식에 대한 사용 중단 경고가 추가되었습니다.

2019-11-04

웹 환경

공동 작업 영역 방문 페이지 https://ml.azure.com 가 Azure Machine Learning 스튜디오 향상되고 브랜드가 변경되었습니다.

스튜디오에서 데이터 세트, 파이프라인, 모델, 엔드포인트 등과 같은 Azure Machine Learning 자산을 학습, 테스트, 배포 및 관리할 수 있습니다.

스튜디오에서 다음 웹 기반 제작 도구에 액세스합니다.

웹 기반 도구	설명
Notebook VM(미리 보기)	완전 관리형 클라우드 기반 워크스테이션
자동화된 기계 학습 (미리 보기)	기계 학습 모델 개발을 자동화하기 위한 코드 환경 없음
디자이너	이전에 시각적 인터페이스로 알려진 기계 학습 모델링 도구 끌어서 놓기

Azure Machine Learning 디자이너의 향상된 기능

• 이전의 시각적 인터페이스
• 기능 엔지니어링, 교차 유효성 검사 및 데이터 변환 같은 추천자, 분류자 및 학습 유틸리티를 포함한 새로운 모듈 11개.

R SDK

데이터 과학자 및 AI 개발자는 R용 Azure Machine Learning SDK를 사용하여 Azure Machine Learning에서 기계 학습 워크플로를 빌드 및 실행합니다.

R용 Azure Machine Learning SDK는 패키지를 사용하여 reticulate Python SDK에 바인딩합니다. Python에 직접 바인딩하여 R용 SDK를 사용하면 선택한 R 환경에서 Python SDK에 구현된 핵심 개체 및 메서드에 액세스할 수 있습니다.

SDK의 주요 기능은 다음과 같습니다.

• 기계 학습 실험을 모니터링, 로깅 및 구성하는 클라우드 리소스를 관리합니다.
• GPU 가속 모델 학습을 포함하여 클라우드 리소스를 사용하여 모델을 학습시킵니다.
• ACI(Azure Container Instances) 및 AKS(Azure Kubernetes Service)에 모델을 웹 서비스로 배포합니다.

전체 설명서는 패키지 웹 사이트를 참조하세요.

Event Grid와 Azure Machine Learning 통합

Azure Machine Learning은 현재 Event Grid의 리소스 공급자이며, Azure Portal 또는 Azure CLI를 통해 기계 학습 이벤트를 구성할 수 있습니다. 사용자는 실행 완료, 모델 등록, 모델 배포 및 검색된 데이터 드리프트에 대한 이벤트를 만들 수 있습니다. 이러한 이벤트는 사용을 위해 Event Grid에서 지원하는 이벤트 처리기로 라우팅할 수 있습니다. 자세한 내용은 기계 학습 이벤트 스키마 및 자습서 문서를 참조하세요.

2019-10-31

Python용 Azure Machine Learning SDK v1.0.72

• 새로운 기능

  • azureml-datadrift 패키지를 통해 데이터 세트 모니터가 추가되어 시간 경과에 따른 데이터 드리프트 또는 기타 통계 변경에 대한 시계열 데이터 세트를 모니터링할 수 있습니다. 드리프트가 감지되거나 데이터에 대한 다른 조건이 충족되면 경고 및 이벤트를 트리거할 수 있습니다. 자세한 내용은 설명서를 참조하십시오.

  • Azure Machine Learning에서 두 개의 새 버전(SKU라고도 함)을 발표합니다. 이 릴리스에서는 이제 기본 또는 엔터프라이즈 Azure Machine Learning 작업 영역을 만들 수 있습니다. 모든 기존 작업 영역은 기본적으로 Basic 버전으로 설정되며, Azure Portal 또는 스튜디오로 이동하여 언제든지 작업 영역을 업그레이드할 수 있습니다. Azure Portal에서 Basic 또는 Enterprise 작업 영역을 만들 수 있습니다. 자세한 내용은 설명서를 참조하세요. SDK에서 작업 영역의 버전은 작업 영역 개체의 "sku" 속성을 사용하여 확인할 수 있습니다.

  • 또한 Azure Machine Learning 컴퓨팅을 개선했습니다. 이제 디버깅을 위해 진단 로그를 보는 것 외에도 Azure Monitor에서 클러스터에 대한 메트릭(예: 총 노드, 실행 중인 노드, 총 코어 할당량)을 볼 수 있습니다. 또한 클러스터에서 현재 실행 중이거나 큐에 대기 중인 실행과 클러스터에 있는 다양한 노드의 IP와 같은 세부 정보를 볼 수도 있습니다. 포털에서 또는 SDK 또는 CLI에서 해당 함수를 사용하여 볼 수 있습니다.

  • 미리 보기 기능

    • Azure Machine Learning 컴퓨팅에서 로컬 SSD의 디스크 암호화에 대한 미리 보기 지원을 릴리스합니다. 이 기능을 사용하도록 나열된 구독 허용을 가져오려면 기술 지원 티켓을 올립니다.
    • Azure Machine Learning Batch 유추의 공개 미리 보기입니다. Azure Machine Learning 일괄 처리 유추는 시간에 민감하지 않은 대규모 유추 작업을 대상으로 합니다. Batch 유추는 비동기 애플리케이션에 대해 비교할 수 없는 처리량과 함께 비용 효율적인 유추 컴퓨팅 크기 조정을 제공합니다. 대용량 데이터 컬렉션에 비해 처리량이 높고 화재 및 잊음 유추에 최적화되어 있습니다.
    • azureml-contrib-dataset
      • 레이블이 지정된 데이터 세트에 대한 기능 지원

      import azureml.core
      from azureml.core import Workspace, Datastore, Dataset
      import azureml.contrib.dataset
      from azureml.contrib.dataset import FileHandlingOption, LabeledDatasetTask
      
      # create a labeled dataset by passing in your JSON lines file
      dataset = Dataset._Labeled.from_json_lines(datastore.path('path/to/file.jsonl'), LabeledDatasetTask.IMAGE_CLASSIFICATION)
      
      # download or mount the files in the `image_url` column
      dataset.download()
      dataset.mount()
      
      # get a pandas dataframe
      from azureml.data.dataset_type_definitions import FileHandlingOption
      dataset.to_pandas_dataframe(FileHandlingOption.DOWNLOAD)
      dataset.to_pandas_dataframe(FileHandlingOption.MOUNT)
      
      # get a Torchvision dataset
      dataset.to_torchvision()
      

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • CLI는 이제 모델 패키징을 지원합니다.
    • 데이터 세트 CLI가 추가되었습니다. 자세한 내용은 다음을 수행합니다. az ml dataset --help
    • InferenceConfig 인스턴스 없이 지원되는 모델(ONNX, scikit-learn 및 TensorFlow)을 배포하고 패키징하는 지원이 추가되었습니다.
    • SDK 및 CLI에서 서비스 배포(ACI 및 AKS)에 대한 덮어쓰기 플래그가 추가되었습니다. 제공된 경우 이름이 있는 서비스가 이미 있는 경우 기존 서비스를 덮어씁니다. 서비스가 없는 경우 새 서비스를 만듭니다.
    • 모델은 Onnx 및 TensorFlow의 두 가지 새로운 프레임워크에 등록할 수 있습니다. - 모델 등록은 모델에 대한 샘플 입력 데이터, 샘플 출력 데이터 및 리소스 구성을 허용합니다.
  • azureml-automl-core
    • 반복 학습은 런타임 제약 조건이 설정된 경우에만 자식 프로세스에서 실행됩니다.
    • 지정된 max_horizon 지정된 컴퓨터에서 메모리 문제를 발생시키는지 여부를 검사 위해 예측 작업을 위한 가드레일이 추가되었습니다. 그럴 경우 가드 레일 메시지가 표시됩니다.
    • 2년 1개월과 같은 복잡한 빈도에 대한 지원이 추가되었습니다. -빈도를 확인할 수 없는 경우 이해할 수 있는 오류 메시지가 추가되었습니다.
    • 모델 배포 오류를 해결하기 위해 자동 생성되는 conda env에 azureml-defaults 추가
    • Azure Machine Learning Pipeline의 중간 데이터를 테이블 형식 데이터 세트로 변환하여 사용할 수 있도록 AutoMLStep허용합니다.
    • 스트리밍에 대한 열 용도 업데이트가 구현되었습니다.
    • 스트리밍을 위해 Imputer 및 HashOneHotEncoder에 대한 변환기 매개 변수 업데이트를 구현했습니다.
    • 유효성 검사 오류 메시지에 현재 데이터 크기 및 필요한 최소 데이터 크기를 추가했습니다.
    • 교차 유효성 검사에 필요한 최소 데이터 크기를 업데이트하여 각 유효성 검사 폴드에서 최소 2개의 샘플을 보장했습니다.
  • azureml-cli-common
    • CLI는 이제 모델 패키징을 지원합니다.
    • 모델은 Onnx 및 TensorFlow의 두 가지 새로운 프레임워크에 등록할 수 있습니다.
    • 모델 등록은 모델에 대한 샘플 입력 데이터, 샘플 출력 데이터 및 리소스 구성을 허용합니다.
  • azureml-contrib-gbdt
    • Notebook에 대한 릴리스 채널을 수정했습니다.
    • 지원하지 않는 비 AmlCompute 컴퓨팅 대상에 대한 경고가 추가됨
    • azureml-contrib-gbdt 패키지에 LightGMB 추정기가 추가됨
  • azureml-core
    • CLI는 이제 모델 패키징을 지원합니다.
    • 사용되지 않은 데이터 세트 API에 대한 사용 중단 경고를 추가합니다. 에서 데이터 세트 API 변경 알림을 https://aka.ms/tabular-dataset참조하세요.
    • 데이터 세트가 등록된 경우 등록 이름 및 버전을 반환하도록 변경 Dataset.get_by_id 합니다.
    • 데이터 세트를 인수로 사용하는 ScriptRunConfig를 반복적으로 사용하여 실험 실행을 제출할 수 없는 버그를 수정합니다.
    • 실행 중에 검색된 데이터 세트는 추적되며 실행 세부 정보 페이지에서 또는 실행이 완료된 후 호출 run.get_details() 하여 볼 수 있습니다.
    • Azure Machine Learning Pipeline의 중간 데이터를 테이블 형식 데이터 세트로 변환하여 사용할 수 있도록 AutoMLStep허용합니다.
    • InferenceConfig 인스턴스 없이 지원되는 모델(ONNX, scikit-learn 및 TensorFlow)을 배포하고 패키징하는 지원이 추가되었습니다.
    • SDK 및 CLI에서 서비스 배포(ACI 및 AKS)에 대한 덮어쓰기 플래그가 추가되었습니다. 제공된 경우 이름이 있는 서비스가 이미 있는 경우 기존 서비스를 덮어씁니다. 서비스가 없는 경우 새 서비스를 만듭니다.
    • 모델은 Onnx 및 TensorFlow의 두 가지 새로운 프레임워크에 등록할 수 있습니다. 모델 등록은 모델에 대한 샘플 입력 데이터, 샘플 출력 데이터 및 리소스 구성을 허용합니다.
    • Azure Database for MySQL에 대한 새 데이터 저장소가 추가되었습니다. Azure Machine Learning 파이프라인의 DataTransferStep에서 Azure Database for MySQL을 사용하는 예제가 추가되었습니다.
    • 실험에서 태그를 추가하고 제거하는 기능이 추가되었습니다. 실행에서 태그를 제거하는 기능이 추가되었습니다.
    • SDK 및 CLI에서 서비스 배포(ACI 및 AKS)에 대한 덮어쓰기 플래그가 추가되었습니다. 제공된 경우 이름이 있는 서비스가 이미 있는 경우 기존 서비스를 덮어씁니다. 서비스가 없는 경우 새 서비스를 만듭니다.
  • azureml-datadrift
    • azureml-contrib-datadrift에서 azureml-datadrift로 이동
    • 드리프트 및 기타 통계 측정값에 대한 시계열 데이터 세트 모니터링 지원 추가
    • DataDriftDetector 클래스에 대한 새 메서드 create_from_model() 및 create_from_dataset(). create() 메서드는 더 이상 사용되지 않습니다.
    • Python 및 Azure Machine Learning 스튜디오의 UI에서 시각화 조정.
    • 데이터 세트 모니터에 대해 매일 외에도 매주 및 월별 모니터 예약을 지원합니다.
    • 데이터 세트 모니터의 기록 데이터를 분석하기 위해 데이터 모니터 메트릭의 백필이 지원됩니다.
    • 다양한 버그 수정
  • azureml-pipeline-core
    • azureml-dataprep은 더 이상 파이프라인 yaml 파일에서 실행되는 Azure Machine Learning 파이프라인을 제출할 필요가 없습니다.
  • azureml-train-automl
    • 모델 배포 오류를 해결하기 위해 자동 생성되는 conda env에 azureml-defaults 추가
    • 이제 AutoML 원격 학습에는 유추를 위해 학습 env를 다시 사용할 수 있도록 azureml 기본값이 포함됩니다.
  • azureml-train-core
    • 예측 도구에 PyTorch 1.3 지원이 추가됨 PyTorch

