Jobs - Create Or Update

서비스:: Machine Learning

API 버전:: 2025-12-01

작업을 만들고 실행합니다. 업데이트 사례의 경우 전달된 정의의 태그가 기존 작업의 태그를 대체합니다.
작업을 만들고 실행합니다. 업데이트 사례의 경우 전달된 정의의 태그가 기존 작업의 태그를 대체합니다.

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/jobs/{id}?api-version=2025-12-01

URI 매개 변수

Name	In(다음 안에)	필수	형식	Description
id	path	True	string	작업의 이름 및 식별자입니다. 대/소문자를 구분합니다.
resourceGroupName	path	True	string minLength: 1 maxLength: 90	리소스 그룹의 이름입니다. 이름은 대소문자를 구분하지 않습니다.
subscriptionId	path	True	string minLength: 1	대상 구독의 ID입니다.
workspaceName	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$	Azure Machine Learning 작업 영역 이름
api-version	query	True	string minLength: 1	이 작업에 사용할 API 버전입니다.

요청 본문

Name	필수	형식	Description
properties	True	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[필수] 엔터티의 추가 특성입니다.

응답

Name	형식	Description
200 OK	JobBase	리소스 'JobBase' 업데이트 작업이 성공했습니다
201 Created	JobBase	리소스 'JobBase' 생성 작업 성공
Other Status Codes	ErrorResponse	예기치 않은 오류 응답입니다.

보안

azure_auth

Azure Active Directory OAuth2 흐름.

형식: oauth2
Flow: implicit
권한 부여 URL: https://login.microsoftonline.com/common/oauth2/authorize

범위

Name	Description
user_impersonation	사용자 계정 가장

예제

CreateOrUpdate AutoML Job.

CreateOrUpdate Command Job.

CreateOrUpdate Pipeline Job.

CreateOrUpdate Sweep Job.

CreateOrUpdate AutoML Job.

샘플 요청

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  }
}

샘플 응답

상태 코드:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

상태 코드:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

CreateOrUpdate Command Job.

샘플 요청

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    }
  }
}

샘플 응답

상태 코드:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "a0847709-f5aa-4561-8ba5-d915d403fdcf": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

상태 코드:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "b8163d40-c351-43d6-8a34-d0cd895b8a5a": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Pipeline Job.

샘플 요청

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "settings": {},
    "tags": {
      "string": "string"
    }
  }
}

샘플 응답

상태 코드:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

상태 코드:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Sweep Job.

샘플 요청

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  }
}

샘플 응답

상태 코드:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

상태 코드:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

정의

Name	Description
AllNodes	모든 노드는 서비스가 작업의 모든 노드에서 실행됨을 의미합니다
AmlToken	AML 토큰 ID 구성.
AutoForecastHorizon	예측 기간은 시스템에 의해 자동으로 결정됩니다.
AutoMLJob	AutoMLJob 클래스. 이 클래스는 분류/회귀 등과 같은 AutoML 작업을 실행하는 데 사용합니다. 지원되는 모든 작업에 대한 TaskType 열거형을 참조하세요.
AutoNCrossValidations	N-교차 검증이 자동으로 결정됩니다.
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	대상 지연 롤링 윈도우가 자동으로 결정됩니다.
AzureDevOpsWebhook	Azure DevOps와 관련된 웹후크 세부 정보
BanditPolicy	여유 기준에 따라 조기 종료 정책과 평가를 위한 빈도 및 지연 간격을 정의합니다
BayesianSamplingAlgorithm	이전 값을 기반으로 값을 생성하는 샘플링 알고리즘을 정의합니다.
BlockedTransformers	AutoML에서 지원하는 모든 분류 모델에 대한 열거형입니다.
Classification	AutoML 테이블 수직의 분류 작업입니다.
ClassificationModels	AutoML에서 지원하는 모든 분류 모델에 대한 열거형입니다.
ClassificationMultilabelPrimaryMetrics	분류 다중 레이블 작업에 대한 기본 메트릭입니다.
ClassificationPrimaryMetrics	분류 작업에 대한 기본 메트릭입니다.
ClassificationTrainingSettings	분류 학습 관련 구성.
CommandJob	명령 작업 정의.
CommandJobLimits	명령 작업 제한 클래스.
createdByType	리소스를 만든 ID의 형식입니다.
CustomForecastHorizon	시계열 빈도 단위로 원하는 최대 예측 수평선입니다.
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	N-Cross 검증은 사용자가 지정합니다.
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	작업 분배 유형을 판별하는 열거형입니다.
EarlyTerminationPolicyType
EmailNotificationEnableType	이메일 알림 유형을 결정하는 열거형입니다.
ErrorAdditionalInfo	리소스 관리 오류 추가 정보입니다.
ErrorDetail	오류 세부 정보입니다.
ErrorResponse	오류 응답
FeatureLags	숫자 기능에 대한 지연을 생성하기 위한 플래그입니다.
FeaturizationMode	기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.
ForecastHorizonMode	예측 기간 선택 모드를 결정하는 열거형입니다.
Forecasting	AutoML 테이블 수직의 예측 작업입니다.
ForecastingModels	AutoML에서 지원하는 모든 예측 모델에 대한 열거형입니다.
ForecastingPrimaryMetrics	예측 작업에 대한 기본 지표입니다.
ForecastingSettings	특정 매개변수 예측.
ForecastingTrainingSettings	예측 교육 관련 구성.
Goal	하이퍼파라미터 튜닝에 대해 지원되는 메트릭 목표를 정의합니다.
GridSamplingAlgorithm	공간의 모든 값 조합을 철저하게 생성하는 샘플링 알고리즘을 정의합니다.
IdentityConfigurationType	Enum을 사용하여 ID 프레임워크를 결정합니다.
ImageClassification	이미지 분류. 다중 클래스 이미지 분류는 이미지가 클래스 집합의 단일 레이블로만 분류될 때 사용됩니다(예: 각 이미지는 '고양이', '개' 또는 '오리'의 이미지로 분류됩니다).
ImageClassificationMultilabel	이미지 분류 다중 레이블. 다중 레이블 이미지 분류는 이미지가 레이블 집합에서 하나 이상의 레이블을 가질 수 있는 경우에 사용됩니다(예: 이미지에 '고양이'와 '개' 둘 다 레이블이 지정될 수 있음).
ImageInstanceSegmentation	이미지 인스턴스 세분화. 인스턴스 분할은 픽셀 수준에서 이미지의 개체를 식별하는 데 사용되며 이미지의 각 개체 주위에 다각형을 그립니다.
ImageLimitSettings	AutoML 작업에 대한 설정을 제한합니다.
ImageModelDistributionSettingsClassification	모델 설정의 값을 스윕하는 분포 식입니다. <예> 몇 가지 예는 다음과 같습니다. ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection	모델 설정의 값을 스윕하는 분포 식입니다. <예> 몇 가지 예는 다음과 같습니다. ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification	모델 학습에 사용되는 설정입니다. 사용 가능한 설정에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
ImageModelSettingsObjectDetection	모델 학습에 사용되는 설정입니다. 사용 가능한 설정에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
ImageObjectDetection	이미지 개체 감지. 객체 감지는 이미지에서 객체를 식별하고 경계 상자가 있는 각 객체를 찾는 데 사용됩니다(예: 이미지에서 모든 개와 고양이를 찾고 각 주위에 경계 상자를 그립니다).
ImageSweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.
InputDeliveryMode	입력 데이터 전달 모드를 결정하는 열거형입니다.
InstanceSegmentationPrimaryMetrics	InstanceSegmentation 작업에 대한 기본 지표입니다.
JobBase	Azure Resource Manager 리소스 봉투.
JobInputType	Enum을 사용하여 작업 입력 유형을 결정합니다.
JobLimitsType
JobOutputType	Enum을 사용하여 작업 출력 유형을 결정합니다.
JobResourceConfiguration
JobService	작업 엔드포인트 정의
JobStatus	작업의 상태입니다.
JobTier	작업 계층을 결정하는 열거형입니다.
JobType	작업 유형을 결정하는 열거형입니다.
LearningRateScheduler	학습 속도 스케줄러 열거형입니다.
LiteralJobInput	리터럴 입력 유형입니다.
LogVerbosity	로그 상세 정보를 설정하기 위한 열거형입니다.
ManagedIdentity	관리 ID 구성.
MedianStoppingPolicy	모든 실행의 기본 메트릭의 실행 평균을 기반으로 조기 종료 정책을 정의합니다
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	이미지 모델 크기입니다.
Mpi	MPI 배포 구성.
NCrossValidationsMode	N-교차 검증 값을 결정하는 방법을 결정합니다.
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	작업 실행 제약 조건.
NodesValueType	노드 값에 대한 열거된 형식
NotificationSetting	알림에 대한 구성입니다.
ObjectDetectionPrimaryMetrics	Image ObjectDetection 작업에 대한 기본 메트릭입니다.
Objective	최적화 목표.
OutputDeliveryMode	출력 데이터 배달 모드 열거형입니다.
PipelineJob	파이프라인 작업 정의: MFE 특성에 대한 제네릭을 정의합니다.
PyTorch	PyTorch 배포 구성.
QueueSettings
RandomSamplingAlgorithm	값을 임의로 생성하는 샘플링 알고리즘을 정의합니다.
RandomSamplingAlgorithmRule	특정 유형의 임의 알고리즘
Regression	AutoML 테이블 수직의 회귀 작업입니다.
RegressionModels	AutoML에서 지원하는 모든 회귀 모델에 대한 열거형입니다.
RegressionPrimaryMetrics	회귀 작업에 대한 기본 지표입니다.
RegressionTrainingSettings	회귀 학습 관련 구성.
SamplingAlgorithmType
SeasonalityMode	계절성 예측 모드.
ShortSeriesHandlingConfiguration	AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.
SparkJob	Spark 작업 정의.
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	StackEnsemble 실행을 사용자 정의하기 위한 고급 설정입니다.
StackMetaLearnerType	메타 러너는 개별 이기종 모델의 출력을 기반으로 학습된 모델입니다. 기본 메타 학습자는 분류 작업에는 LogisticRegression(교차 검증이 활성화된 경우 LogisticRegressionCV)과 회귀/예측 작업을 위한 ElasticNet(교차 검증이 활성화된 경우 ElasticNetCV)입니다.\r\n\r\n이 매개변수는 다음 문자열 중 하나일 수 있습니다: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor, 또는 LinearRegression
StochasticOptimizer	이미지 모델에 대한 확률론적 최적화 프로그램.
SweepJob	스윕 작업 정의.
SweepJobLimits	Sweep Job limit 클래스입니다.
systemData	리소스의 생성 및 마지막 수정과 관련된 메타데이터입니다.
TableVerticalFeaturizationSettings	기능화 구성.
TableVerticalLimitSettings	작업 실행 제약 조건.
TargetAggregationFunction	대상 집계 함수.
TargetLagsMode	대상 지연 선택 모드.
TargetRollingWindowSizeMode	대상 롤링 창 크기 모드입니다.
TaskType	AutoMLJob 작업 유형입니다.
TensorFlow	TensorFlow 배포 구성.
TextClassification	AutoML NLP 업종의 텍스트 분류 작업입니다. NLP - 자연어 처리.
TextClassificationMultilabel	AutoML NLP 업종의 텍스트 분류 다중 레이블 작업입니다. NLP - 자연어 처리.
TextNer	AutoML NLP 업종의 Text-NER 작업입니다. NER - 명명된 엔터티 인식입니다. NLP - 자연어 처리.
TrialComponent	평가판 구성 요소 정의입니다.
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	각 평가 간격에서 지정된 실행 비율을 취소하는 조기 종료 정책을 정의합니다.
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	사용자 ID 구성.
UseStl	시계열 대상 열의 STL 분해를 구성합니다.
ValidationMetricType	이미지 작업의 검증 메트릭에 사용할 메트릭 계산 방법입니다.
WebhookType	웹후크 콜백 서비스 유형을 결정하는 열거형입니다.

AllNodes

Object

모든 노드는 서비스가 작업의 모든 노드에서 실행됨을 의미합니다

Name	형식	Description
nodesValueType	string: All	[필수] 노드 값의 형식

AmlToken

Object

AML 토큰 ID 구성.

Name	형식	Description
identityType	string: AMLToken	[필수] ID 프레임워크의 형식을 지정합니다.

AutoForecastHorizon

Object

예측 기간은 시스템에 의해 자동으로 결정됩니다.

Name	형식	Description
mode	string: Auto	[필수] 예측 수평선 값 선택 모드를 설정합니다.

AutoMLJob

Object

AutoMLJob 클래스. 이 클래스는 분류/회귀 등과 같은 AutoML 작업을 실행하는 데 사용합니다. 지원되는 모든 작업에 대한 TaskType 열거형을 참조하세요.

Name	형식	Default value	Description
componentId	string		구성 요소 리소스의 ARM 리소스 ID입니다.
computeId	string		컴퓨팅 리소스의 ARM 리소스 ID입니다.
description	string		자산 설명 텍스트입니다.
displayName	string		작업의 표시 이름입니다.
environmentId	string		작업에 대한 환경 사양의 ARM 리소스 ID입니다. 이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.
environmentVariables	object		작업에 포함된 환경 변수입니다.
experimentName	string	Default	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.
isArchived	boolean	False	자산이 보관되어 있나요?
jobType	string: AutoML		[필수] 작업 유형을 지정합니다.
notificationSetting	NotificationSetting		작업에 대한 알림 설정
outputs	object		작업에 사용되는 출력 데이터 바인딩의 매핑입니다.
properties	object		자산 속성 사전입니다.
queueSettings	QueueSettings		작업에 대한 큐 설정
resources	JobResourceConfiguration		작업에 대한 컴퓨팅 리소스 구성입니다.
services	<string, JobService>		JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.
status	JobStatus		작업 상태입니다.
tags	object		태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다.

AutoNCrossValidations

Object

N-교차 검증이 자동으로 결정됩니다.

Name	형식	Description
mode	string: Auto	[필수] N 교차 유효성 검사를 결정하는 모드입니다.

AutoSeasonality

Object

Name	형식	Description
mode	string: Auto	[필수] 계절성 모드입니다.

AutoTargetLags

Object

Name	형식	Description
mode	string: Auto	[필수] 대상 지연 모드 설정 - 자동/사용자 지정

AutoTargetRollingWindowSize

Object

대상 지연 롤링 윈도우가 자동으로 결정됩니다.

Name	형식	Description
mode	string: Auto	[필수] TargetRollingWindowSiz 검색 모드입니다.

AzureDevOpsWebhook

Object

Azure DevOps와 관련된 웹후크 세부 정보

Name	형식	Description
eventType	string	지정된 알림 이벤트에 콜백 보내기
webhookType	string: AzureDevOps	[필수] 콜백을 보낼 서비스 유형을 지정합니다.

BanditPolicy

Object

여유 기준에 따라 조기 종료 정책과 평가를 위한 빈도 및 지연 간격을 정의합니다

Name	형식	Default value	Description
delayEvaluation	integer (int32)	0	첫 번째 평가를 지연할 간격 수입니다.
evaluationInterval	integer (int32)	0	정책 평가 사이의 간격(실행 수)입니다.
policyType	string: Bandit		[필수] 정책 구성의 이름
slackAmount	number (float)	0	최상의 실행에서 허용되는 절대 거리입니다.
slackFactor	number (float)	0	가장 성능이 좋은 실행에서 허용된 거리의 비율입니다.

BayesianSamplingAlgorithm

Object

이전 값을 기반으로 값을 생성하는 샘플링 알고리즘을 정의합니다.

Name	형식	Description
samplingAlgorithmType	string: Bayesian	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘

BlockedTransformers

열거형

AutoML에서 지원하는 모든 분류 모델에 대한 열거형입니다.

값	Description
TextTargetEncoder	텍스트 데이터에 대한 대상 인코딩입니다.
OneHotEncoder	핫 인코딩은 이진 기능 변환을 생성합니다.
CatTargetEncoder	범주형 데이터에 대한 대상 인코딩입니다.
TfIdf	Tf-Idf 항-빈도 곱하기 문서 반수를 나타냅니다. 이는 문서에서 정보를 식별하기 위한 일반적인 용어 가중치 체계입니다.
WoETargetEncoder	증거의 가중치 인코딩은 범주형 변수를 인코딩하는 데 사용되는 기술입니다. P(1)/P(0)의 자연 로그를 사용하여 가중치를 생성합니다.
LabelEncoder	레이블 인코더는 레이블/범주형 변수를 숫자 형식으로 변환합니다.
WordEmbedding	단어 임베딩은 단어나 구를 벡터 또는 일련의 숫자로 표현하는 데 도움이 됩니다.
NaiveBayes	Naive Bayes는 범주적으로 분포된 이산 특징의 분류에 사용되는 분류입니다.
CountVectorizer	Count Vectorizer는 텍스트 문서 모음을 토큰 수 행렬로 변환합니다.
HashOneHotEncoder	하나의 핫 인코더를 해싱하면 범주형 변수를 제한된 수의 새로운 기능으로 전환할 수 있습니다. 이는 카디널리티가 높은 범주형 기능에 자주 사용됩니다.

Classification

Object

AutoML 테이블 수직의 분류 작업입니다.

Name	형식	Default value	Description
cvSplitColumnNames	string[]		CVSplit 데이터에 사용할 열입니다.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
limitSettings	TableVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		검증 데이터 세트가 제공되지 않을 때 훈련 데이터 세트에 적용할 교차 검증 폴드 수입니다.
positiveLabel	string		이진 메트릭 계산에 대한 양의 레이블입니다.
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	분류 작업에 대한 기본 메트릭입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: Classification		[필수] AutoMLJob의 작업 유형입니다.
testData	MLTableJobInput		데이터 입력을 테스트합니다.
testDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
trainingSettings	ClassificationTrainingSettings		AutoML 작업의 학습 단계에 대한 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
weightColumnName	string		샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.

ClassificationModels

열거형

AutoML에서 지원하는 모든 분류 모델에 대한 열거형입니다.

값	Description
LogisticRegression	로지스틱 회귀는 기본적인 분류 기법입니다. 선형 분류기 그룹에 속하며 다항식 및 선형 회귀와 다소 유사합니다. 로지스틱 회귀는 빠르고 비교적 복잡하지 않으며 결과를 해석하는 것이 편리합니다. 본질적으로 이진 분류를 위한 방법이지만 다중 클래스 문제에도 적용할 수 있습니다.
SGD	SGD: 확률적 기울기 하강법은 예측된 출력과 실제 출력 사이에 가장 적합한 모델 매개변수를 찾기 위해 기계 학습 애플리케이션에서 자주 사용되는 최적화 알고리즘입니다.
MultinomialNaiveBayes	다항 Naive Bayes 분류기는 이산 기능(예: 텍스트 분류를 위한 단어 수)을 사용한 분류에 적합합니다. 다항 분포는 일반적으로 정수 기능 수를 필요로 합니다. 그러나 실제로는 tf-idf와 같은 분수 카운트도 작동할 수 있습니다.
BernoulliNaiveBayes	다변량 베르누이 모형에 대한 순진한 베이즈 분류기.
SVM	SVM(Support Vector Machine)은 2그룹 분류 문제에 대해 분류 알고리즘을 사용하는 지도 기계 학습 모델입니다. SVM 모델에 각 범주에 대해 레이블이 지정된 학습 데이터 세트를 제공한 후 새 텍스트를 분류할 수 있습니다.
LinearSVM	SVM(Support Vector Machine)은 2그룹 분류 문제에 대해 분류 알고리즘을 사용하는 지도 기계 학습 모델입니다. SVM 모델에 각 범주에 대해 레이블이 지정된 학습 데이터 세트를 제공한 후 새 텍스트를 분류할 수 있습니다. 선형 SVM은 입력 데이터가 선형일 때, 즉 플롯된 그래프에서 분류된 값 사이에 직선을 그려 데이터를 쉽게 분류할 수 있을 때 가장 잘 작동합니다.
KNN	K-최근접 이웃(KNN) 알고리즘은 '특징 유사성'을 사용하여 새 데이터 포인트의 값을 예측하며, 이는 새 데이터 포인트가 훈련 세트의 포인트와 얼마나 밀접하게 일치하는지에 따라 값이 할당된다는 것을 의미합니다.
DecisionTree	의사 결정 트리는 분류 및 회귀 작업 모두에 사용되는 비모수 지도 학습 방법입니다. 목표는 데이터 기능에서 추론된 간단한 의사결정 규칙을 학습하여 대상 변수의 값을 예측하는 모델을 만드는 것입니다.
RandomForest	랜덤 포레스트는 지도 학습 알고리즘입니다. 그것이 구축하는 "숲"은 일반적으로 "배깅" 방법으로 훈련된 의사결정 트리의 앙상블입니다. 배깅 방법의 일반적인 아이디어는 학습 모델의 조합이 전반적인 결과를 증가시킨다는 것입니다.
ExtremeRandomTrees	Extreme Trees는 여러 의사결정 트리의 예측을 결합한 앙상블 기계 학습 알고리즘입니다. 널리 사용되는 랜덤 포레스트 알고리즘과 관련이 있습니다.
LightGBM	LightGBM은 트리 기반 학습 알고리즘을 사용하는 그래디언트 부스팅 프레임워크입니다.
GradientBoosting	주간 학습자를 강력한 학습자로 전환하는 기술을 부스팅이라고 합니다. 그래디언트 부스팅 알고리즘 프로세스는 이 실행 이론에서 작동합니다.
XGBoostClassifier	XGBoost: 극단적인 그라디언트 부스팅 알고리즘. 이 알고리즘은 대상 열 값을 고유한 클래스 값으로 나눌 수 있는 구조화된 데이터에 사용됩니다.