2019-10-21

시각적 인터페이스(미리 보기)

• Azure Machine Learning 시각적 인터페이스(미리 보기)가 Azure Machine Learning 파이프라인에서 실행되도록 철저히 검사되었습니다. 시각적 인터페이스에서 작성된 파이프라인(이전에는 실험이라고 함)이 이제 핵심 Azure Machine Learning 환경과 완전히 통합됩니다.

  • SDK 자산을 사용하는 통합 관리 환경
  • 시각적 인터페이스 모델, 파이프라인 및 엔드포인트에 대한 버전 관리 및 추적
  • 새롭게 디자인된 UI
  • 일괄 처리 유추 배포 추가됨
  • 유추 컴퓨팅 대상에 대한 AKS(Azure Kubernetes Service) 지원이 추가됨
  • 새 Python 단계 파이프라인 작성 워크플로
  • 시각적 제작 도구에 대한 새 방문 페이지

• 새 모듈

  • 수학 연산 적용
  • SQL 변환 적용
  • 클립 값
  • 데이터 요약
  • SQL Database에서 가져오기

2019-10-14

Python용 Azure Machine Learning SDK v1.0.69

• 버그 수정 및 개선 사항
  • azureml-automl-core
    • 모든 실행에 대한 설명을 계산하는 대신 모델 설명을 최적 실행으로 제한. 로컬, 원격 및 ADB에 대해 이 동작을 변경합니다.
    • UI에 대한 주문형 모델 설명 지원이 추가됨
    • psutil을 amlcompute의 automl conda 종속성으로 종속성으로 추가하고 psutil을 포함했습니다.
    • 선형 대수 오류를 일으킬 수 있는 몇 가지 일련의 예측 데이터 집합에서 추론 지연 및 롤링 창 크기 문제를 해결했습니다.
      • 예측 실행에서 추론적으로 결정된 매개 변수에 대한 인쇄가 추가되었습니다.
  • azureml-contrib-datadrift
    • 데이터 세트 수준 드리프트가 첫 번째 섹션에 없는 경우 출력 메트릭을 만드는 동안 보호를 추가했습니다.
  • azureml-contrib-interpret
    • azureml-contrib-explain-model 패키지의 이름이 azureml-contrib-interpret로 변경됨
  • azureml-core
    • 데이터 세트 등록을 취소하는 API가 추가되었습니다. dataset.unregister_all_versions()
    • azureml-contrib-explain-model 패키지의 이름이 azureml-contrib-interpret로 변경되었습니다.
  • azureml-core
    • 데이터 세트 등록을 취소하는 API가 추가되었습니다. dataset.unregister_all_versions().
    • 데이터 변경 시간을 검사 데이터 세트 API가 추가되었습니다. dataset.data_changed_time.
    • Azure Machine Learning 파이프라인에서 입력으로 EstimatorStepPythonScriptStep사용 FileDatasetTabularDataset 및 HyperDriveStep 사용할 수 있는 기능
    • 파일이 많은 폴더의 FileDataset.mount 성능이 향상되었습니다.
    • Azure Machine Learning 파이프라인에서 FileDataset 및 TabularDataset를 PythonScriptStep, EstimatorStep 및 HyperDriveStep에 대한 입력으로 사용할 수 있습니다.
    • FileDataset의 성능입니다.파일이 많은 폴더에 대해 mount() 이 개선되었습니다.
    • 실행 세부 정보의 알려진 오류 권장 사항에 URL이 추가되었습니다.
    • 실행에 너무 많은 자식이 있는 경우 요청이 실패하는 run.get_metrics의 버그가 수정되었습니다.
    • 실행에 자식이 너무 많은 경우 요청이 실패하는 run.get_metrics 버그가 수정되었습니다.
    • Arcadia 클러스터에서 인증에 대한 지원이 추가되었습니다.
    • Experiment 개체가 생성되면 실행 기록 추적을 위해 Azure Machine Learning 작업 영역에서 실험을 가져오거나 만듭니다. 실험 ID 및 보관된 시간은 만들 때 실험 개체에 채워집니다. 예: experiment = Experiment(workspace, "New Experiment") experiment_id = experiment.id archive() and reactivate()는 UX에 표시되거나 기본적으로 실험을 나열하는 호출에서 반환되지 않게 실험을 숨기고 숨긴 실험을 복원하는 데 호출할 수 있는 함수입니다. 보관된 실험과 동일한 이름으로 새 실험을 만든 경우 새 이름을 전달하여 다시 활성화할 때 보관된 실험의 이름을 바꿀 수 있습니다. 지정된 이름을 가진 활성 실험은 하나뿐이어야 합니다. 예: experiment1 = Experiment(workspace, "Active Experiment") experiment1.archive() # Create new active experiment with the same name as the archived. experiment2. = Experiment(workspace, "Active Experiment") experiment1.reactivate(new_name="이전 활성 실험") 실험의 정적 메서드 목록()은 이름 필터 및 ViewType 필터를 사용할 수 있습니다. ViewType 값은 "ACTIVE_ONLY", "ARCHIVED_ONLY" 및 "ALL" 예제입니다. archived_experiments = Experiment.list( workspace, view_type="ARCHIVED_ONLY") all_first_experiments = Experiment.list(workspace, name="First Experiment", view_type="ALL")
    • 모델 배포 및 서비스 업데이트에 환경 사용 지원
  • azureml-datadrift
    • DataDriftDector 클래스의 show 특성이 선택적 인수 'with_details'를 더 이상 지원하지 않습니다. show 특성은 기능 열의 데이터 드리프트 계수 및 데이터 드리프트 기여만 제공합니다.
    • DataDriftDetector 특성 'get_output' 동작이 변경되었습니다.
      • 입력 매개 변수 start_time end_time 필수가 아닌 선택 사항입니다.
      • 동일한 호출에서 특정 run_id가 있는 입력 관련 start_time 및/또는 end_time은 상호 배타적이므로 값 오류 예외가 발생합니다.
      • 특정 start_time 및/또는 end_time을 입력하면 예약된 실행 결과만 반환됩니다.
      • 'daily_latest_only' 매개 변수는 더 이상 사용되지 않습니다.
    • 데이터 세트 기반 데이터 드리프트 출력 검색을 지원합니다.
  • azureml-explain-model
    • AzureML-explain-model 패키지의 이름을 AzureML-interpret로 변경하여 이전 패키지가 이전 버전과의 호환성을 유지합니다.
    • ExplanationClient에서 다운로드할 때 기본적으로 회귀 대신 원시 설명이 분류 작업으로 설정된 버그 수정 automl
    • 를 사용하여 직접 만들 수 있도록 지원 ScoringExplainer 추가 MimicWrapper
  • azureml-pipeline-core
    • 대규모 파이프라인 만들기에 대한 성능 향상
  • azureml-train-core
    • TensorFlow 추정기에서 TensorFlow 2.0 지원 추가
  • azureml-train-automl

    • Experiment 개체가 생성되면 실행 기록 추적을 위해 Azure Machine Learning 작업 영역에서 실험을 가져오거나 만듭니다. 실험 ID 및 보관된 시간은 만들 때 실험 개체에 채워집니다. 예시:

      experiment = Experiment(workspace, "New Experiment")
      experiment_id = experiment.id
      

      archive() 및 reactivate() 는 실험을 숨기거나 복원하기 위해 실험에서 호출할 수 있는 함수로, 실험을 나열하기 위한 호출에서 기본적으로 반환되거나 UX에 표시되지 않습니다. 보관된 실험과 동일한 이름으로 새 실험을 만든 경우 새 이름을 전달하여 다시 활성화할 때 보관된 실험의 이름을 바꿀 수 있습니다. 지정된 이름을 가진 활성 실험은 하나뿐이어야 합니다. 예시:

      experiment1 = Experiment(workspace, "Active Experiment")
      experiment1.archive()
      # Create new active experiment with the same name as the archived.
      experiment2 = Experiment(workspace, "Active Experiment")
      experiment1.reactivate(new_name="Previous Active Experiment")
      

      실험의 정적 메서드 목록() 은 이름 필터 및 ViewType 필터를 사용할 수 있습니다. ViewType 값은 "ACTIVE_ONLY", "ARCHIVED_ONLY" 및 "ALL"입니다. 예시:

      archived_experiments = Experiment.list(workspace, view_type="ARCHIVED_ONLY")
      all_first_experiments = Experiment.list(workspace, name="First Experiment", view_type="ALL")
      

    • 모델 배포 및 서비스 업데이트에 환경 사용을 지원합니다.

  • azureml-datadrift
    • DataDriftDetector 클래스의 show 특성이 선택적 인수 'with_details'를 더 이상 지원하지 않습니다. show 특성은 기능 열의 데이터 드리프트 계수 및 데이터 드리프트 기여만 제공합니다.
    • DataDriftDetector 함수 [get_output]python/api/azureml-datadrift/azureml.datadrift.datadriftdetector.datadriftdetector#get-output-start-time-none--end-time-none--run-id-none-) 동작이 변경됩니다.
      • 입력 매개 변수 start_time end_time 필수가 아닌 선택 사항입니다.
      • 동일한 호출에서 특정 run_id가 있는 입력 관련 start_time 및/또는 end_time은 상호 배타적이므로 값 오류 예외가 발생합니다.
      • 특정 start_time 및/또는 end_time을 입력하면 예약된 실행 결과만 반환됩니다.
      • 'daily_latest_only' 매개 변수는 더 이상 사용되지 않습니다.
    • 데이터 세트 기반 데이터 드리프트 출력 검색을 지원합니다.
  • azureml-explain-model
    • MimicWrapper를 사용하여 직접 만들 ScoringExplainer에 대한 지원 추가
  • azureml-pipeline-core
    • 대규모 파이프라인 만들기에 대한 성능이 향상되었습니다.
  • azureml-train-core
    • TensorFlow Estimator에 TensorFlow 2.0 지원이 추가되었습니다.
  • azureml-train-automl
    • 오케스트레이션이 이미 처리하므로 설정 반복이 실패하면 부모 실행이 더 이상 실패하지 않습니다.
    • AutoML 실험에 대한 local-docker 및 local-conda 지원이 추가됨
    • AutoML 실험에 대한 local-docker 및 local-conda 지원이 추가되었습니다.

2019-10-08

Azure Machine Learning 작업 영역에 대한 새 웹 환경(미리 보기)

데이터 과학자가 보다 성능이 좋은 방식으로 실험을 모니터링할 수 있도록 새 작업 영역 포털의 실험 탭이 업데이트되었습니다. 다음 기능을 탐색할 수 있습니다.

• 실험 메타데이터를 사용하여 실험 목록을 쉽게 필터링 및 정렬
• 실행을 시각화하고 비교할 수 있는 간소화되고 성능이 좋은 실험 세부 정보 페이지
• 학습 실행을 이해하고 모니터링하기 위해 세부 정보 페이지를 실행하는 새로운 디자인

2019-09-30

Python용 Azure Machine Learning SDK v1.0.65

• 새로운 기능

  • 큐레이팅된 환경이 추가되었습니다. 이러한 환경은 일반적인 기계 학습 작업을 위한 라이브러리로 미리 구성되었으며, 더 빠른 실행을 위해 Docker 이미지로 미리 빌드되고 캐시되었습니다. 기본적으로 작업 영역의 환경 목록에 "AzureML" 접두사를 사용하여 표시됩니다.
  • 큐레이팅된 환경이 추가되었습니다. 이러한 환경은 일반적인 기계 학습 작업을 위한 라이브러리로 미리 구성되었으며, 더 빠른 실행을 위해 Docker 이미지로 미리 빌드되고 캐시되었습니다. 기본적으로 작업 영역의 환경 목록에 "AzureML" 접두사를 사용하여 표시됩니다.

• azureml-train-automl

• azureml-train-automl

  • ADB 및 HDI에 대한 ONNX 변환 지원이 추가됨

• 미리 보기 기능

  • azureml-train-automl

  • azureml-train-automl

    • BERT 및 BiLSTM이 텍스트 기능화 도구로 지원됨(미리 보기 전용)
    • 열 용도 및 변환기 매개 변수에 대해 지원되는 기능화 사용자 지정(미리 보기에만 해당)
    • 학습 중에 사용자가 모델 설명을 사용하도록 설정하는 경우 지원되는 원시 설명(미리 보기에만 해당)
    • 학습 가능한 파이프라인으로 예측하기 위한 timeseries Prophet 추가(미리 보기 전용)

  • azureml-contrib-datadrift

    • azureml-contrib-datadrift에서 azureml-datadrift로 재배치된 패키지; 패키지는 contrib 향후 릴리스에서 제거될 예정입니다.

• 버그 수정 및 개선 사항

  • azureml-automl-core
    • AutoMLConfig 및 AutoMLBaseSettings에 FeaturizationConfig가 도입되었습니다.
    • AutoMLConfig 및 AutoMLBase에 FeaturizationConfig가 도입되었습니다설정
      • 지정된 열 및 기능 유형을 사용하여 기능화에 대한 열 용도 재정의
      • 변환기 매개 변수 재정의
    • explain_model() 및 retrieve_model_explanations()에 대한 사용 중단 메시지 추가
    • Prophet이 학습 가능한 파이프라인으로 추가됨(미리 보기 전용)
    • explain_model() 및 retrieve_model_explanations()에 대한 사용 중단 메시지가 추가되었습니다.
    • 학습 가능한 파이프라인으로 Prophet가 추가되었습니다(미리 보기 전용).
    • 대상 지연, 롤링 창 크기 및 최대 수평선 자동 검색에 대한 지원이 추가되었습니다. target_lags, target_rolling_window_size 또는 max_horizon 중 하나가 'auto'로 설정된 경우, 학습 데이터를 기반으로 해당 매개 변수의 값을 예측하기 위해 추론이 적용됩니다.
    • 데이터 세트에 하나의 곡물 열이 포함된 경우 이 곡물은 숫자 형식이며 학습 및 테스트 집합 사이에 간격이 있는 경우의 예측을 수정했습니다.
    • 예측 작업의 원격 실행에서 중복된 인덱스 오류 메시지가 수정되었습니다.
    • 데이터 집합에 하나의 곡물 열이 포함된 경우 이 곡물은 숫자 형식이며 학습 집합과 테스트 집합 사이에 간격이 있는 경우의 예측을 수정했습니다.
    • 예측 작업의 원격 실행에서 중복된 인덱스에 대한 오류 메시지를 수정했습니다.
    • 데이터 세트의 불균형 여부를 검사 위한 가드레일이 추가되었습니다. 그렇다면 가드레일 메시지가 콘솔에 기록됩니다.
  • azureml-core
    • 모델 개체를 통해 스토리지에서 모델링할 SAS URL을 검색하는 기능이 추가되었습니다. 예: model.get_sas_url()
    • 제출된 실행과 연결된 데이터 세트를 가져오는 방법을 소개합니다 run.get_details()['datasets'] .
    • API Dataset.Tabular.from_json_lines_files 를 추가하여 JSON 줄 파일에서 TabularDataset를 만듭니다. TabularDataset의 JSON 회선 파일에서 이 테이블 형식 데이터에 대해 알아보려면 설명서를 보려면 이 문서를 참조하세요.
    • supported_vmsizes() 함수에 다른 VM 크기 필드(OS 디스크, GPU 수)가 추가됨
    • 실행, 프라이빗 및 공용 IP, 포트 등을 표시하기 위해 list_nodes() 함수에 더 많은 필드를 추가했습니다.
    • 클러스터를 프로비전하는 동안 새 필드를 지정하는 기능 --remotelogin_port_public_access. 클러스터를 만들 때 SSH 포트를 열어 두거나 닫을지 여부에 따라 사용하도록 설정하거나 사용하지 않도록 설정할 수 있습니다. 이를 지정하지 않으면 VNet 내에 클러스터를 배포하는지 여부에 따라 서비스가 스마트하게 포트를 열거나 닫습니다.
  • azureml-explain-model
  • azureml-core
    • 모델 개체를 통해 스토리지에서 모델링할 SAS URL을 검색하는 기능이 추가되었습니다. 예: model.get_sas_url()
    • 제출된 실행과 연결된 데이터 세트를 가져오는 run.get_details['datasets'] 도입
    • API Dataset.Tabular를 추가합니다.from_json_lines_files() 를 사용하여 JSON 줄 파일에서 TabularDataset를 만듭니다. TabularDataset의 JSON Lines 파일에서 이 테이블 형식 데이터에 대해 알아보려면 설명서를 참조https://aka.ms/azureml-data 하세요.
    • supported_vmsizes() 함수에 다른 VM 크기 필드(OS 디스크, GPU 수) 가 추가됨
    • 실행, 프라이빗 및 공용 IP, 포트 등을 표시하는 다른 필드를 list_nodes() 함수에 추가했습니다.
    • 클러스터 프로비저닝 중에 새 필드를 지정하는 기능 - 클러스터를 만들 때 SSH 포트를 열어 둘지 여부에 따라 사용 또는 사용 안 함으로 설정할 수 있습니다. 지정하지 않으면 VNet 내부에 클러스터를 배포하는지 여부에 따라 서비스가 포트를 스마트하게 열거나 닫습니다.
  • azureml-explain-model
    • 분류 시나리오의 설명 출력에 대한 설명서가 향상되었습니다.
    • 평가 예제에 대한 설명에 대해 예측된 y 값을 업로드하는 기능이 추가되었습니다. 더 유용한 시각화를 잠금 해제합니다.
    • 기본 MimicExplainer를 가져오는 데 사용할 수 있도록 MimicWrapper에 설명자 속성이 추가되었습니다.
  • azureml-pipeline-core
    • Module, ModuleVersion 및 ModuleStep을 설명하는 Notebook이 추가되었습니다.
  • azureml-pipeline-steps
    • AML 파이프라인을 통해 R 스크립트 실행을 지원하는 RScriptStep이 추가되었습니다.
    • AzureBatchStep에서 "매개 변수 SubscriptionId에 대한 할당이 지정되지 않았습니다."라는 오류 메시지를 발생시키는 메타데이터 매개 변수 구문 분석이 수정되었습니다.
  • azureml-train-automl
    • 지원되는 training_data, validation_data, label_column_name, 데이터 입력 형식으로 weight_column_name
    • explain_model() 및 retrieve_model_explanations()에 대한 사용 중단 메시지 추가
  • azureml-pipeline-core
    • Module, [ModuleVersion 및 ModuleStep을 설명하는 Notebook이 추가되었습니다.
  • azureml-pipeline-steps
    • AML 파이프라인을 통해 R 스크립트 실행을 지원하는 RScriptStep이 추가되었습니다.
    • "SubscriptionId 매개 변수에 대한 할당이 지정되지 않았습니다"라는 오류 메시지를 발생시키는 [AzureBatchStep의 메타데이터 매개 변수 구문 분석이 수정되었습니다.
  • azureml-train-automl
    • training_data, validation_data, label_column_name weight_column_name이 데이터 입력 형식으로 지원됩니다.
    • explain_model() 및 retrieve_model_explanations()에 대한 사용 중단 메시지가 추가되었습니다.