ClassificationMultilabelPrimaryMetrics

열거형

분류 다중 레이블 작업에 대한 기본 메트릭입니다.

값	Description
AUCWeighted	AUC는 곡선 아래 면적입니다. 이 메트릭은 각 클래스에 대한 점수의 산술 평균을 나타내며, 각 클래스의 실제 인스턴스 수에 따라 가중치가 부여됩니다.
Accuracy	Accuracy(정확도)는 실제 클래스 레이블과 정확히 일치하는 예측 비율입니다.
NormMacroRecall	Normalized macro recall(정규화된 매크로 재현율)은 매크로 평균이면서 정규화되어 있는 재현율이므로, 임의 성능 점수는 0이고 완벽 성능 점수는 1이 됩니다.
AveragePrecisionScoreWeighted	각 클래스에 대한 평균 정밀도 점수의 산술 평균으로, 각 클래스의 실제 인스턴스 수에 가중치가 부여됩니다.
PrecisionScoreWeighted	각 클래스의 실제 인스턴스 수에 따라 가중치가 부여된 각 클래스에 대한 정밀도의 산술 평균입니다.
IOU	유니온을 통한 교차점. 예측의 합집합으로 나눈 예측의 교차점.

ClassificationPrimaryMetrics

열거형

분류 작업에 대한 기본 메트릭입니다.

값	Description
AUCWeighted	AUC는 곡선 아래 면적입니다. 이 메트릭은 각 클래스에 대한 점수의 산술 평균을 나타내며, 각 클래스의 실제 인스턴스 수에 따라 가중치가 부여됩니다.
Accuracy	Accuracy(정확도)는 실제 클래스 레이블과 정확히 일치하는 예측 비율입니다.
NormMacroRecall	Normalized macro recall(정규화된 매크로 재현율)은 매크로 평균이면서 정규화되어 있는 재현율이므로, 임의 성능 점수는 0이고 완벽 성능 점수는 1이 됩니다.
AveragePrecisionScoreWeighted	각 클래스에 대한 평균 정밀도 점수의 산술 평균으로, 각 클래스의 실제 인스턴스 수에 가중치가 부여됩니다.
PrecisionScoreWeighted	각 클래스의 실제 인스턴스 수에 따라 가중치가 부여된 각 클래스에 대한 정밀도의 산술 평균입니다.

ClassificationTrainingSettings

Object

분류 학습 관련 구성.

Name	형식	Default value	Description
allowedTrainingAlgorithms	ClassificationModels[]		분류 작업에 허용되는 모델입니다.
blockedTrainingAlgorithms	ClassificationModels[]		분류 태스크에 대한 차단된 모델입니다.
enableDnnTraining	boolean	False	DNN 모델의 권장 사항을 사용하도록 설정합니다.
enableModelExplainability	boolean	True	최상의 모델에서 설명 기능을 켜는 플래그입니다.
enableOnnxCompatibleModels	boolean	False	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.
enableStackEnsemble	boolean	True	스택 앙상블 실행을 사용하도록 설정합니다.
enableVoteEnsemble	boolean	True	투표 앙상블 실행을 사용하도록 설정합니다.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.
stackEnsembleSettings	StackEnsembleSettings		스택 앙상블 실행에 대한 스택 앙상블 설정입니다.

CommandJob

Object

명령 작업 정의.

Name	형식	Default value	Description
codeId	string		코드 자산의 ARM 리소스 ID입니다.
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 작업을 시작할 때 실행할 명령입니다. eg. "파이썬 train.py"
componentId	string		구성 요소 리소스의 ARM 리소스 ID입니다.
computeId	string		컴퓨팅 리소스의 ARM 리소스 ID입니다.
description	string		자산 설명 텍스트입니다.
displayName	string		작업의 표시 이름입니다.
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.
environmentVariables	object		작업에 포함된 환경 변수입니다.
experimentName	string	Default	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.
inputs	object		작업에 사용되는 입력 데이터 바인딩의 매핑입니다.
isArchived	boolean	False	자산이 보관되어 있나요?
jobType	string: Command		[필수] 작업 유형을 지정합니다.
limits	CommandJobLimits		명령 작업 제한입니다.
notificationSetting	NotificationSetting		작업에 대한 알림 설정
outputs	object		작업에 사용되는 출력 데이터 바인딩의 매핑입니다.
parameters			입력 매개 변수.
properties	object		자산 속성 사전입니다.
queueSettings	QueueSettings		작업에 대한 큐 설정
resources	JobResourceConfiguration		작업에 대한 컴퓨팅 리소스 구성입니다.
services	<string, JobService>		JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.
status	JobStatus		작업 상태입니다.
tags	object		태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.

CommandJobLimits

Object

명령 작업 제한 클래스.

Name	형식	Description
jobLimitsType	string: Command	[필수] JobLimit 형식입니다.
timeout	string (duration)	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.

createdByType

열거형

리소스를 만든 ID의 형식입니다.

값	Description
User
Application
ManagedIdentity
Key

CustomForecastHorizon

Object

시계열 빈도 단위로 원하는 최대 예측 수평선입니다.

Name	형식	Description
mode	string: Custom	[필수] 예측 수평선 값 선택 모드를 설정합니다.
value	integer (int32)	[필수] 예측 수평선 값입니다.

CustomModelJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: custom_model		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

CustomModelJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: custom_model		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

CustomNCrossValidations

Object

N-Cross 검증은 사용자가 지정합니다.

Name	형식	Description
mode	string: Custom	[필수] N 교차 유효성 검사를 결정하는 모드입니다.
value	integer (int32)	[필수] N 교차 유효성 검사 값입니다.

CustomSeasonality

Object

Name	형식	Description
mode	string: Custom	[필수] 계절성 모드입니다.
value	integer (int32)	[필수] 계절성 값입니다.

CustomTargetLags

Object

Name	형식	Description
mode	string: Custom	[필수] 대상 지연 모드 설정 - 자동/사용자 지정
values	integer[] (int32)	[필수] 대상 지연 값을 설정합니다.

CustomTargetRollingWindowSize

Object

Name	형식	Description
mode	string: Custom	[필수] TargetRollingWindowSiz 검색 모드입니다.
value	integer (int32)	[필수] TargetRollingWindowSize 값입니다.

DistributionType

열거형

작업 분배 유형을 판별하는 열거형입니다.

값	Description
PyTorch
TensorFlow
Mpi

EarlyTerminationPolicyType

열거형

값	Description
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

열거형

이메일 알림 유형을 결정하는 열거형입니다.

값	Description
JobCompleted
JobFailed
JobCancelled

ErrorAdditionalInfo

Object

리소스 관리 오류 추가 정보입니다.

Name	형식	Description
info	object	추가 정보입니다.
type	string	추가 정보 유형입니다.

ErrorDetail

Object

오류 세부 정보입니다.

Name	형식	Description
additionalInfo	ErrorAdditionalInfo[]	오류 추가 정보입니다.
code	string	오류 코드입니다.
details	ErrorDetail[]	오류 세부 정보입니다.
message	string	오류 메시지입니다.
target	string	오류 대상입니다.

ErrorResponse

Object

오류 응답

Name	형식	Description
error	ErrorDetail	오류 개체입니다.

FeatureLags

열거형

숫자 기능에 대한 지연을 생성하기 위한 플래그입니다.

값	Description
None	기능 지연이 생성되지 않습니다.
Auto	시스템은 기능 지연을 자동으로 생성합니다.

FeaturizationMode

열거형

기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.

값	Description
Auto	자동 모드, 시스템은 사용자 지정 기능 입력 없이 기능화를 수행합니다.
Custom	사용자 지정 기능화.
Off	특징화 해제. '예측' 작업은 이 값을 사용할 수 없습니다.

ForecastHorizonMode

열거형

예측 기간 선택 모드를 결정하는 열거형입니다.

값	Description
Auto	예측 범위는 자동으로 결정됩니다.
Custom	사용자 지정 예측 기간을 사용합니다.

Forecasting

Object

AutoML 테이블 수직의 예측 작업입니다.

Name	형식	Default value	Description
cvSplitColumnNames	string[]		CVSplit 데이터에 사용할 열입니다.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
forecastingSettings	ForecastingSettings		예측 작업별 입력.
limitSettings	TableVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		검증 데이터 세트가 제공되지 않을 때 훈련 데이터 세트에 적용할 교차 검증 폴드 수입니다.
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	예측 작업에 대한 기본 지표입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: Forecasting		[필수] AutoMLJob의 작업 유형입니다.
testData	MLTableJobInput		데이터 입력을 테스트합니다.
testDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
trainingSettings	ForecastingTrainingSettings		AutoML 작업의 학습 단계에 대한 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
weightColumnName	string		샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.

ForecastingModels

열거형

AutoML에서 지원하는 모든 예측 모델에 대한 열거형입니다.