2019-09-16

Python용 Azure Machine Learning SDK v1.0.62

• 새로운 기능

  • TabularDataset에 대한 timeseries 특성이 도입되었습니다. 이러한 특성을 사용하여 TabularDataset 데이터의 타임스탬프를 쉽게 필터링할 수 있습니다. 예를 들어 특정 시간 범위의 데이터 또는 최신 데이터를 가져올 수 있습니다. https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datasets-tutorial/timeseries-datasets/tabular-timeseries-dataset-filtering.ipynb 예제 Notebook의 경우

  • TabularDataset 및 FileDataset를 사용한 학습을 지원합니다.

  • azureml-train-core

    • PyTorch 추정기에서 추가 Nccl 및 Gloo 지원

• 버그 수정 및 개선 사항

  • azureml-automl-core
    • AutoML 설정 'lag_length'과 LaggingTransformer가 사용되지 않습니다.
    • Dataflow 형식으로 지정된 경우 입력 데이터의 올바른 유효성 검사가 수정되었습니다.
    • fit_pipeline.py가 그래프 json을 생성하고 아티팩트에 업로드하도록 수정되었습니다.
    • 를 사용하여 Cytoscape그래프를 렌더링했습니다userrun.
  • azureml-core
    • ADB 코드에서 예외 처리를 다시 검토하고 새 오류 처리에 따라 변경
    • Notebook VM에 대한 자동 MSI 인증이 추가되었습니다.
    • 실패한 재시도로 인해 손상되거나 비어 있는 모델을 업로드할 수 있는 버그를 수정합니다.
    • 모드가 변경되면(예: 호출as_uploadas_download할 때DataReference) 이름이 변경되는 DataReference 버그가 as_mount수정되었습니다.
    • 만들기 mount_point 및 target_path 선택 사항 FileDataset.mountFileDataset.download
    • 세부적인 타임스탬프 열을 할당하지 않고 시계열 관련 API를 호출하거나 할당된 타임스탬프 열을 삭제한 경우에는 타임스탬프 열을 찾을 수 없다는 예외가 throw됩니다.
    • 시계열 열에는 Date 형식의 열을 할당해야 합니다. 그렇지 않으면 예외가 발생합니다.
    • API를 할당하는 시계열 열 'with_timestamp_columns'는 None 값, 세분화된/성긴 타임스탬프 열 이름을 사용할 수 있으며, 그러면 이전에 할당된 타임스탬프 열이 지워집니다.
    • 삭제 목록에서 타임스탬프 열을 제외하거나 None 값으로 with_time_stamp 호출하여 타임스탬프 열을 해제한 후 삭제를 수행할 수 있다는 표시와 함께 거친 세분성 또는 세분화된 타임스탬프 열을 삭제하면 예외가 throw됩니다.
    • 열 유지 목록에 타임스탬프 열을 포함하거나 None 값으로 with_time_stamp 호출하여 타임스탬프 열을 해제한 후 유지를 수행할 수 있음을 나타내는 세분화된 세분화된 타임스탬프 열이 열 유지 목록에 포함되지 않으면 예외가 throw됩니다.
    • 등록된 모델의 크기에 대한 로깅이 추가되었습니다.
  • azureml-explain-model
    • "packaging" Python 패키지가 설치되지 않은 경우 콘솔에 출력되는 경고가 수정됨: "지원되는 버전보다 오래된 버전의 lightgbm을 사용하는 경우 2.2.1 이후 버전으로 업그레이드하세요."
    • 다양한 기능이 있는 전역 설명에 대한 분할을 사용하여 모델 다운로드 설명을 수정했습니다.
    • 출력 설명에 대한 초기화 예제가 누락된 모방 설명자 수정
    • 두 가지 유형의 모델을 사용하여 설명 클라이언트를 사용하여 업로드할 때 설정 속성에 대한 변경할 수 없는 오류가 수정되었습니다.
    • 점수 매기기 explainer.explain()에 get_raw 매개 변수가 추가되었으므로 한 점수 매기기 설명자가 엔지니어링된 값과 원시 값을 모두 반환할 수 있습니다.
  • azureml-train-automl
    • AutoML 기능화를 분리하고 SDK를 설명하여 AutoML 설명을 지원하는 최신 방법인 설명 SDK의 설명을 automl 지원하기 위해 AutoML의 공용 API를 도입했습니다. Azureml의 통합 원시 설명 지원은 AutoML 모델용 SDK를 설명합니다.
    • 원격 학습 환경에서 azureml-default를 제거합니다.
    • Azure Databricks 코드 경로의 AutoML에 대한 기본 캐시 저장소 위치를 FileCacheStore 기반 1에서 AzureFileCacheStore 1로 변경했습니다.
    • Dataflow 형식으로 지정된 경우 입력 데이터의 올바른 유효성 검사가 수정되었습니다.
  • azureml-train-core

    • source_directory_data_store 사용 중단을 되돌려 줍니다.

    • azureml 설치 패키지 버전을 재정의하는 기능이 추가되었습니다.

    • 예측 도구의 environment_definition 매개 변수에 dockerfile 지원이 추가되었습니다.

    • 예측 도구의 간소화된 분산 학습 매개 변수입니다.

      from azureml.train.dnn import TensorFlow, Mpi, ParameterServer
      

2019-09-09

Azure Machine Learning 작업 영역에 대한 새 웹 환경(미리 보기)

새로운 웹 환경을 통해 데이터 과학자와 데이터 엔지니어는 데이터를 준비하고 시각화하는 것부터 단일 위치에서 모델을 학습하고 배포하는 것까지 엔드 투 엔드 기계 학습 수명 주기를 완료할 수 있습니다.

주요 기능:

이제 이 새로운 Azure Machine Learning 인터페이스를 사용하여 다음을 수행할 수 있습니다.

• 전자 필기장 관리 또는 Jupyter에 연결
• 자동화된 ML 실험 실행
• 로컬 파일, 데이터 저장소 및 웹 파일에서 데이터 세트 만들기
• 모델 만들기를 위한 데이터 세트 탐색 및 준비
• 모델에 대한 데이터 드리프트 모니터링
• 대시보드에서 최근 리소스 보기

이 릴리스에서 지원되는 브라우저는 Chrome, Firefox, Safari 및 Microsoft Edge Preview입니다.

알려진 문제:

1. "문제가 발생했습니다! 배포가 진행 중일 때 "청크 파일을 로드하는 동안 오류가 발생했습니다."

2. 전자 필기장 및 파일에서 파일을 삭제하거나 이름을 바꿀 수 없습니다. 공개 미리 보기 중에는 Notebook VM의 Jupyter UI 또는 터미널을 사용하여 파일 업데이트 작업을 수행할 수 있습니다. 탑재된 네트워크 파일 시스템이므로 모든 변경 내용이 Notebook VM에서 수행되면 Notebook 작업 영역에 즉시 반영됩니다.

3. Notebook VM에 SSH하려면 다음을 수행합니다.

   1. VM 설치 중에 만든 SSH 키를 찾습니다. 또는 Azure Machine Learning 작업 영역 > 컴퓨팅 탭 열기 > 목록에서 Notebook VM 찾기 > 해당 속성 열기: 대화 상자에서 키를 복사하는 방법으로 키를 찾습니다.
   2. 해당 공용 및 프라이빗 SSH 키를 로컬 머신으로 가져옵니다.
   3. 이를 사용하여 Notebook VM에 SSH합니다.

2019-09-03

Python용 Azure Machine Learning SDK v1.0.60

• 새로운 기능

  • 데이터 저장소 또는 공용 URL의 단일 또는 여러 파일을 참조하는 FileDataset가 도입되었습니다. 파일은 모든 형식일 수 있습니다. FileDataset은 컴퓨팅에 파일을 다운로드하거나 탑재하는 기능을 제공합니다.
  • PythonScript 단계, Adla Step, Databricks Step, DataTransferStep 및 AzureBatch 단계에 대한 파이프라인 Yaml 지원이 추가됨

• 버그 수정 및 개선 사항

  • azureml-automl-core

    • AutoArima는 이제 미리 보기 전용으로 제안 가능한 파이프라인입니다.
    • 예측에 대한 오류 보고가 향상되었습니다.
    • 예측 작업에서 제네릭 대신 사용자 지정 예외를 사용하여 로깅을 개선했습니다.
    • max_concurrent_iterations 검사 총 반복 수보다 작게 제거했습니다.
    • 이제 AutoML 모델에서 AutoMLExceptions를 반환합니다.
    • 이 릴리스는 자동화된 Machine Learning 로컬 실행의 실행 성능을 향상시킵니다.

  • azureml-core

    • 등록 이름으로 키가 지정된 개체 및 FileDataset 사전 TabularDataset 을 반환하는 Dataset.get_all(작업 영역)를 소개합니다.

    workspace = Workspace.from_config()
    all_datasets = Dataset.get_all(workspace)
    mydata = all_datasets['my-data']
    

    • Dataset.Tabular.from_delimited_files 및 Dataset.Tabular.from_parquet.files에 대한 인수로 parition_format을 도입했습니다. 각 데이터 경로의 파티션 정보는 지정된 형식에 따라 열으로 추출됩니다. '{column_name}'은 문자열 열을 만들고 , '{column_name:yyyy/MM/dd/HH/mm/ss}'는 날짜/시간 열을 만듭니다. 여기서 'yyyy', 'MM', 'dd', 'HH', 'mm' 및 'ss'는 날짜/시간 형식의 연도, 월, 일, 시간, 분 및 초를 추출하는 데 사용됩니다. partition_format 첫 번째 파티션 키의 위치에서 파일 경로의 끝까지 시작해야 합니다. 예를 들어 경로 '.를 지정합니다. /USA/2019/01/01/data.csv' 여기서 파티션은 국가/지역 및 시간별이며, partition_format='/{Country}/{PartitionDate:yyyy/MM/dd}/data.csv'은 값이 'USA'인 문자열 열 'Country'를 만들고 날짜/시간 열 'PartitionDate'는 값이 '2019-01-01'입니다.

      workspace = Workspace.from_config()
      all_datasets = Dataset.get_all(workspace)
      mydata = all_datasets['my-data']
      

    • Dataset.Tabular.from_delimited_files 및 Dataset.Tabular.from_parquet.files에 대한 인수로 partition_format을 도입했습니다. 각 데이터 경로의 파티션 정보는 지정된 형식에 따라 열으로 추출됩니다. '{column_name}'은 문자열 열을 만들고 , '{column_name:yyyy/MM/dd/HH/mm/ss}'는 날짜/시간 열을 만듭니다. 여기서 'yyyy', 'MM', 'dd', 'HH', 'mm' 및 'ss'는 날짜/시간 형식의 연도, 월, 일, 시간, 분 및 초를 추출하는 데 사용됩니다. partition_format 첫 번째 파티션 키의 위치에서 파일 경로의 끝까지 시작해야 합니다. 예를 들어 경로 '.를 지정합니다. /USA/2019/01/01/data.csv' 여기서 파티션은 국가/지역 및 시간별이며, partition_format='/{Country}/{PartitionDate:yyyy/MM/dd}/data.csv'은 값이 'USA'인 문자열 열 'Country'를 만들고 날짜/시간 열 'PartitionDate'는 값이 '2019-01-01'입니다.