값	Description
AutoArima	ARIMA(Auto-Autoregressive Integrated Moving Average) 모델은 시계열 데이터와 통계 분석을 사용하여 데이터를 해석하고 미래를 예측합니다. 이 모델은 과거 값에 대한 시계열 데이터를 사용하여 데이터를 설명하고 선형 회귀를 사용하여 예측하는 것을 목표로 합니다.
Prophet	Prophet은 비선형 추세가 연간, 주간 및 일별 계절성과 휴일 효과에 맞는 가산 모델을 기반으로 시계열 데이터를 예측하는 절차입니다. 강력한 계절 효과가 있는 시계열과 여러 계절의 과거 데이터에 가장 적합합니다. Prophet은 누락된 데이터와 추세의 변화에 견고하며 일반적으로 이상값을 잘 처리합니다.
Naive	Naive 예측 모델은 훈련 데이터의 각 시계열에 대한 최신 목표 값을 이월하여 예측을 수행합니다.
SeasonalNaive	계절 순진한 예측 모델은 훈련 데이터의 각 시계열에 대한 목표 값의 최신 시즌을 이월하여 예측을 수행합니다.
Average	평균 예측 모델은 훈련 데이터의 각 시계열에 대한 목표 값의 평균을 이월하여 예측을 수행합니다.
SeasonalAverage	계절 평균 예측 모델은 훈련 데이터의 각 시계열에 대한 최신 데이터 시즌의 평균값을 이월하여 예측을 수행합니다.
ExponentialSmoothing	지수 평활화는 체계적인 추세 또는 계절적 구성 요소가 있는 데이터를 지원하도록 확장할 수 있는 단변량 데이터에 대한 시계열 예측 방법입니다.
Arimax	설명 변수가 있는 자동 회귀 통합 이동 평균(ARIMAX) 모델은 하나 이상의 자동 회귀(AR) 항 및/또는 하나 이상의 이동 평균(MA) 항이 있는 다중 회귀 모델로 볼 수 있습니다. 이 방법은 데이터가 고정/비고정일 때 예측하는 데 적합하며 모든 유형의 데이터 패턴(예: 수준/추세/계절성/순환성)과 다변량입니다.
TCNForecaster	TCNForecaster: 시간 컨볼루션 네트워크 예측기. TODO: 간략한 소개를 위해 예측 팀에 요청하십시오.
ElasticNet	탄성망은 널리 사용되는 두 가지 페널티, 특히 L1 및 L2 페널티 함수를 결합한 인기 있는 정규화된 선형 회귀 유형입니다.
GradientBoosting	주간 학습자를 강력한 학습자로 전환하는 기술을 부스팅이라고 합니다. 그래디언트 부스팅 알고리즘 프로세스는 이 실행 이론에서 작동합니다.
DecisionTree	의사 결정 트리는 분류 및 회귀 작업 모두에 사용되는 비모수 지도 학습 방법입니다. 목표는 데이터 기능에서 추론된 간단한 의사결정 규칙을 학습하여 대상 변수의 값을 예측하는 모델을 만드는 것입니다.
KNN	K-최근접 이웃(KNN) 알고리즘은 '특징 유사성'을 사용하여 새 데이터 포인트의 값을 예측하며, 이는 새 데이터 포인트가 훈련 세트의 포인트와 얼마나 밀접하게 일치하는지에 따라 값이 할당된다는 것을 의미합니다.
LassoLars	Least Angle Regression(일명 Lars)에 맞는 올가미 모델. L1 사전을 정규화기로 사용하여 훈련된 선형 모델입니다.
SGD	SGD: 확률적 기울기 하강법은 예측된 출력과 실제 출력 사이에 가장 적합한 모델 매개변수를 찾기 위해 기계 학습 애플리케이션에서 자주 사용되는 최적화 알고리즘입니다. 부정확하지만 강력한 기술입니다.
RandomForest	랜덤 포레스트는 지도 학습 알고리즘입니다. 그것이 구축하는 "숲"은 일반적으로 "배깅" 방법으로 훈련된 의사결정 트리의 앙상블입니다. 배깅 방법의 일반적인 아이디어는 학습 모델의 조합이 전반적인 결과를 증가시킨다는 것입니다.
ExtremeRandomTrees	Extreme Trees는 여러 의사결정 트리의 예측을 결합한 앙상블 기계 학습 알고리즘입니다. 널리 사용되는 랜덤 포레스트 알고리즘과 관련이 있습니다.
LightGBM	LightGBM은 트리 기반 학습 알고리즘을 사용하는 그래디언트 부스팅 프레임워크입니다.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor는 기본 학습자의 앙상블을 사용하는 지도 기계 학습 모델입니다.

ForecastingPrimaryMetrics

열거형

예측 작업에 대한 기본 지표입니다.

값	Description
SpearmanCorrelation	Spearman의 순위 상관 계수는 순위 상관의 비모수 척도입니다.
NormalizedRootMeanSquaredError	NRMSE(Normalized Root Mean Squared Error) RMSE는 척도가 다른 모델 간의 비교를 용이하게 합니다.
R2Score	R2 점수는 예측 기반 기계 학습 모델에 대한 성능 평가 척도 중 하나입니다.
NormalizedMeanAbsoluteError	NMAE(Normalized Mean Absolute Error)는 (시간) 계열의 평균 절대 오차(MAE)를 다른 척도와 비교하는 검증 지표입니다.

ForecastingSettings

Object

특정 매개변수 예측.

Name	형식	Default value	Description
countryOrRegionForHolidays	string		예측 작업에 대한 휴일의 국가 또는 지역입니다. ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.
cvStepSize	integer (int32)		한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 예를 들어 일일 데이터의 경우 = 3인 경우 `CVStepSize` 각 폴드의 시작 시간은 3일 간격이 됩니다.
featureLags	FeatureLags	None	숫자 기능에 대한 지연을 생성하기 위한 플래그입니다.
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon		시계열 빈도 단위로 원하는 최대 예측 수평선입니다.
frequency	string		예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다.
seasonality	Seasonality: AutoSeasonality CustomSeasonality		시계열 계절성을 계열 빈도의 정수 배수로 설정합니다. 계절성이 'auto'로 설정되면 유추됩니다.
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.
targetAggregateFunction	TargetAggregationFunction	None	대상 집계 함수.
targetLags	TargetLags: AutoTargetLags CustomTargetLags		대상 열에서 지연할 지난 기간의 수입니다.
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다.
timeColumnName	string		시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다.
timeSeriesIdColumnNames	string[]		타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다. 그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.
useStl	UseStl	None	시계열 대상 열의 STL 분해를 구성합니다.

ForecastingTrainingSettings

Object

예측 교육 관련 구성.

Name	형식	Default value	Description
allowedTrainingAlgorithms	ForecastingModels[]		예측 작업에 허용되는 모델입니다.
blockedTrainingAlgorithms	ForecastingModels[]		예측 작업에 대한 차단된 모델입니다.
enableDnnTraining	boolean	False	DNN 모델의 권장 사항을 사용하도록 설정합니다.
enableModelExplainability	boolean	True	최상의 모델에서 설명 기능을 켜는 플래그입니다.
enableOnnxCompatibleModels	boolean	False	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.
enableStackEnsemble	boolean	True	스택 앙상블 실행을 사용하도록 설정합니다.
enableVoteEnsemble	boolean	True	투표 앙상블 실행을 사용하도록 설정합니다.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.
stackEnsembleSettings	StackEnsembleSettings		스택 앙상블 실행에 대한 스택 앙상블 설정입니다.

Goal

열거형

하이퍼파라미터 튜닝에 대해 지원되는 메트릭 목표를 정의합니다.

값	Description
Minimize
Maximize

GridSamplingAlgorithm

Object

공간의 모든 값 조합을 철저하게 생성하는 샘플링 알고리즘을 정의합니다.

Name	형식	Description
samplingAlgorithmType	string: Grid	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘

IdentityConfigurationType

열거형

Enum을 사용하여 ID 프레임워크를 결정합니다.

값	Description
Managed
AMLToken
UserIdentity

ImageClassification

Object

이미지 분류. 다중 클래스 이미지 분류는 이미지가 클래스 집합의 단일 레이블로만 분류될 때 사용됩니다(예: 각 이미지는 '고양이', '개' 또는 '오리'의 이미지로 분류됩니다).

Name	형식	Default value	Description
limitSettings	ImageLimitSettings		[필수] AutoML 작업에 대한 설정을 제한합니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
modelSettings	ImageModelSettingsClassification		모델 학습에 사용되는 설정입니다.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	분류 작업에 대한 기본 메트릭입니다.
searchSpace	ImageModelDistributionSettingsClassification[]		모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.
sweepSettings	ImageSweepSettings		모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: ImageClassification		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.

ImageClassificationMultilabel

Object

이미지 분류 다중 레이블. 다중 레이블 이미지 분류는 이미지가 레이블 집합에서 하나 이상의 레이블을 가질 수 있는 경우에 사용됩니다(예: 이미지에 '고양이'와 '개' 둘 다 레이블이 지정될 수 있음).

Name	형식	Default value	Description
limitSettings	ImageLimitSettings		[필수] AutoML 작업에 대한 설정을 제한합니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
modelSettings	ImageModelSettingsClassification		모델 학습에 사용되는 설정입니다.
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	분류 다중 레이블 작업에 대한 기본 메트릭입니다.
searchSpace	ImageModelDistributionSettingsClassification[]		모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.
sweepSettings	ImageSweepSettings		모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: ImageClassificationMultilabel		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.

ImageInstanceSegmentation

Object

이미지 인스턴스 세분화. 인스턴스 분할은 픽셀 수준에서 이미지의 개체를 식별하는 데 사용되며 이미지의 각 개체 주위에 다각형을 그립니다.

Name	형식	Default value	Description
limitSettings	ImageLimitSettings		[필수] AutoML 작업에 대한 설정을 제한합니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
modelSettings	ImageModelSettingsObjectDetection		모델 학습에 사용되는 설정입니다.
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	InstanceSegmentation 작업에 대한 기본 지표입니다.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.
sweepSettings	ImageSweepSettings		모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: ImageInstanceSegmentation		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.

ImageLimitSettings

Object

AutoML 작업에 대한 설정을 제한합니다.

Name	형식	Default value	Description
maxConcurrentTrials	integer (int32)	1	동시 AutoML 반복의 최대 수입니다.
maxTrials	integer (int32)	1	AutoML 반복의 최대 수입니다.
timeout	string (duration)	P7D	AutoML 작업 시간 제한입니다.

ImageModelDistributionSettingsClassification

Object

모델 설정의 값을 스윕하는 분포 식입니다. <예> 몇 가지 예는 다음과 같습니다.

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name	형식	Description
amsGradient	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.
augmentations	string	확대를 사용하기 위한 설정입니다.
beta1	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
beta2	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
distributed	string	배포자 학습을 사용할지 여부입니다.
earlyStopping	string	학습 중에 조기 중지 논리를 사용하도록 설정합니다.
earlyStoppingDelay	string	조기 중지를 위해 기본 메트릭 개선을 추적하기 전에 대기해야 하는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
earlyStoppingPatience	string	실행이 중지되기 전에 기본 메트릭 개선이 없는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
enableOnnxNormalization	string	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.
evaluationFrequency	string	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.
gradientAccumulationStep	string	기울기 누적은 모델 가중치를 업데이트하지 않고 구성된 수의 "GradAccumulationStep" 단계를 실행하고 해당 단계의 기울기를 누적한 다음 누적된 기울기를 사용하여 가중치 업데이트를 계산하는 것을 의미합니다. 양의 정수여야 합니다.
layersToFreeze	string	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어, 'seresnext'의 값으로 2를 전달하면 layer0 및 layer1이 고정됩니다. 지원되는 모델의 전체 목록과 레이어 고정에 대한 자세한 내용은 다음을 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models참조하십시오.
learningRate	string	초기 학습률입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
learningRateScheduler	string	학습률 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.
modelName	string	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
momentum	string	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
nesterov	string	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.
numberOfEpochs	string	학습 Epoch의 수입니다. 양의 정수여야 합니다.
numberOfWorkers	string	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.
optimizer	string	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.
randomSeed	string	결정적 학습을 사용할 때 사용할 임의 시드입니다.
stepLRGamma	string	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
stepLRStepSize	string	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.
trainingBatchSize	string	학습 배치 크기 양의 정수여야 합니다.
trainingCropSize	string	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.
validationBatchSize	string	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.
validationCropSize	string	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.
validationResizeSize	string	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.
warmupCosineLRCycles	string	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
warmupCosineLRWarmupEpochs	string	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.
weightDecay	string	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.
weightedLoss	string	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.

ImageModelDistributionSettingsObjectDetection

Object

모델 설정의 값을 스윕하는 분포 식입니다. <예> 몇 가지 예는 다음과 같습니다.

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name	형식	Description
amsGradient	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.
augmentations	string	확대를 사용하기 위한 설정입니다.
beta1	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
beta2	string	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
boxDetectionsPerImage	string	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
boxScoreThreshold	string	추론하는 동안 분류 점수가 BoxScoreThreshold보다 큰 제안만 반환합니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.
distributed	string	배포자 학습을 사용할지 여부입니다.
earlyStopping	string	학습 중에 조기 중지 논리를 사용하도록 설정합니다.
earlyStoppingDelay	string	조기 중지를 위해 기본 메트릭 개선을 추적하기 전에 대기해야 하는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
earlyStoppingPatience	string	실행이 중지되기 전에 기본 메트릭 개선이 없는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
enableOnnxNormalization	string	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.
evaluationFrequency	string	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.
gradientAccumulationStep	string	기울기 누적은 모델 가중치를 업데이트하지 않고 구성된 수의 "GradAccumulationStep" 단계를 실행하고 해당 단계의 기울기를 누적한 다음 누적된 기울기를 사용하여 가중치 업데이트를 계산하는 것을 의미합니다. 양의 정수여야 합니다.
imageSize	string	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.
layersToFreeze	string	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어, 'seresnext'의 값으로 2를 전달하면 layer0 및 layer1이 고정됩니다. 지원되는 모델의 전체 목록과 레이어 고정에 대한 자세한 내용은 다음을 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models참조하십시오.
learningRate	string	초기 학습률입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
learningRateScheduler	string	학습률 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.
maxSize	string	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
minSize	string	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
modelName	string	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
modelSize	string	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.
momentum	string	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
multiScale	string	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.
nesterov	string	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.
nmsIouThreshold	string	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
numberOfEpochs	string	학습 Epoch의 수입니다. 양의 정수여야 합니다.
numberOfWorkers	string	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.
optimizer	string	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.
randomSeed	string	결정적 학습을 사용할 때 사용할 임의 시드입니다.
stepLRGamma	string	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
stepLRStepSize	string	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.
tileGridSize	string	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: 작은 개체 감지 논리를 활성화하려면 TileGridSize가 None이 아니어야 합니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
tileOverlapRatio	string	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
tilePredictionsNmsThreshold	string	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다. NMS: 최대값이 아닌 표시 안 함
trainingBatchSize	string	학습 배치 크기 양의 정수여야 합니다.
validationBatchSize	string	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.
validationIouThreshold	string	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
validationMetricType	string	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다.
warmupCosineLRCycles	string	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
warmupCosineLRWarmupEpochs	string	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.
weightDecay	string	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.

ImageModelSettingsClassification

Object

모델 학습에 사용되는 설정입니다. 사용 가능한 설정에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models

Name	형식	Default value	Description
advancedSettings	string		고급 시나리오에 대한 설정입니다.
amsGradient	boolean		최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.
augmentations	string		확대를 사용하기 위한 설정입니다.
beta1	number (float)		최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
beta2	number (float)		최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
checkpointFrequency	integer (int32)		모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.
checkpointModel	MLFlowModelJobInput		증분 학습을 위한 미리 학습된 검사점 모델입니다.
checkpointRunId	string		증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.
distributed	boolean		분산 학습을 사용할지 여부입니다.
earlyStopping	boolean		학습 중에 조기 중지 논리를 사용하도록 설정합니다.
earlyStoppingDelay	integer (int32)		조기 중지를 위해 기본 메트릭 개선을 추적하기 전에 대기해야 하는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
earlyStoppingPatience	integer (int32)		실행이 중지되기 전에 기본 메트릭 개선이 없는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
enableOnnxNormalization	boolean		ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.
evaluationFrequency	integer (int32)		메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.
gradientAccumulationStep	integer (int32)		기울기 누적은 모델 가중치를 업데이트하지 않고 구성된 수의 "GradAccumulationStep" 단계를 실행하고 해당 단계의 기울기를 누적한 다음 누적된 기울기를 사용하여 가중치 업데이트를 계산하는 것을 의미합니다. 양의 정수여야 합니다.
layersToFreeze	integer (int32)		모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어, 'seresnext'의 값으로 2를 전달하면 layer0 및 layer1이 고정됩니다. 지원되는 모델의 전체 목록과 레이어 고정에 대한 자세한 내용은 다음을 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models참조하십시오.
learningRate	number (float)		초기 학습률입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
learningRateScheduler	LearningRateScheduler	None	학습 속도 스케줄러 열거형입니다.
modelName	string		학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
momentum	number (float)		최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
nesterov	boolean		최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.
numberOfEpochs	integer (int32)		학습 Epoch의 수입니다. 양의 정수여야 합니다.
numberOfWorkers	integer (int32)		데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.
optimizer	StochasticOptimizer	None	이미지 모델에 대한 확률론적 최적화 프로그램.
randomSeed	integer (int32)		결정적 학습을 사용할 때 사용할 임의 시드입니다.
stepLRGamma	number (float)		학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
stepLRStepSize	integer (int32)		학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.
trainingBatchSize	integer (int32)		학습 배치 크기 양의 정수여야 합니다.
trainingCropSize	integer (int32)		학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.
validationBatchSize	integer (int32)		유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.
validationCropSize	integer (int32)		유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.
validationResizeSize	integer (int32)		유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.
warmupCosineLRCycles	number (float)		학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
warmupCosineLRWarmupEpochs	integer (int32)		학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.
weightDecay	number (float)		최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.
weightedLoss	integer (int32)		가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.

ImageModelSettingsObjectDetection

Object

Name	형식	Default value	Description
advancedSettings	string		고급 시나리오에 대한 설정입니다.
amsGradient	boolean		최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.
augmentations	string		확대를 사용하기 위한 설정입니다.
beta1	number (float)		최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
beta2	number (float)		최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
boxDetectionsPerImage	integer (int32)		모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
boxScoreThreshold	number (float)		추론하는 동안 분류 점수가 BoxScoreThreshold보다 큰 제안만 반환합니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.
checkpointFrequency	integer (int32)		모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.
checkpointModel	MLFlowModelJobInput		증분 학습을 위한 미리 학습된 검사점 모델입니다.
checkpointRunId	string		증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.
distributed	boolean		분산 학습을 사용할지 여부입니다.
earlyStopping	boolean		학습 중에 조기 중지 논리를 사용하도록 설정합니다.
earlyStoppingDelay	integer (int32)		조기 중지를 위해 기본 메트릭 개선을 추적하기 전에 대기해야 하는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
earlyStoppingPatience	integer (int32)		실행이 중지되기 전에 기본 메트릭 개선이 없는 최소 에포크 또는 검증 평가 수입니다. 양의 정수여야 합니다.
enableOnnxNormalization	boolean		ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.
evaluationFrequency	integer (int32)		메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.
gradientAccumulationStep	integer (int32)		기울기 누적은 모델 가중치를 업데이트하지 않고 구성된 수의 "GradAccumulationStep" 단계를 실행하고 해당 단계의 기울기를 누적한 다음 누적된 기울기를 사용하여 가중치 업데이트를 계산하는 것을 의미합니다. 양의 정수여야 합니다.
imageSize	integer (int32)		학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.
layersToFreeze	integer (int32)		모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어, 'seresnext'의 값으로 2를 전달하면 layer0 및 layer1이 고정됩니다. 지원되는 모델의 전체 목록과 레이어 고정에 대한 자세한 내용은 다음을 https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models참조하십시오.
learningRate	number (float)		초기 학습률입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
learningRateScheduler	LearningRateScheduler	None	학습 속도 스케줄러 열거형입니다.
maxSize	integer (int32)		백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
minSize	integer (int32)		백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
modelName	string		학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 문서를 참조하십시오. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models
modelSize	ModelSize	None	이미지 모델 크기입니다.
momentum	number (float)		최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
multiScale	boolean		이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.
nesterov	boolean		최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.
nmsIouThreshold	number (float)		NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
numberOfEpochs	integer (int32)		학습 Epoch의 수입니다. 양의 정수여야 합니다.
numberOfWorkers	integer (int32)		데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.
optimizer	StochasticOptimizer	None	이미지 모델에 대한 확률론적 최적화 프로그램.
randomSeed	integer (int32)		결정적 학습을 사용할 때 사용할 임의 시드입니다.
stepLRGamma	number (float)		학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
stepLRStepSize	integer (int32)		학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.
tileGridSize	string		각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: 작은 개체 감지 논리를 활성화하려면 TileGridSize가 None이 아니어야 합니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
tileOverlapRatio	number (float)		각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
tilePredictionsNmsThreshold	number (float)		타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.
trainingBatchSize	integer (int32)		학습 배치 크기 양의 정수여야 합니다.
validationBatchSize	integer (int32)		유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.
validationIouThreshold	number (float)		유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.
validationMetricType	ValidationMetricType	None	이미지 작업의 검증 메트릭에 사용할 메트릭 계산 방법입니다.
warmupCosineLRCycles	number (float)		학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. [0, 1] 범위의 부동 소수점이어야 합니다.
warmupCosineLRWarmupEpochs	integer (int32)		학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.
weightDecay	number (float)		최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.

ImageObjectDetection

Object

이미지 개체 감지. 객체 감지는 이미지에서 객체를 식별하고 경계 상자가 있는 각 객체를 찾는 데 사용됩니다(예: 이미지에서 모든 개와 고양이를 찾고 각 주위에 경계 상자를 그립니다).

Name	형식	Default value	Description
limitSettings	ImageLimitSettings		[필수] AutoML 작업에 대한 설정을 제한합니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
modelSettings	ImageModelSettingsObjectDetection		모델 학습에 사용되는 설정입니다.
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	Image ObjectDetection 작업에 대한 기본 메트릭입니다.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.
sweepSettings	ImageSweepSettings		모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: ImageObjectDetection		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.

ImageSweepSettings

Object

모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.

Name	형식	Description
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	조기 종료 정책의 유형입니다.
samplingAlgorithm	SamplingAlgorithmType	[필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다.

InputDeliveryMode

열거형

입력 데이터 전달 모드를 결정하는 열거형입니다.

값	Description
ReadOnlyMount
ReadWriteMount
Download
Direct
EvalMount
EvalDownload

InstanceSegmentationPrimaryMetrics

열거형

InstanceSegmentation 작업에 대한 기본 지표입니다.

값	Description
MeanAveragePrecision	평균 정밀도(MAP)는 AP(평균 정밀도)의 평균입니다. AP는 각 클래스에 대해 계산되고 평균을 내어 MAP를 얻습니다.

JobBase

Object

Azure Resource Manager 리소스 봉투.

Name	형식	Description
id	string	리소스에 대한 정규화된 리소스 ID입니다. 예 - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	리소스의 이름
properties	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[필수] 엔터티의 추가 특성입니다.
systemData	systemData	createdBy 및 modifiedBy 정보가 포함된 Azure Resource Manager 메타데이터입니다.
type	string	리소스의 형식입니다. 예: "Microsoft.Compute/virtualMachines" 또는 "Microsoft.Storage/storageAccounts"

JobInputType

열거형

Enum을 사용하여 작업 입력 유형을 결정합니다.