    • to_csv_files 및 to_parquet_files 메서드가 에 추가 TabularDataset되었습니다. 이러한 메서드를 사용하면 데이터를 지정된 형식의 파일로 변환하여 a TabularDataset 와 FileDataset a 간에 변환할 수 있습니다.

    • Model.package()에서 생성한 Dockerfile을 저장하면 기본 이미지 레지스트리에 자동으로 로그인됩니다.

    • 'gpu_support'는 더 이상 필요하지 않습니다. AML은 이제 nvidia docker 확장을 자동으로 검색하고 사용합니다(사용할 수 있는 경우). 후속 릴리스에서 제거될 예정입니다.

    • PipelineDrafts를 만들고, 업데이트하고, 사용할 수 있는 지원이 추가되었습니다.

    • 이 릴리스는 자동화된 Machine Learning 로컬 실행의 실행 성능을 향상시킵니다.

    • 사용자는 이름별로 실행 기록의 메트릭을 쿼리할 수 있습니다.

    • 예측 작업에서 제네릭 대신 사용자 지정 예외를 사용하여 로깅을 개선했습니다.

  • azureml-explain-model

    • 사용자가 원시 기능 설명을 가져올 수 있도록 새 MimicWrapper에 feature_maps 매개 변수가 추가되었습니다.
    • 이제 설명 업로드를 위해 데이터 세트 업로드가 기본적으로 해제되어 있으며 upload_datasets=True로 다시 사용하도록 설정할 수 있습니다.
    • 설명 목록 및 다운로드 함수에 "is_law" 필터링 매개 변수가 추가되었습니다.
    • 전역 및 로컬 설명 개체 모두에 메서드 get_raw_explanation(feature_maps) 를 추가합니다.
    • 지원되는 버전 아래의 경우 인쇄된 경고와 함께 lightgbm에 버전 검사 추가됨
    • 설명을 일괄 처리할 때 최적화된 메모리 사용량
    • 이제 AutoML 모델에서 AutoMLExceptions를 반환합니다.

  • azureml-pipeline-core

    • PipelineDrafts 만들기, 업데이트 및 사용에 대한 지원이 추가됨 - 변경 가능한 파이프라인 정의를 기본 확인하고 대화형으로 사용하여 실행하는 데 사용할 수 있습니다.

  • azureml-train-automl

    • 원격 Python 런타임 환경에서 BERT/XLNet을 사용하는 데 필요한 특정 버전의 gpu 지원 pytorch v1.1.0, cuda toolkit 9.0, pytorch-transformer를 설치하는 기능을 만들었습니다.

  • azureml-train-core

    • 일부 하이퍼 매개 변수 공간 정의 오류의 초기 오류는 서버 쪽이 아닌 sdk에서 직접 발생합니다.

Azure Machine Learning Data Prep SDK v1.1.14

• 버그 수정 및 개선 사항
  • 원시 경로 및 자격 증명을 사용하여 ADLS/ADLSGen2에 쓸 수 있습니다.
  • 에 대해 작동하지 않는 버그가 read_parquet수정되었습니다include_path=True.
  • 예외 "잘못된 속성 값: hostSecret"으로 인한 오류를 수정 to_pandas_dataframe() 했습니다.
  • Spark 모드의 DBFS에서 파일을 읽을 수 없는 버그가 수정되었습니다.

2019-08-19

Python용 Azure Machine Learning SDK v1.0.57

• 새로운 기능

  • AutomatedML에서 사용할 수 있는 TabularDataset 지원. TabularDataset에 대해 자세히 알아보려면 https://aka.ms/azureml/howto/createdatasets.를 방문하세요.

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • 이제 AKS 클러스터에 배포된 채점 엔드포인트의 TLS/SSL 인증서(Microsoft에서 생성한 인증서 및 고객 인증서 모두)를 업데이트할 수 있습니다.
  • azureml-automl-core
    • 레이블이 없는 행이 제대로 제거되지 않는 AutoML의 문제가 해결되었습니다.
    • AutoML에서 오류 로깅이 향상되었습니다. 이제 전체 오류 메시지가 항상 로그 파일에 기록됩니다.
    • AutoML에서 패키지 고정을 업데이트하여 포함 azureml-defaults및 azureml-explain-model.azureml-dataprep AutoML은 더 이상 패키지 불일치에 대해 경고하지 않습니다(azureml-train-automl 패키지 제외).
    • timeseries에서 cv 분할의 크기가 같지 않아 bin 계산이 실패하는 문제가 해결되었습니다.
    • Cross-Validation 학습 유형에 대한 앙상블 반복을 실행할 때, 전체 데이터 세트에 대해 학습된 모델을 다운로드하는 데 문제가 발생하면 모델 가중치와 투표 앙상블에 공급된 모델 간에 불일치가 발생한 것입니다.
    • 학습 및/또는 유효성 검사 레이블(y 및 y_valid)이 pandas 데이터 프레임 형식으로 제공되지만 numpy 배열로 제공되지 않을 때 발생하는 오류를 수정했습니다.
    • 입력 테이블의 부울 열에서 None이 발견되었을 때 예측 작업과 관련된 문제를 해결했습니다.
    • AutoML 사용자가 예측할 때 충분히 길지 않은 학습 시리즈를 삭제하도록 허용합니다. - AutoML 사용자가 예측 시 학습 집합에 없는 테스트 집합의 곡물을 삭제하도록 허용합니다.
  • azureml-core
    • blob_cache_timeout 매개 변수 순서 지정과 관련된 문제가 해결되었습니다.
    • 외부 맞춤 및 변환 예외 유형을 시스템 오류로 추가했습니다.
    • 원격 실행에 대한 Key Vault 비밀에 대한 지원이 추가되었습니다. 작업 영역과 연결된 키 자격 증명 모음의 비밀을 추가하고, 가져오고, 나열하기 위해 azureml.core.keyvault.Keyvault 클래스를 추가합니다. 지원되는 작업은 다음과 같습니다.
      • azureml.core.workspace.Workspace.get_default_keyvault()
      • azureml.core.keyvault.Keyvault.set_secret(name, value)
      • azureml.core.keyvault.Keyvault.set_secrets(secrets_dict)
      • azureml.core.keyvault.Keyvault.get_secret(name)
      • azureml.core.keyvault.Keyvault.get_secrets(secrets_list)
      • azureml.core.keyvault.Keyvault.list_secrets()
      • 원격 실행 중에 기본 keyvault를 가져오고 비밀을 가져오는 추가 메서드:
      • azureml.core.workspace.Workspace.get_default_keyvault()
      • azureml.core.run.Run.get_secret(name)
      • azureml.core.run.Run.get_secrets(secrets_list)
    • submit-hyperdrive CLI 명령에 다른 재정의 매개 변수가 추가되었습니다.
    • 일반적인 요청 라이브러리 예외로 재시도를 확장하도록 API 호출의 안정성 개선.
    • 제출된 실행에서 실행 제출에 대한 지원을 추가합니다.
    • 초기 토큰이 만료된 후 파일이 업로드되지 않도록 하는 FileWatcher의 만료 SAS 토큰 문제가 해결되었습니다.
    • 데이터 세트 Python SDK에서 HTTP csv/tsv 파일을 가져올 수 있습니다.
    • Workspace.setup() 메서드가 사용되지 않습니다. 사용자에게 표시되는 경고 메시지는 create() 또는 get()/from_config()를 대신 사용하도록 제안합니다.
    • 프라이빗 사용자 지정 Python 패키지 whl을 작업 영역에 업로드하고 안전하게 사용하여 환경을 빌드/구체화할 수 있게 해주는 Environment.add_private_pip_wheel()이 추가되었습니다.
    • 이제 AKS 클러스터에 배포된 채점 엔드포인트의 TLS/SSL 인증서(Microsoft에서 생성한 인증서 및 고객 인증서 모두)를 업데이트할 수 있습니다.
  • azureml-explain-model
    • 업로드에 대한 설명에 모델 ID를 추가하는 매개 변수가 추가되었습니다.
    • 메모리 및 업로드의 설명에 태그 지정이 추가 is_raw 되었습니다.
    • azureml-explain-model 패키지에 대한 pytorch 지원 및 테스트가 추가되었습니다.
  • azureml-opendatasets
    • 자동 테스트 환경 검색 및 로깅을 지원합니다.
    • 카운티 및 zip별로 미국 인구를 가져오는 클래스가 추가되었습니다.
  • azureml-pipeline-core
    • 입력 및 출력 포트 정의에 레이블 속성이 추가되었습니다.
  • azureml-telemetry
    • 잘못된 원격 분석 구성을 수정했습니다.
  • azureml-train-automl
    • 설치 실패 시 설치 실행에 대한 "오류" 필드에 오류가 기록되지 않아 부모 실행 "오류"에 저장되지 않는 버그가 수정되었습니다.
    • 레이블이 없는 행이 제대로 제거되지 않는 AutoML의 문제가 해결되었습니다.
    • AutoML 사용자가 예측 시 충분히 길지 않은 학습 시리즈를 삭제할 수 있습니다.
    • AutoML 사용자가 예측 시 학습 집합에 없는 테스트 집합에서 곡물을 삭제하도록 허용합니다.
    • 이제 AutoMLStep은 새 구성 매개 변수의 automl 변경 또는 추가에 대한 문제를 방지하기 위해 구성을 백 엔드로 전달합니다.
    • AutoML Data Guardrail은 현재 공개 미리 보기로 제공됩니다. 학습 후에는 Data Guardrail 보고서(분류/회귀 작업용)가 표시되며 SDK API를 통해 액세스할 수도 있습니다.
  • azureml-train-core
    • PyTorch 예측 도구에 torch 1.2 지원을 추가했습니다.
  • azureml-widgets
    • 분류 학습을 위한 혼동 행렬 차트가 개선되었습니다.

Azure Machine Learning Data Prep SDK v1.1.12

• 새로운 기능

  • 이제 문자열 목록을 메서드에 대한 입력 read_* 으로 전달할 수 있습니다.

• 버그 수정 및 개선 사항

  • Spark에서 read_parquet 실행할 때 성능이 향상되었습니다.
  • 모호한 날짜 형식의 단일 열에서 실패한 문제를 해결 column_type_builder 했습니다.

Azure Portal

• 미리 보기 기능
  • 이제 로그 및 출력 파일 스트리밍을 실행 세부 정보 페이지에 사용할 수 있습니다. 미리 보기 토글이 켜지면 파일 스트림이 실시간으로 업데이트됩니다.
  • 작업 영역 수준에서 할당량을 설정하는 기능은 미리 보기로 릴리스되었습니다. AmlCompute 할당량은 구독 수준에서 할당되지만 이제 작업 영역 간에 해당 할당량을 분산하고 공정한 공유 및 거버넌스를 위해 할당할 수 있습니다. 작업 영역의 왼쪽 탐색 모음에서 사용량 + 할당량 블레이드를 클릭하고 할당량 구성 탭을 선택하면 됩니다. 작업 영역 간 작업이므로 작업 영역 수준에서 할당량을 설정할 수 있으려면 구독 관리자여야 합니다.