값	Description
literal
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobLimitsType

열거형

값	Description
Command
Sweep

JobOutputType

열거형

Enum을 사용하여 작업 출력 유형을 결정합니다.

값	Description
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobResourceConfiguration

Object

Name	형식	Default value	Description
dockerArgs	string		Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다.
dockerArgsList	string[]		Docker run 명령에 컬렉션으로 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다.
instanceCount	integer (int32)	1	컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다.
instanceType	string		컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다.
properties			추가 속성 모음.
shmSize	string pattern: \d+[bBkKmMgG]	2g	Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다.

JobService

Object

작업 엔드포인트 정의

Name	형식	Description
endpoint	string	엔드포인트의 URL입니다.
errorMessage	string	서비스의 모든 오류.
jobServiceType	string	엔드포인트 유형입니다.
nodes	Nodes: AllNodes	사용자가 서비스를 시작하려는 노드입니다. 노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.
port	integer (int32)	엔드포인트의 포트입니다.
properties	object	엔드포인트에서 설정할 추가 속성입니다.
status	string	엔드포인트의 상태입니다.

JobStatus

열거형

작업의 상태입니다.

값	Description
NotStarted	아직 실행이 시작되지 않았습니다.
Starting	실행이 시작되었습니다. 사용자에게 실행 ID가 있습니다.
Provisioning	(현재 사용되지 않음) ES가 컴퓨팅 대상을 만드는 경우에 사용됩니다.
Preparing	실행 환경이 준비되고 있습니다.
Queued	작업이 컴퓨팅 대상에서 큐에 대기됩니다. 예를 들어 BatchAI에서 작업은 필요한 모든 노드가 준비될 때까지 기다리는 동안 대기 중인 상태입니다.
Running	작업이 컴퓨팅 대상에서 실행되기 시작했습니다.
Finalizing	작업이 대상에서 완료됩니다. 현재 출력 수집 상태입니다.
CancelRequested	작업에 대한 취소가 요청되었습니다.
Completed	작업이 성공적으로 완료되었습니다. 이는 작업 자체와 출력 콜렉션 상태가 모두 성공적으로 완료되었음을 반영합니다
Failed	작업이 실패했습니다.
Canceled	취소 요청에 따라 작업이 성공적으로 취소되었습니다.
NotResponding	하트비트를 사용하도록 설정한 경우 실행이 RunHistory에 대한 정보를 업데이트하지 않으면 실행이 NotResponding 상태로 전환됩니다. NotResponding은 엄격한 전환 명령에서 면제되는 유일한 상태입니다. 실행은 NotResponding에서 이전 상태 중 하나로 이동할 수 있습니다.
Paused	사용자가 작업을 일시 중지합니다. 레이블 지정 작업에 대한 일부 조정은 일시 중지된 상태에서만 수행할 수 있습니다.
Unknown	다른 모든 상태에 매핑되지 않은 경우 기본 작업 상태

JobTier

열거형

작업 계층을 결정하는 열거형입니다.

값	Description
Null
Spot
Basic
Standard
Premium

JobType

열거형

작업 유형을 결정하는 열거형입니다.

값	Description
AutoML
Command
Sweep
Pipeline
Spark

LearningRateScheduler

열거형

학습 속도 스케줄러 열거형입니다.

값	Description
None	학습률 스케줄러를 선택하지 않았습니다.
WarmupCosine	워밍업을 통한 코사인 어닐링.
Step	단계 학습률 스케줄러.

LiteralJobInput

Object

리터럴 입력 유형입니다.

Name	형식	Description
description	string	입력에 대한 설명입니다.
jobInputType	string: literal	[필수] 작업 유형을 지정합니다.
value	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 입력에 대한 리터럴 값입니다.

LogVerbosity

열거형

로그 상세 정보를 설정하기 위한 열거형입니다.

값	Description
NotSet	로그가 내보내지지 않습니다.
Debug	디버그 이상의 로그 문이 기록되었습니다.
Info	Info 및 위의 로그 문이 기록되었습니다.
Warning	경고 이상의 로그 문이 기록되었습니다.
Error	오류 및 위의 로그 문이 기록되었습니다.
Critical	중요한 문만 기록됩니다.

ManagedIdentity

Object

관리 ID 구성.

Name	형식	Description
clientId	string (uuid)	클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.
identityType	string: Managed	[필수] ID 프레임워크의 형식을 지정합니다.
objectId	string (uuid)	개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.
resourceId	string	ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.

MedianStoppingPolicy

Object

모든 실행의 기본 메트릭의 실행 평균을 기반으로 조기 종료 정책을 정의합니다

Name	형식	Default value	Description
delayEvaluation	integer (int32)	0	첫 번째 평가를 지연할 간격 수입니다.
evaluationInterval	integer (int32)	0	정책 평가 사이의 간격(실행 수)입니다.
policyType	string: MedianStopping		[필수] 정책 구성의 이름

MLFlowModelJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: mlflow_model		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

MLFlowModelJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: mlflow_model		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

MLTableJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: mltable		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

MLTableJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: mltable		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

ModelSize

열거형

이미지 모델 크기입니다.

값	Description
None	선택한 값이 없습니다.
Small	작은 크기.
Medium	중간 크기.
Large	큰 사이즈.
ExtraLarge	특대 크기.

Mpi

Object

MPI 배포 구성.

Name	형식	Description
distributionType	string: Mpi	[필수] 배포 프레임워크의 유형을 지정합니다.
processCountPerInstance	integer (int32)	MPI 노드당 프로세스 수입니다.

NCrossValidationsMode

열거형

N-교차 검증 값을 결정하는 방법을 결정합니다.

값	Description
Auto	N-교차 검증 값을 자동으로 결정합니다. '예측' AutoML 작업에만 지원됩니다.
Custom	사용자 지정 N-교차 검증 값을 사용합니다.

NlpVerticalFeaturizationSettings

Object

Name	형식	Description
datasetLanguage	string	텍스트 데이터에 유용한 데이터 세트 언어입니다.

NlpVerticalLimitSettings

Object

작업 실행 제약 조건.

Name	형식	Default value	Description
maxConcurrentTrials	integer (int32)	1	최대 동시 AutoML 반복입니다.
maxTrials	integer (int32)	1	AutoML 반복 횟수입니다.
timeout	string (duration)	P7D	AutoML 작업 시간 제한입니다.

NodesValueType

열거형

노드 값에 대한 열거된 형식

값	Description
All

NotificationSetting

Object

알림에 대한 구성입니다.

Name	형식	Description
emailOn	EmailNotificationEnableType[]	지정된 알림 유형에서 사용자에게 전자 메일 알림 보내기
emails	string[]	쉼표 구분 기호를 사용하여 총 구성에서 499자로 제한되는 전자 메일 받는 사람 목록입니다.
webhooks	object	서비스에 웹후크 콜백을 보냅니다. 키는 웹후크의 사용자 제공 이름입니다.

ObjectDetectionPrimaryMetrics

열거형

Image ObjectDetection 작업에 대한 기본 메트릭입니다.

값	Description
MeanAveragePrecision	평균 정밀도(MAP)는 AP(평균 정밀도)의 평균입니다. AP는 각 클래스에 대해 계산되고 평균을 내어 MAP를 얻습니다.

Objective

Object

최적화 목표.

Name	형식	Description
goal	Goal	[필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다.
primaryMetric	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 최적화할 메트릭의 이름입니다.

OutputDeliveryMode

열거형

출력 데이터 배달 모드 열거형입니다.

값	Description
ReadWriteMount
Upload
Direct

PipelineJob

Object

파이프라인 작업 정의: MFE 특성에 대한 제네릭을 정의합니다.

Name	형식	Default value	Description
componentId	string		구성 요소 리소스의 ARM 리소스 ID입니다.
computeId	string		컴퓨팅 리소스의 ARM 리소스 ID입니다.
description	string		자산 설명 텍스트입니다.
displayName	string		작업의 표시 이름입니다.
experimentName	string	Default	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.
inputs	object		파이프라인 작업에 대한 입력입니다.
isArchived	boolean	False	자산이 보관되어 있나요?
jobType	string: Pipeline		[필수] 작업 유형을 지정합니다.
jobs			작업은 파이프라인 작업을 생성합니다.
notificationSetting	NotificationSetting		작업에 대한 알림 설정
outputs	object		파이프라인 작업에 대한 출력
properties	object		자산 속성 사전입니다.
services	<string, JobService>		JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.
settings			ContinueRunOnStepFailure 등의 파이프라인 설정
sourceJobId	string		원본 작업의 ARM 리소스 ID입니다.
status	JobStatus		작업 상태입니다.
tags	object		태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.

PyTorch

Object

PyTorch 배포 구성.

Name	형식	Description
distributionType	string: PyTorch	[필수] 배포 프레임워크의 유형을 지정합니다.
processCountPerInstance	integer (int32)	노드당 프로세스 수입니다.

QueueSettings

Object

Name	형식	Default value	Description
jobTier	JobTier	Null	작업 계층을 결정하는 열거형입니다.

RandomSamplingAlgorithm

Object

값을 임의로 생성하는 샘플링 알고리즘을 정의합니다.

Name	형식	Default value	Description
rule	RandomSamplingAlgorithmRule	Random	특정 유형의 임의 알고리즘
samplingAlgorithmType	string: Random		[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘
seed	integer (int32)		난수 생성을 위한 시드로 사용할 선택적 정수입니다.

RandomSamplingAlgorithmRule

열거형

특정 유형의 임의 알고리즘

값	Description
Random
Sobol

Regression

Object

AutoML 테이블 수직의 회귀 작업입니다.

Name	형식	Default value	Description
cvSplitColumnNames	string[]		CVSplit 데이터에 사용할 열입니다.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
limitSettings	TableVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		검증 데이터 세트가 제공되지 않을 때 훈련 데이터 세트에 적용할 교차 검증 폴드 수입니다.
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	회귀 작업에 대한 기본 지표입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: Regression		[필수] AutoMLJob의 작업 유형입니다.
testData	MLTableJobInput		데이터 입력을 테스트합니다.
testDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
trainingSettings	RegressionTrainingSettings		AutoML 작업의 학습 단계에 대한 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.
validationDataSize	number (double)		유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0 , 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않은 경우 적용됩니다.
weightColumnName	string		샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.

RegressionModels

열거형

AutoML에서 지원하는 모든 회귀 모델에 대한 열거형입니다.