2019-08-05

Python용 Azure Machine Learning SDK v1.0.55

• 새로운 기능

  • 이제 AKS에 배포된 점수 매기기 엔드포인트에 대한 호출에 대해 토큰 기반 인증이 지원됩니다. 현재 키 기반 인증을 계속 지원하며 사용자는 이러한 인증 메커니즘 중 하나를 한 번에 사용할 수 있습니다.
  • VNet(가상 네트워크) 뒤에 있는 Blob Storage를 데이터 저장소로 등록하는 기능.

• 버그 수정 및 개선 사항

  • azureml-automl-core
    • CV 분할에 대한 유효성 검사 크기가 작고 회귀 및 예측에 대한 잘못된 예측 및 실제 비교 차트를 생성하는 버그를 수정합니다.
    • 원격 실행에 대한 예측 작업의 로깅이 개선되었으며, 이제 실행이 실패한 경우 사용자에게 포괄적인 오류 메시지가 제공됩니다.
    • 전처리 플래그가 Timeseries True이면 오류가 수정되었습니다.
    • 일부 예측 데이터 유효성 검사 오류 메시지의 실용성이 높아졌습니다.
    • 특히 프로세스 생성 사이에 데이터 세트를 삭제 및/또는 지연 로드하여 AutoML 실행의 메모리 사용 감소
  • azureml-contrib-explain-model
    • 사용자가 모델 형식에 대한 기본 자동 유추 논리를 재정의할 수 있도록 설명자에 model_task 플래그가 추가됨
    • 위젯 변경 내용: 자동으로 설치, 더 nbextension 이상 설치contrib/사용 안 됨 - 전역 기능 중요도(예: 순열)를 사용하여 설명 지원
    • 대시보드 변경 내용: - 요약 페이지의 플롯 외 beeswarm 에 상자 플롯 및 바이올린 플롯 - 'Top-k' 슬라이더 변경 시 플롯을 더 빠르게 다시 렌더링 beeswarm - top-k가 계산되는 방식을 설명하는 유용한 메시지 - 데이터가 제공되지 않을 때 차트 대신 유용한 사용자 지정 가능 메시지
  • azureml-core
    • 모델 및 해당 종속성을 캡슐화하는 Docker 이미지 및 Dockerfile을 만드는 Model.package() 메서드가 추가되었습니다.
    • 환경 개체가 포함된 InferenceConfigs를 허용하도록 로컬 웹 서비스를 업데이트했습니다.
    • 현재 디렉터리의 '.'가 model_path 매개 변수로 전달될 경우 잘못된 모델을 생성하는 Model.register()가 수정되었습니다.
    • 제출된 자식 실행의 부모로 실행을 지정하는 동안 Run.submit_child 기능을 미러 Experiment.submit을 추가합니다.
    • Run.register_model에서 Model.register의 구성 옵션을 지원합니다.
    • 기존 클러스터에서 JAR 작업을 실행하는 기능.
    • 이제 instance_pool_id 및 cluster_log_dbfs_path 매개 변수를 지원합니다.
    • Webservice에 모델을 배포할 때 환경 개체 사용에 대한 지원이 추가되었습니다. 이제 Environment 개체를 InferenceConfig 개체의 일부로 제공할 수 있습니다.
    • 새 지역에 대한 appinsifht 매핑 추가 - centralus - westus - northcentralus
    • 모든 Datastore 클래스의 모든 특성에 대한 설명서가 추가되었습니다.
    • Datastore.register_azure_blob_container에 blob_cache_timeout 매개 변수가 추가되었습니다.
    • azureml.core.environment.Environment에 save_to_directory 및 load_from_directory 메서드가 추가되었습니다.
    • CLI에 "az ml environment download" 및 "az ml environment register" 명령을 추가했습니다.
    • Environment.add_private_pip_wheel 메서드가 추가되었습니다.
  • azureml-explain-model
    • 데이터 세트 서비스(미리 보기)를 사용하여 설명에 데이터 세트 추적이 추가되었습니다.
    • 글로벌 설명을 스트리밍할 때 기본 일괄 처리 크기가 10k에서 100으로 줄었습니다.
    • 사용자가 모델 형식에 대한 기본 자동 유추 논리를 재정의할 수 있도록 설명자에 model_task 플래그가 추가되었습니다.
  • azureml-mlflow
    • 중첩된 디렉터리를 무시하는 mlflow.azureml.build_image 버그가 수정되었습니다.
  • azureml-pipeline-steps
    • 기존 Azure Databricks 클러스터에서 JAR 작업을 실행하는 기능이 추가되었습니다.
    • DatabricksStep 단계에 대한 지원 instance_pool_id 및 cluster_log_dbfs_path 매개 변수가 추가되었습니다.
    • DatabricksStep 단계에서 파이프라인 매개 변수에 대한 지원이 추가되었습니다.
  • azureml-train-automl
    • Ensemble 관련 파일에 대한 docstrings가 추가되었습니다.
    • 문서를 보다 적절한 언어 max_cores_per_iteration 로 업데이트 max_concurrent_iterations
    • 원격 실행에 대한 예측 작업의 로깅이 개선되었으며, 이제 실행이 실패한 경우 사용자에게 포괄적인 오류 메시지가 제공됩니다.
    • 파이프라인 automlstep Notebook에서 get_data 제거되었습니다.
    • automlstep에서 dataprep 지원이 시작되었습니다.

Azure Machine Learning Data Prep SDK v1.1.10

• 새로운 기능
  • 이제 특정 열에 대해 특정 검사기(예: 히스토그램, 산점도 등)를 실행하도록 요청할 수 있습니다.
  • 에 병렬화 인수를 추가했습니다 append_columns. True이면 데이터가 메모리에 로드되지만 실행은 병렬로 실행됩니다. False인 경우 실행은 스트리밍이지만 단일 스레드입니다.

2019-07-23

Python용 Azure Machine Learning SDK v1.0.53

• 새로운 기능

  • 이제 자동화된 Machine Learning에서 원격 컴퓨팅 대상에 대한 ONNX 모델 학습 지원
  • 이제 Azure Machine Learning은 이전 실행, 검사point 또는 모델 파일에서 학습을 다시 시작하는 기능을 제공합니다.
    • 예측 변수를 사용하여 이전 실행에서 학습을 다시 시작하는 방법 알아보기

• 버그 수정 및 개선 사항

  • azure-cli-ml
    • CLI 명령 "모델 배포" 및 "서비스 업데이트"는 이제 매개 변수, 구성 파일 또는 둘의 조합을 허용합니다. 매개 변수는 파일의 특성보다 우선합니다.
    • 이제 등록 후 모델 설명을 업데이트할 수 있습니다.
  • azureml-automl-core
    • NimbusML 종속성을 1.2.0 버전(현재 최신)으로 업데이트.
    • AutoML 예측 도구 내에서 NimbusML 예측 도구 및 파이프라인을 사용할 수 있는 지원 기능 추가.
    • 점수가 일정하게 유지되더라도 결과 앙상블을 불필요하게 증가시킨 Ensemble 선택 절차의 버그 해결.
    • 예측 작업을 위해 CV 분할에서 일부 기능화를 다시 사용할 수 있습니다. 이렇게 하면 지연 및 롤링 창과 같은 비용이 많이 드는 기능화에 대한 n_cross_validations 대략적인 요소로 설치 실행의 런타임을 단축할 수 있습니다.
    • 시간이 pandas 지원 시간 범위를 벗어나는 경우 문제를 해결합니다. 이제 시간이 pd.Timestamp.min보다 작거나 pd.Timestamp.max보다 크면 DataException이 발생합니다.
    • 이제 예측을 통해 정렬할 수 있는 경우 학습 및 테스트 집합에서 다른 빈도를 허용합니다. 예를 들어 “1월에 분기별로 시작”과 “10월에 분기별로 시작”을 맞출 수 있습니다.
    • "parameters" 속성이 TimeSeriesTransformer에 추가되었습니다.
    • 이전 예외 클래스를 제거합니다.
    • 예측 작업에서 매개 변수는 target_lags 이제 단일 정수 값 또는 정수 목록을 허용합니다. 정수가 제공된 경우 하나의 지연만 만들어집니다. 목록이 제공되면 고유한 시차 값이 사용됩니다. target_lags=[1, 2, 2, 4]는 1, 2, 4 기간의 시차를 만듭니다.
    • 변환 후 열 형식 손실에 대한 버그 수정(버그 연결)
    • model.forecast(X, y_query)에서 y_query가 처음에 None을 포함하는 개체 형식이 되도록 허용(#459519).
    • 출력에 automl 예상 값 추가
  • azureml-contrib-datadrift
    • azureml-contrib-opendatasets 대신 azureml-opendatasets로 전환하고 데이터를 보강할 때 성능 향상을 포함하여 예제 Notebook의 향상된 기능
  • azureml-contrib-explain-model
    • azureml-contrib-explain-model 패키지의 원시 기능 중요도에 대한 LIME 설명자에 대한 변환 인수 수정
    • AzureML-contrib-explain-model 패키지에 대한 이미지 설명자의 이미지 설명에 구분이 추가되었습니다.
    • LimeExplainer에 대한 scipy 스파스 지원 추가
    • DecisionTreeExplainableModel의 실행 시간을 개선하기 위해 일괄 처리로 전역 설명을 스트리밍할 때 include_local=False모방 설명자에 추가 batch_size 됨
  • azureml-contrib-featureengineering
    • set_featurizer_timeseries_params() 호출 수정: dict 값 형식 변경 및 null 검사 - timeseries 기능화 도구에 대한 Notebook 추가
    • NimbusML 종속성을 1.2.0 버전(현재 최신)으로 업데이트.
  • azureml-core
    • Azure Machine Learning CLI에서 DBFS 데이터 저장소를 연결하는 기능이 추가되었습니다.
    • 데이터 저장소 업로드로 시작하는 경우 target_path 빈 폴더가 만들어지는 버그를 수정했습니다. /
    • ServicePrincipalAuthentication의 문제가 해결 deepcopy 되었습니다.
    • CLI에 "az ml environment show" 및 "az ml environment list" 명령이 추가되었습니다.
    • 이제 환경은 이미 빌드된 base_image 대신 base_dockerfile 지정하도록 지원합니다.
    • 사용되지 않는 RunConfiguration 설정 auto_prepare_environment가 더 이상 사용되지 않는 것으로 표시되었습니다.
    • 이제 등록 후 모델 설명을 업데이트할 수 있습니다.
    • 버그픽스: 모델 및 이미지 삭제는 이제 업스트림 종속성으로 인해 삭제가 실패할 경우 종속되는 업스트림 개체를 검색하는 방법에 대한 자세한 정보를 제공합니다.
    • 일부 환경에 대한 작업 영역을 만들 때 발생하는 배포의 빈 기간을 인쇄하는 버그가 수정되었습니다.
    • 작업 영역 만들기에 대한 오류 예외가 개선되었습니다. 사용자에게 "작업 영역을 만들 수 없습니다. 다음 항목을 찾을 수 없습니다... " 메시지가 표시되지 않고 대신 실제 생성 오류가 표시됩니다.
    • AKS 웹 서비스에서 토큰 인증에 대한 지원을 추가합니다.
    • 개체에 메서드를 Webservice 추가 get_token() 합니다.
    • 기계 학습 데이터 세트를 관리하는 CLI 지원이 추가되었습니다.
    • Datastore.register_azure_blob_container 이제 필요에 따라 이 데이터 저장소에 대한 캐시 만료를 사용하도록 blobfuse의 탑재 매개 변수를 구성하는 값(초)을 사용합니다 blob_cache_timeout . 기본값은 Blob을 읽을 때와 같이 시간 제한이 없으며 작업이 완료될 때까지 로컬 캐시에 유지됩니다. 대부분의 작업은 이 설정을 선호하지만 일부 작업은 노드에 맞는 것보다 큰 데이터 세트에서 더 많은 데이터를 읽어야 합니다. 이러한 작업의 경우 이 매개 변수를 튜닝하면 성공하는 데 도움이 됩니다. 이 매개 변수를 튜닝할 때 주의하세요. 값을 너무 낮게 설정하면 Epoch에 사용된 데이터가 다시 사용되기 전에 만료될 수 있으므로 성능이 저하될 수 있습니다. 모든 읽기는 학습 시간에 부정적인 영향을 미치는 로컬 캐시가 아닌 Blob Storage/네트워크에서 수행됩니다.
    • 이제 등록 후 모델 설명을 적절히 업데이트할 수 있음
    • 모델 및 이미지 삭제는 이제 해당 개체에 의존하는 업스트림 개체에 대한 자세한 정보를 제공하므로 삭제가 실패합니다.
    • azureml.mlflow를 사용하여 원격 실행의 리소스 사용률 개선.
  • azureml-explain-model
    • azureml-contrib-explain-model 패키지의 원시 기능 중요도에 대한 LIME 설명자에 대한 변환 인수 수정
    • LimeExplainer에 대한 scipy 스파스 지원 추가
    • 선형 모델 설명을 위해 셰이프 선형 설명자 래퍼 및 테이블 형식 설명자에 다른 수준을 추가했습니다.
    • 모델 설명 라이브러리의 모방 설명자의 경우 스파스 데이터 입력의 경우 include_local=False인 경우 오류를 수정했습니다.
    • 출력에 automl 예상 값 추가
    • 변환 인수가 원시 기능 중요도를 얻기 위해 제공된 경우 순열 기능 중요도 수정
    • DecisionTreeExplainableModel의 실행 시간을 개선하기 위해 일괄 처리로 전역 설명을 스트리밍할 때 include_local=False모방 설명자에 추가 batch_size 됨
    • 모델 설명 라이브러리의 경우 예측에 pandas 데이터 프레임 입력이 필요한 블랙박스 설명자를 수정했습니다.
    • 부동 소수 자릿수가 포함된 explanation.expected_values 목록이 아닌 부동 소수 자릿수를 반환하는 버그가 수정되었습니다.
  • azureml-mlflow
    • mlflow.set_experiment(experiment_name)의 성능 향상
    • mlflow tracking_uri InteractiveLoginAuthentication을 사용하는 버그 수정
    • azureml.mlflow를 사용하여 원격 실행의 리소스 사용률 개선.
    • azureml-mlflow 패키지의 설명서 개선
    • mlflow.log_artifacts("my_dir")가 대신 아티팩트 아래에 my_dir/<artifact-paths> 저장되는 패치 버그 <artifact-paths>
  • azureml-opendatasets
    • 새로 도입된 메모리 문제로 인해 opendatasets의 pyarrow를 이전 버전(0.14.0 미만)으로 고정
    • azureml-contrib-opendatasets를 azureml-opendatasets로 이동합니다.
    • 개방형 데이터 세트 클래스를 Azure Machine Learning 작업 영역에 등록하고 AML 데이터 세트 기능을 원활하게 사용할 수 있도록 허용합니다.
    • 비 SPARK 버전에서 NoaaIsdWeather 보강 성능 크게 개선.
  • azureml-pipeline-steps
    • 이제 DatabricksStep의 입력 및 출력에 DBFS 데이터 저장소가 지원됩니다.
    • 입력/출력과 관련된 Azure Batch 단계에 대한 설명서가 업데이트되었습니다.
    • AzureBatchStep에서 delete_batch_job_after_finish 기본값이 true로 변경되었습니다.
  • azureml-telemetry
    • azureml-contrib-opendatasets를 azureml-opendatasets로 이동합니다.
    • 개방형 데이터 세트 클래스를 Azure Machine Learning 작업 영역에 등록하고 AML 데이터 세트 기능을 원활하게 사용할 수 있도록 허용합니다.
    • 비 SPARK 버전에서 NoaaIsdWeather 보강 성능 크게 개선.
  • azureml-train-automl
    • 실제 반환 형식을 반영하고 키 속성 검색에 대한 다른 참고 사항을 제공하도록 get_output 대한 설명서가 업데이트되었습니다.
    • NimbusML 종속성을 1.2.0 버전(현재 최신)으로 업데이트.
    • 출력에 automl 예상 값 추가
  • azureml-train-core
    • 이제 문자열이 자동화된 하이퍼 매개 변수 튜닝의 컴퓨팅 대상으로 허용됩니다.
    • 사용되지 않는 RunConfiguration 설정 auto_prepare_environment가 더 이상 사용되지 않는 것으로 표시되었습니다.

Azure Machine Learning Data Prep SDK v1.1.9

• 새로운 기능

  • http 또는 https URL에서 직접 파일을 읽기 위한 지원이 추가되었습니다.

• 버그 수정 및 개선 사항

  • 원격 원본(현재 지원되지 않음)에서 Parquet 데이터 세트를 읽으려고 할 때 발생하는 오류 메시지가 개선되었습니다.
  • ADLS Gen 2에서 Parquet 파일 형식에 쓰고 경로에서 ADLS Gen 2 컨테이너 이름을 업데이트할 때 발생하는 버그가 수정되었습니다.

2019-07-09

시각적 인터페이스

• 미리 보기 기능
  • 시각적 인터페이스에 "R 스크립트 실행" 모듈이 추가되었습니다.

Python용 Azure Machine Learning SDK v1.0.48

• 새로운 기능

  • azureml-opendatasets
    • 이제 azureml-contrib-opendatasets를 azureml-opendatasets로 사용할 수 있습니다. 이전 패키지는 여전히 작동할 수 있지만 더 풍부한 기능과 향상된 기능을 위해 azureml-opendatasets를 사용하는 것이 좋습니다.
    • 이 새 패키지를 사용하면 Azure Machine Learning 작업 영역에서 열린 데이터 세트를 데이터 세트로 등록하고 데이터 세트가 제공하는 모든 기능을 사용할 수 있습니다.
    • 또한 Pandas/SPARK 데이터 프레임으로 열린 데이터 세트를 사용하는 것과 같은 기존 기능과 날씨와 같은 일부 데이터 세트에 대한 위치 조인도 포함됩니다.

• 미리 보기 기능

  • 이제 HyperDriveConfig는 파이프라인 개체를 매개 변수로 사용하여 파이프라인을 사용한 하이퍼 매개 변수 튜닝을 지원할 수 있습니다.

• 버그 수정 및 개선 사항

  • azureml-train-automl
    • 변환 후 열 형식 손실에 대한 버그가 수정되었습니다.
    • y_query 처음에 None을 포함하는 개체 형식이 되도록 하는 버그가 수정되었습니다.
    • 점수가 일정하게 유지되더라도 결과 앙상블을 불필요하게 증가시킨 Ensemble 선택 절차의 문제를 해결했습니다.
    • AutoMLStep에서 list_models 허용 및 list_models 설정 차단과 관련된 문제를 해결했습니다.
    • AutoML이 Azure Machine Learning 파이프라인의 컨텍스트에서 사용되었을 때 전처리를 사용하지 못하게 하는 문제를 해결했습니다.
  • azureml-opendatasets
    • azureml-contrib-opendatasets를 azureml-opendatasets로 이동.
    • 열려 있는 데이터 세트 클래스를 Azure Machine Learning 작업 영역에 등록하고 AML 데이터 세트 기능을 원활하게 사용할 수 있습니다.
    • SPARK가 아닌 버전에서 NoaaIsdWeather 보강 성능이 크게 향상되었습니다.
  • azureml-explain-model
    • 해석성 개체에 대한 온라인 설명서가 업데이트되었습니다.
    • 모델 설명 라이브러리에 대한 DecisionTreeExplainableModel의 실행 시간을 개선하기 위해 일괄 처리로 전역 설명을 스트리밍하는 경우 include_local=False모방 설명자에 추가 batch_size 됩니다.
    • 부동 소수점이 있는 explanation.expected_values 목록이 아닌 부동 소수점이 반환되는 문제를 해결했습니다.
    • 모델 설명 라이브러리의 automl 모방 설명자에 대한 출력에 필요한 값이 추가되었습니다.
    • 원시 기능 중요도를 얻기 위해 변환 인수가 제공될 때 순열 기능 중요도가 수정되었습니다.
  • azureml-core
    • Azure Machine Learning CLI에서 DBFS 데이터 저장소를 연결하는 기능이 추가되었습니다.
    • 로 시작하는 경우 target_path 빈 폴더가 만들어지는 데이터 저장소 업로드 문제를 해결했습니다 /.
    • 두 데이터 세트를 비교할 수 있습니다.
    • 모델 및 이미지 삭제는 이제 업스트림 종속성으로 인해 삭제가 실패할 경우 종속되는 업스트림 개체를 검색하는 방법에 대한 자세한 정보를 제공합니다.
    • auto_prepare_environment 사용되지 않는 RunConfiguration 설정이 사용되지 않습니다.
  • azureml-mlflow
    • azureml.mlflow를 사용하는 원격 실행의 리소스 사용률이 향상되었습니다.
    • azureml-mlflow 패키지의 설명서가 향상되었습니다.
    • mlflow.log_artifacts("my_dir")가 "artifact-paths" 대신 "my_dir/artifact-paths"로 아티팩트를 저장하는 문제가 해결되었습니다.
  • azureml-pipeline-core
    • 모든 파이프라인 단계에 대한 매개 변수 hash_paths 더 이상 사용되지 않으며 나중에 제거될 예정입니다. 기본적으로 source_directory의 콘텐츠는 해시됩니다(.amlignore 또는 .gitignore에 나열된 파일 제외).
    • 파이프라인에서 컴퓨팅 유형별 모듈 사용의 잠금을 해제하기 위해 RunConfiguration 통합 및 기타 변경 내용을 준비하기 위해 컴퓨팅 유형별 모듈을 지원하도록 모듈 및 ModuleStep을 지속적으로 개선했습니다.
  • azureml-pipeline-steps
    • AzureBatchStep: 입력/출력에 대한 설명서가 향상되었습니다.
    • AzureBatchStep: delete_batch_job_after_finish 기본값이 true로 변경되었습니다.
  • azureml-train-core
    • 이제 문자열이 자동화된 하이퍼 매개 변수 튜닝의 컴퓨팅 대상으로 허용됩니다.
    • auto_prepare_environment 사용되지 않는 RunConfiguration 설정이 사용되지 않습니다.
    • 사용되지 않는 매개 변수 conda_dependencies_file_path 및 pip_requirements_file_path 각각에 찬성 conda_dependencies_filepip_requirements_file 합니다.
  • azureml-opendatasets
    • 비 SPARK 버전에서 NoaaIsdWeather 보강 성능 크게 개선.