값	Description
ElasticNet	탄성망은 널리 사용되는 두 가지 페널티, 특히 L1 및 L2 페널티 함수를 결합한 인기 있는 정규화된 선형 회귀 유형입니다.
GradientBoosting	주간 학습자를 강력한 학습자로 전환하는 기술을 부스팅이라고 합니다. 그래디언트 부스팅 알고리즘 프로세스는 이 실행 이론에서 작동합니다.
DecisionTree	의사 결정 트리는 분류 및 회귀 작업 모두에 사용되는 비모수 지도 학습 방법입니다. 목표는 데이터 기능에서 추론된 간단한 의사결정 규칙을 학습하여 대상 변수의 값을 예측하는 모델을 만드는 것입니다.
KNN	K-최근접 이웃(KNN) 알고리즘은 '특징 유사성'을 사용하여 새 데이터 포인트의 값을 예측하며, 이는 새 데이터 포인트가 훈련 세트의 포인트와 얼마나 밀접하게 일치하는지에 따라 값이 할당된다는 것을 의미합니다.
LassoLars	Least Angle Regression(일명 Lars)에 맞는 올가미 모델. L1 사전을 정규화기로 사용하여 훈련된 선형 모델입니다.
SGD	SGD: 확률적 기울기 하강법은 예측된 출력과 실제 출력 사이에 가장 적합한 모델 매개변수를 찾기 위해 기계 학습 애플리케이션에서 자주 사용되는 최적화 알고리즘입니다. 부정확하지만 강력한 기술입니다.
RandomForest	랜덤 포레스트는 지도 학습 알고리즘입니다. 그것이 구축하는 "숲"은 일반적으로 "배깅" 방법으로 훈련된 의사결정 트리의 앙상블입니다. 배깅 방법의 일반적인 아이디어는 학습 모델의 조합이 전반적인 결과를 증가시킨다는 것입니다.
ExtremeRandomTrees	Extreme Trees는 여러 의사결정 트리의 예측을 결합한 앙상블 기계 학습 알고리즘입니다. 널리 사용되는 랜덤 포레스트 알고리즘과 관련이 있습니다.
LightGBM	LightGBM은 트리 기반 학습 알고리즘을 사용하는 그래디언트 부스팅 프레임워크입니다.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor는 기본 학습자의 앙상블을 사용하는 지도 기계 학습 모델입니다.

RegressionPrimaryMetrics

열거형

회귀 작업에 대한 기본 지표입니다.

값	Description
SpearmanCorrelation	Spearman의 상관 순위 계수는 순위 상관의 비모수 척도입니다.
NormalizedRootMeanSquaredError	NRMSE(Normalized Root Mean Squared Error) RMSE는 척도가 다른 모델 간의 비교를 용이하게 합니다.
R2Score	R2 점수는 예측 기반 기계 학습 모델에 대한 성능 평가 척도 중 하나입니다.
NormalizedMeanAbsoluteError	NMAE(Normalized Mean Absolute Error)는 (시간) 계열의 평균 절대 오차(MAE)를 다른 척도와 비교하는 검증 지표입니다.

RegressionTrainingSettings

Object

회귀 학습 관련 구성.

Name	형식	Default value	Description
allowedTrainingAlgorithms	RegressionModels[]		회귀 태스크에 허용되는 모델입니다.
blockedTrainingAlgorithms	RegressionModels[]		회귀 태스크에 대한 차단된 모델입니다.
enableDnnTraining	boolean	False	DNN 모델의 권장 사항을 사용하도록 설정합니다.
enableModelExplainability	boolean	True	최상의 모델에서 설명 기능을 켜는 플래그입니다.
enableOnnxCompatibleModels	boolean	False	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.
enableStackEnsemble	boolean	True	스택 앙상블 실행을 사용하도록 설정합니다.
enableVoteEnsemble	boolean	True	투표 앙상블 실행을 사용하도록 설정합니다.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.
stackEnsembleSettings	StackEnsembleSettings		스택 앙상블 실행에 대한 스택 앙상블 설정입니다.

SamplingAlgorithmType

열거형

값	Description
Grid
Random
Bayesian

SeasonalityMode

열거형

계절성 예측 모드.

값	Description
Auto	계절성은 자동으로 결정됩니다.
Custom	사용자 지정 계절성 값을 사용합니다.

ShortSeriesHandlingConfiguration

열거형

AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.

값	Description
None	no/null 값을 나타냅니다.
Auto	긴 시리즈가 없으면 짧은 시리즈가 패딩되고, 그렇지 않으면 짧은 시리즈가 삭제됩니다.
Pad	모든 단편 시리즈는 패딩됩니다.
Drop	모든 단편 시리즈가 삭제됩니다.

SparkJob

Object

Spark 작업 정의.

Name	형식	Default value	Description
archives	string[]		작업에 사용되는 파일을 보관합니다.
args	string		작업에 대한 인수입니다.
codeId	string (arm-id) minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 코드 자산의 arm-id입니다.
componentId	string		구성 요소 리소스의 ARM 리소스 ID입니다.
computeId	string		컴퓨팅 리소스의 ARM 리소스 ID입니다.
conf	object		Spark가 구성한 속성입니다.
description	string		자산 설명 텍스트입니다.
displayName	string		작업의 표시 이름입니다.
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[필수] 작업을 시작할 때 실행할 항목입니다.
environmentId	string (arm-id)		작업에 대한 환경 사양의 ARM 리소스 ID입니다.
environmentVariables	object		작업에 포함된 환경 변수입니다.
experimentName	string	Default	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.
files	string[]		작업에 사용되는 파일입니다.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.
inputs	object		작업에 사용되는 입력 데이터 바인딩의 매핑입니다.
isArchived	boolean	False	자산이 보관되어 있나요?
jars	string[]		작업에 사용되는 Jar 파일입니다.
jobType	string: Spark		[필수] 작업 유형을 지정합니다.
notificationSetting	NotificationSetting		작업에 대한 알림 설정
outputs	object		작업에 사용되는 출력 데이터 바인딩의 매핑입니다.
properties	object		자산 속성 사전입니다.
pyFiles	string[]		작업에 사용되는 Python 파일입니다.
queueSettings	QueueSettings		작업에 대한 큐 설정
resources	SparkResourceConfiguration		작업에 대한 컴퓨팅 리소스 구성입니다.
services	<string, JobService>		JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.
status	JobStatus		작업 상태입니다.
tags	object		태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.

SparkJobEntryType

열거형

값	Description
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

Object

Name	형식	Description
file	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 작업 진입점에 대한 상대 Python 파일 경로입니다.
sparkJobEntryType	string: SparkJobPythonEntry	[필수] 작업의 진입점 유형입니다.

SparkJobScalaEntry

Object

Name	형식	Description
className	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 진입점으로 사용되는 Scala 클래스 이름입니다.
sparkJobEntryType	string: SparkJobScalaEntry	[필수] 작업의 진입점 유형입니다.

SparkResourceConfiguration

Object

Name	형식	Default value	Description
instanceType	string		컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다.
runtimeVersion	string	3.1	작업에 사용되는 Spark 런타임의 버전입니다.

StackEnsembleSettings

Object

StackEnsemble 실행을 사용자 정의하기 위한 고급 설정입니다.

Name	형식	Default value	Description
stackMetaLearnerKWargs			메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다.
stackMetaLearnerTrainPercentage	number (double)	0.2	메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다.
stackMetaLearnerType	StackMetaLearnerType	None	메타 러너는 개별 이기종 모델의 출력을 기반으로 학습된 모델입니다. 기본 메타 학습자는 분류 작업에는 LogisticRegression(교차 검증이 활성화된 경우 LogisticRegressionCV)과 회귀/예측 작업을 위한 ElasticNet(교차 검증이 활성화된 경우 ElasticNetCV)입니다.\r\n\r\n이 매개변수는 다음 문자열 중 하나일 수 있습니다: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor, 또는 LinearRegression

StackMetaLearnerType

열거형

메타 러너는 개별 이기종 모델의 출력을 기반으로 학습된 모델입니다. 기본 메타 학습자는 분류 작업에는 LogisticRegression(교차 검증이 활성화된 경우 LogisticRegressionCV)과 회귀/예측 작업을 위한 ElasticNet(교차 검증이 활성화된 경우 ElasticNetCV)입니다.\r\n\r\n이 매개변수는 다음 문자열 중 하나일 수 있습니다: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor, 또는 LinearRegression

값	Description
None
LogisticRegression	기본 메타 학습자는 분류 작업에 대한 LogisticRegression입니다.
LogisticRegressionCV	기본 메타 학습자는 CV가 켜져 있을 때 분류 작업에 대한 LogisticRegression입니다.
LightGBMClassifier
ElasticNet	기본 메타 학습자는 회귀 작업에 대한 LogisticRegression입니다.
ElasticNetCV	기본 메타 학습자는 CV가 켜져 있을 때 회귀 작업에 대한 LogisticRegression입니다.
LightGBMRegressor
LinearRegression

StochasticOptimizer

열거형

이미지 모델에 대한 확률론적 최적화 프로그램.

값	Description
None	최적화 프로그램을 선택하지 않았습니다.
Sgd	확률론적 기울기 하강 옵티마이저.
Adam	Adam은 순간의 적응 추정을 기반으로 확률론적 목적 함수를 최적화하는 알고리즘입니다
Adamw	AdamW는 가중치 감쇠 구현이 개선된 옵티마이저 Adam의 변형입니다.

SweepJob

Object

스윕 작업 정의.

Name	형식	Default value	Description
componentId	string		구성 요소 리소스의 ARM 리소스 ID입니다.
computeId	string		컴퓨팅 리소스의 ARM 리소스 ID입니다.
description	string		자산 설명 텍스트입니다.
displayName	string		작업의 표시 이름입니다.
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다.
experimentName	string	Default	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.
inputs	object		작업에 사용되는 입력 데이터 바인딩의 매핑입니다.
isArchived	boolean	False	자산이 보관되어 있나요?
jobType	string: Sweep		[필수] 작업 유형을 지정합니다.
limits	SweepJobLimits		스윕 작업 제한입니다.
notificationSetting	NotificationSetting		작업에 대한 알림 설정
objective	Objective		[필수] 최적화 목표입니다.
outputs	object		작업에 사용되는 출력 데이터 바인딩의 매핑입니다.
properties	object		자산 속성 사전입니다.
queueSettings	QueueSettings		작업에 대한 큐 설정
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[필수] 하이퍼 매개 변수 샘플링 알고리즘
searchSpace			[필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다.
services	<string, JobService>		JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.
status	JobStatus		작업 상태입니다.
tags	object		태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.
trial	TrialComponent		[필수] 평가판 구성 요소 정의입니다.

SweepJobLimits

Object

Sweep Job limit 클래스입니다.

Name	형식	Description
jobLimitsType	string: Sweep	[필수] JobLimit 형식입니다.
maxConcurrentTrials	integer (int32)	작업 최대 동시 평가판을 스윕합니다.
maxTotalTrials	integer (int32)	스윕 작업 최대 총 평가판입니다.
timeout	string (duration)	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.
trialTimeout	string (duration)	비우기 작업 평가판 시간 제한 값입니다.

systemData

Object

리소스의 생성 및 마지막 수정과 관련된 메타데이터입니다.

Name	형식	Description
createdAt	string (date-time)	리소스 만들기의 타임스탬프(UTC)입니다.
createdBy	string	리소스를 만든 ID입니다.
createdByType	createdByType	리소스를 만든 ID의 형식입니다.
lastModifiedAt	string (date-time)	리소스 마지막 수정의 타임스탬프(UTC)
lastModifiedBy	string	리소스를 마지막으로 수정한 ID입니다.
lastModifiedByType	createdByType	리소스를 마지막으로 수정한 ID의 형식입니다.

TableVerticalFeaturizationSettings

Object

기능화 구성.

Name	형식	Default value	Description
blockedTransformers	BlockedTransformers[]		이러한 변압기는 기능화에 사용되지 않습니다.
columnNameAndTypes	object		열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다.
datasetLanguage	string		텍스트 데이터에 유용한 데이터 세트 언어입니다.
enableDnnFeaturization	boolean	False	데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다.
mode	FeaturizationMode	Auto	기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.
transformerParams	object		사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다.

TableVerticalLimitSettings

Object

작업 실행 제약 조건.

Name	형식	Default value	Description
enableEarlyTermination	boolean	True	조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다.
exitScore	number (double)		AutoML 작업의 종료 점수입니다.
maxConcurrentTrials	integer (int32)	1	최대 동시 반복입니다.
maxCoresPerTrial	integer (int32)	-1	반복당 최대 코어 수입니다.
maxTrials	integer (int32)	1000	반복 횟수입니다.
timeout	string (duration)	PT6H	AutoML 작업 시간 제한입니다.
trialTimeout	string (duration)	PT30M	반복 시간 제한입니다.

TargetAggregationFunction

열거형

대상 집계 함수.

값	Description
None	값이 설정되지 않음을 나타냅니다.
Sum
Max
Min
Mean

TargetLagsMode

열거형

대상 지연 선택 모드.

값	Description
Auto	대상 지연은 자동으로 결정됩니다.
Custom	사용자 지정 대상 지연을 사용합니다.

TargetRollingWindowSizeMode

열거형

대상 롤링 창 크기 모드입니다.

값	Description
Auto	롤링 창 크기를 자동으로 결정합니다.
Custom	지정된 롤링 창 크기를 사용합니다.

TaskType

열거형

AutoMLJob 작업 유형입니다.

값	Description
Classification	기계 학습 및 통계의 분류는 컴퓨터 프로그램이 주어진 데이터로부터 학습하고 새로운 관찰 또는 분류를 수행하는 지도 학습 접근 방식입니다.
Regression	회귀는 입력 데이터를 사용하여 값을 예측하는 것을 의미합니다. 회귀 모델은 연속 값을 예측하는 데 사용됩니다.
Forecasting	예측은 시계열 데이터를 처리하고 입력을 기반으로 가까운 미래 값을 예측하는 데 사용할 수 있는 예측 모델을 만드는 특별한 종류의 회귀 작업입니다.
ImageClassification	이미지 분류. 다중 클래스 이미지 분류는 이미지가 클래스 집합의 단일 레이블로만 분류될 때 사용됩니다(예: 각 이미지는 '고양이', '개' 또는 '오리'의 이미지로 분류됩니다).
ImageClassificationMultilabel	이미지 분류 다중 레이블. 다중 레이블 이미지 분류는 이미지가 레이블 집합에서 하나 이상의 레이블을 가질 수 있는 경우에 사용됩니다(예: 이미지에 '고양이'와 '개' 둘 다 레이블이 지정될 수 있음).
ImageObjectDetection	이미지 개체 감지. 객체 감지는 이미지에서 객체를 식별하고 경계 상자가 있는 각 객체를 찾는 데 사용됩니다(예: 이미지에서 모든 개와 고양이를 찾고 각 주위에 경계 상자를 그립니다).
ImageInstanceSegmentation	이미지 인스턴스 세분화. 인스턴스 분할은 픽셀 수준에서 이미지의 개체를 식별하는 데 사용되며 이미지의 각 개체 주위에 다각형을 그립니다.
TextClassification	텍스트 분류(텍스트 태깅 또는 텍스트 분류라고도 함)는 텍스트를 범주로 정렬하는 프로세스입니다. 범주는 상호 배타적입니다.
TextClassificationMultilabel	다중 레이블 분류 작업은 각 샘플을 대상 레이블 그룹(0개 이상)에 할당합니다.
TextNER	TextNER로 명명된 텍스트 Entity Recognition. NER(명명된 엔터티 인식)은 자유 형식 텍스트를 가져와 사람, 위치, 조직 등과 같은 엔터티의 발생을 식별하는 기능입니다.

TensorFlow

Object

TensorFlow 배포 구성.

Name	형식	Default value	Description
distributionType	string: TensorFlow		[필수] 배포 프레임워크의 유형을 지정합니다.
parameterServerCount	integer (int32)	0	매개 변수 서버 작업의 수입니다.
workerCount	integer (int32)		작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다.

TextClassification

Object

AutoML NLP 업종의 텍스트 분류 작업입니다. NLP - 자연어 처리.

Name	형식	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
limitSettings	NlpVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	분류 작업에 대한 기본 메트릭입니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: TextClassification		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.

TextClassificationMultilabel

Object

AutoML NLP 업종의 텍스트 분류 다중 레이블 작업입니다. NLP - 자연어 처리.

Name	형식	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
limitSettings	NlpVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
primaryMetric	ClassificationMultilabelPrimaryMetrics		텍스트Classification-Multilabel 작업에 대한 기본 메트릭입니다. 현재 정확도만 기본 메트릭으로 지원되므로 사용자가 명시적으로 설정할 필요가 없습니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: TextClassificationMultilabel		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.

TextNer

Object

AutoML NLP 업종의 Text-NER 작업입니다. NER - 명명된 엔터티 인식입니다. NLP - 자연어 처리.

Name	형식	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 작업에 필요한 기능화 입력입니다.
limitSettings	NlpVerticalLimitSettings		AutoMLJob에 대한 실행 제약 조건입니다.
logVerbosity	LogVerbosity	Info	로그 상세 정보를 설정하기 위한 열거형입니다.
primaryMetric	ClassificationPrimaryMetrics		작업에 대한 기본 메트릭Text-NER Text-NER에는 '정확도'만 지원되므로 사용자가 명시적으로 설정할 필요가 없습니다.
targetColumnName	string		대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.
taskType	string: TextNER		[필수] AutoMLJob의 작업 유형입니다.
trainingData	MLTableJobInput		[필수] 학습 데이터 입력입니다.
validationData	MLTableJobInput		유효성 검사 데이터 입력입니다.

TrialComponent

Object

평가판 구성 요소 정의입니다.

Name	형식	Description
codeId	string	코드 자산의 ARM 리소스 ID입니다.
command	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 작업을 시작할 때 실행할 명령입니다. eg. "파이썬 train.py"
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.
environmentVariables	object	작업에 포함된 환경 변수입니다.
resources	JobResourceConfiguration	작업에 대한 컴퓨팅 리소스 구성입니다.

TritonModelJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: triton_model		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

TritonModelJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: triton_model		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

TruncationSelectionPolicy

Object

각 평가 간격에서 지정된 실행 비율을 취소하는 조기 종료 정책을 정의합니다.

Name	형식	Default value	Description
delayEvaluation	integer (int32)	0	첫 번째 평가를 지연할 간격 수입니다.
evaluationInterval	integer (int32)	0	정책 평가 사이의 간격(실행 수)입니다.
policyType	string: TruncationSelection		[필수] 정책 구성의 이름
truncationPercentage	integer (int32)	0	각 평가 간격에서 취소할 실행의 백분율입니다.

UriFileJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: uri_file		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

UriFileJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: uri_file		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

UriFolderJobInput

Object

Name	형식	Default value	Description
description	string		입력에 대한 설명입니다.
jobInputType	string: uri_folder		[필수] 작업 유형을 지정합니다.
mode	InputDeliveryMode	ReadOnlyMount	입력 데이터 전달 모드를 결정하는 열거형입니다.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[필수] 입력 자산 URI입니다.

UriFolderJobOutput

Object

Name	형식	Default value	Description
assetName	string		출력 자산 이름입니다.
description	string		출력에 대한 설명입니다.
jobOutputType	string: uri_folder		[필수] 작업 유형을 지정합니다.
mode	OutputDeliveryMode	ReadWriteMount	출력 데이터 배달 모드 열거형입니다.
uri	string		출력 자산 URI입니다.

UserIdentity

Object

사용자 ID 구성.

Name	형식	Description
identityType	string: UserIdentity	[필수] ID 프레임워크의 형식을 지정합니다.

UseStl

열거형

시계열 대상 열의 STL 분해를 구성합니다.

값	Description
None	stl 분해가 없습니다.
Season
SeasonTrend

ValidationMetricType

열거형

이미지 작업의 검증 메트릭에 사용할 메트릭 계산 방법입니다.

값	Description
None	메트릭이 없습니다.
Coco	코코 메트릭.
Voc	Voc 메트릭.
CocoVoc	CocoVoc 메트릭.

WebhookType

열거형

웹후크 콜백 서비스 유형을 결정하는 열거형입니다.

값	Description
AzureDevOps

다음을 통해 공유

Jobs - Create Or Update

URI 매개 변수

요청 본문

응답

보안

azure_auth

범위

예제

CreateOrUpdate AutoML Job.

샘플 요청

샘플 응답

CreateOrUpdate Command Job.

샘플 요청

샘플 응답

CreateOrUpdate Pipeline Job.

샘플 요청

샘플 응답

CreateOrUpdate Sweep Job.

샘플 요청

샘플 응답

정의

AllNodes

AmlToken

AutoForecastHorizon

AutoMLJob

AutoNCrossValidations

AutoSeasonality

AutoTargetLags

AutoTargetRollingWindowSize

AzureDevOpsWebhook

BanditPolicy

BayesianSamplingAlgorithm

BlockedTransformers

Classification

ClassificationModels

ClassificationMultilabelPrimaryMetrics

ClassificationPrimaryMetrics

ClassificationTrainingSettings

CommandJob

CommandJobLimits

createdByType

CustomForecastHorizon

CustomModelJobInput

CustomModelJobOutput

CustomNCrossValidations

CustomSeasonality

CustomTargetLags

CustomTargetRollingWindowSize

DistributionType

EarlyTerminationPolicyType

EmailNotificationEnableType

ErrorAdditionalInfo

ErrorDetail

ErrorResponse

FeatureLags

FeaturizationMode

ForecastHorizonMode

Forecasting

ForecastingModels

ForecastingPrimaryMetrics

ForecastingSettings

ForecastingTrainingSettings

Goal

GridSamplingAlgorithm

IdentityConfigurationType

ImageClassification

ImageClassificationMultilabel

ImageInstanceSegmentation

ImageLimitSettings

ImageModelDistributionSettingsClassification

ImageModelDistributionSettingsObjectDetection

ImageModelSettingsClassification

ImageModelSettingsObjectDetection

ImageObjectDetection

ImageSweepSettings

InputDeliveryMode

InstanceSegmentationPrimaryMetrics

JobBase

JobInputType