2019-04-26

Python용 Azure Machine Learning SDK v1.0.33이 출시되었습니다.

• FPGA의 Azure Machine Learning 하드웨어 가속 모델은 일반적으로 사용할 수 있습니다.
  • 이제 azureml-accel-models 패키지를 사용하여 다음을 수행할 수 있습니다.
    • 지원되는 심층 신경망의 가중치 학습(ResNet 50, ResNet 152, DenseNet-121, VGG-16 및 SSD-VGG)
    • 지원되는 DNN에서 전이 학습 사용
    • 모델 관리 서비스에 모델 등록 및 모델 컨테이너화
    • AKS(Azure Kubernetes Service) 클러스터에서 FPGA를 사용하여 Azure VM에 모델 배포
  • Azure Stack Edge 서버 디바이스에 컨테이너 배포
  • 이 샘플을 사용하여 gRPC 엔드포인트로 데이터 점수 매기기

자동화된 Machine Learning

• 성능 최적화를 위해 동적으로 추가할 featurizers 수 있도록 하는 기능 비우기 새로운 featurizers기능: 작업 포함, 증거 가중치, 대상 인코딩, 텍스트 대상 인코딩, 클러스터 거리

• 자동화된 ML 내에서 학습/유효한 분할을 처리하는 스마트 CV

• 메모리 최적화 변경 및 런타임 성능 향상이 거의 없습니다.

• 모델 설명의 성능 향상

• 로컬 실행에 대한 ONNX 모델 변환

• 하위 샘플링 지원이 추가됨

• 종료 조건이 정의되지 않은 경우 지능형 중지

• 누적 앙상블

• 시계열 예측

  • 새 예측 예측 함수
  • 이제 시계열 데이터에 롤링 원본 교차 유효성 검사를 사용할 수 있습니다.
  • 시계열 구간 구성을 위해 새로운 기능이 추가됨
  • 롤링 창 집계 기능을 지원하기 위해 추가된 새로운 기능
  • 국가/지역 코드가 실험 설정에 정의된 경우 새 휴일 검색 및 기능화기

• Azure Databricks

  • 시계열 예측 및 모델 설명/해석 기능 사용
  • 이제 자동화된 ML 실험을 취소하고 다시 시작(계속)할 수 있습니다.
  • 다중 코어 처리에 대한 지원이 추가됨

MLOps

• 채점 컨테이너에 대한 로컬 배포 및 디버깅
  이제 로컬에서 ML 모델을 배포하고 채점 파일 및 종속성을 빠르게 반복하여 예상대로 동작하는지 확인할 수 있습니다.

• InferenceConfig &Model.deploy() 소개
  모델 배포에서 이제 RunConfig와 동일한 항목 스크립트가 포함된 원본 폴더를 지정하도록 지원합니다. 또한 모델 배포가 단일 명령으로 간소화되었습니다.

• Git 참조 추적
  전체 감사 내역을 유지하는 데 도움이 되는 기본 Git 통합 기능에 대한 고객 요청이 오래 전부터 있었습니다. Git 관련 메타데이터(리포지토리, 커밋, 클린 상태)에 대한 Azure Machine Learning의 주요 엔터티 간에 추적을 구현했습니다. 이 정보는 SDK 및 CLI에서 자동으로 수집됩니다.

• 모델 프로파일링 및 유효성 검사 서비스
  고객은 유추 서비스와 관련된 컴퓨팅 크기를 적절하게 조정하는 데 어려움이 있다고 자주 불평합니다. 모델 프로파일링 서비스를 통해 고객은 샘플 입력을 제공할 수 있으며, 16개의 다양한 CPU/메모리 구성에서 프로파일링하여 배포를 위한 최적의 크기 조정을 결정합니다.

• 유추를 위한 고유한 기본 이미지 가져오기
  또 다른 일반적인 불만은 실험에서 유추 RE 공유 종속성으로 전환하는 데 어려움이 있었습니다. 이제 새로운 기본 이미지 공유 기능을 사용하여 실험 기본 이미지, 종속성 및 모든 이미지를 유추에 다시 사용할 수 있습니다. 이렇게 하면 배포 속도가 빨라지고 내부 루프에서 외부 루프까지의 간격이 줄어듭니다.

• 향상된 Swagger 스키마 생성 환경
  이전 swagger 생성 방법은 오류가 발생하기 쉽고 자동화할 수 없었습니다. 데코레이터를 통해 Python 함수에서 swagger 스키마를 생성하는 새로운 인라인 방법이 있습니다. 이 코드를 오픈 소스로 사용했으며 스키마 생성 프로토콜은 Azure Machine Learning 플랫폼에 결합되지 않습니다.

• Azure Machine Learning CLI는 GA(일반 공급)
  이제 단일 CLI 명령을 사용하여 모델을 배포할 수 있습니다. Jupyter Notebook에서 ML 모델을 배포하는 사람이 없다는 공통된 고객 피드백을 받았습니다. CLI 참조 설명서가 업데이트되었습니다.

2019-04-22

Python용 Azure Machine Learning SDK v1.0.30이 릴리스되었습니다.

PipelineEndpoint 동일한 엔드포인트를 기본 동안 게시된 파이프라인의 새 버전을 추가하기 위해 도입되었습니다.

2019-04-15

Azure Portal

• 이제 기존 원격 컴퓨팅 클러스터에서 실행되는 기존 스크립트를 다시 제출할 수 있습니다.
• 이제 파이프라인 탭에서 새 매개 변수를 사용하여 게시된 파이프라인을 실행할 수 있습니다.
• 이제 실행 세부 정보가 새 스냅샷 파일 뷰어를 지원합니다. 특정 실행을 제출할 때 디렉터리의 스냅샷 볼 수 있습니다. 또한 제출된 Notebook을 다운로드하여 실행을 시작할 수도 있습니다.
• 이제 Azure Portal에서 부모 실행을 취소할 수 있습니다.

2019-04-08

Python용 Azure Machine Learning SDK v1.0.23

• 새로운 기능
  • Azure Machine Learning SDK는 이제 Python 3.7을 지원합니다.
  • Azure Machine Learning DNN 예측 도구는 이제 기본 제공 다중 버전 지원을 제공합니다. 예를 들어 예측 TensorFlow 도구는 이제 매개 변수를 framework_version 허용하고 사용자는 버전 '1.10' 또는 '1.12'를 지정할 수 있습니다. 현재 SDK 릴리스에서 지원되는 버전 목록은 원하는 프레임워크 클래스(예: TensorFlow.get_supported_versions())를 호출 get_supported_versions() 합니다. 최신 SDK 릴리스에서 지원하는 버전 목록은 DNN 추정기 설명서를 참조 하세요.

2019-03-25

Python용 Azure Machine Learning SDK v1.0.21

• 새로운 기능
  • azureml.core.Run.create_children 메서드를 사용하면 단일 호출을 사용하여 여러 자식 실행을 짧은 대기 시간으로 만들 수 있습니다.

2019-03-11

Python용 Azure Machine Learning SDK v1.0.18

• 변경
  • azureml-tensorboard 패키지는 azureml-contrib-tensorboard를 대체합니다.
  • 이 릴리스에서는 관리형 컴퓨팅 클러스터(amlcompute)에서 사용자 계정을 만드는 동안 설정할 수 있습니다. 프로비저닝 구성에서 이러한 속성을 전달하여 이 작업을 수행할 수 있습니다. 자세한 내용은 SDK 참조 설명서에서 확인할 수 있습니다.

Azure Machine Learning Data Prep SDK v1.0.17

• 새로운 기능

  • 이제 식 언어를 사용하여 결과 열을 생성하기 위해 두 개의 숫자 열을 추가할 수 있습니다.

• 버그 수정 및 개선 사항

  • random_split에 대한 설명서 및 매개 변수 확인이 개선되었습니다.

2019-02-27

Azure Machine Learning Data Prep SDK v1.0.16

• 버그 수정
  • API 변경으로 인해 발생한 서비스 주체 인증 문제를 해결했습니다.

2019-02-25

Python용 Azure Machine Learning SDK v1.0.17

• 새로운 기능

  • 이제 Azure Machine Learning은 인기 있는 DNN 프레임워크 Chainer에 대한 일류 지원을 제공합니다. 클래스 사용자를 사용하면 Chainer Chainer 모델을 쉽게 학습하고 배포할 수 있습니다.
    • HyperDrive를 사용하여 Chainer로 하이퍼 매개 변수 튜닝을 실행하는 방법 알아보기
  • Azure Machine Learning Pipelines는 데이터 저장소 수정에 따라 파이프라인 실행을 트리거하는 기능을 추가했습니다. 일정 Notebook 파이프라인이 이 기능을 소개하도록 업데이트되었습니다.

• 버그 수정 및 개선 사항

  • PythonScriptStep에 제공되는 RunConfigurations에서 source_directory_data_store 속성을 원하는 데이터 저장소(예: Blob Storage)로 설정하기 위한 지원 기능이 Azure Machine Learning 파이프라인에 추가되었습니다. 기본적으로 단계는 Azure 파일 저장소를 백업 데이터 저장소로 사용하며, 많은 수의 단계가 동시에 실행될 때 제한 문제가 발생할 수 있습니다.

Azure Portal

• 새로운 기능
  • 보고서에 대한 새 끌어서 놓기 테이블 편집기 환경입니다. 사용자는 웰에서 테이블의 미리 보기가 표시되는 테이블 영역으로 열을 끌 수 있습니다. 열을 다시 정렬할 수 있습니다.
  • 새 로그 파일 뷰어
  • 활동 탭에서 실험 실행, 컴퓨팅, 모델, 이미지 및 배포에 대한 링크

다음 단계

Azure Machine Learning에 대한 개요를 읽어보십시오.