Jobs - Create Or Update

Serviço:

Machine Learning

Versão da API:

2025-12-01

Cria e executa um trabalho. Para o caso de atualização, as Tags na definição passada substituirão as Tags no trabalho existente.
Cria e executa um trabalho. Para o caso de atualização, as Tags na definição passada substituirão as Tags no trabalho existente.

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

Parâmetros de URI

Nome	Em	Obrigatório	Tipo	Description
id	path	True	string	O nome e o identificador do Trabalho. Isso diferencia maiúsculas de minúsculas.
resourceGroupName	path	True	string minLength: 1 maxLength: 90	O nome do grupo de recursos. O nome não diferencia maiúsculas de minúsculas.
subscriptionId	path	True	string minLength: 1	A ID da assinatura de destino.
workspaceName	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$	Nome do workspace do Azure Machine Learning
api-version	query	True	string minLength: 1	A versão da API a ser usada para esta operação.

Corpo da solicitação

Nome	Obrigatório	Tipo	Description
properties	True	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[Obrigatório] Atributos adicionais da entidade.

Respostas

Nome	Tipo	Description
200 OK	JobBase	Operação de atualização do recurso 'JobBase' bem-sucedida
201 Created	JobBase	Recurso 'JobBase' criar operação bem-sucedida
Other Status Codes	ErrorResponse	Uma resposta de erro inesperada.

Segurança

azure_auth

Fluxo OAuth2 do Azure Active Directory.

Tipo: oauth2
Flow: implicit
URL de Autorização: https://login.microsoftonline.com/common/oauth2/authorize

Escopos

Nome	Description
user_impersonation	Personificar sua conta de usuário

Exemplos

CreateOrUpdate AutoML Job.

CreateOrUpdate Command Job.

CreateOrUpdate Pipeline Job.

CreateOrUpdate Sweep Job.

CreateOrUpdate AutoML Job.

Solicitação de exemplo

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"
      }
    }
  }
}

Resposta de exemplo

Código de status:

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"
  }
}

Código de status:

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.

Solicitação de exemplo

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"
    }
  }
}

Resposta de exemplo

Código de status:

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"
  }
}

Código de status:

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.

Solicitação de exemplo

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"
    }
  }
}

Resposta de exemplo

Código de status:

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"
  }
}

Código de status:

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.

Solicitação de exemplo

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
          }
        }
      }
    }
  }
}

Resposta de exemplo

Código de status:

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"
  }
}

Código de status:

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"
  }
}

Definições

Nome	Description
AllNodes	Todos os nós significa que o serviço será executado em todos os nós do trabalho
AmlToken	Configuração de identidade do token AML.
AutoForecastHorizon	Horizonte de previsão determinado automaticamente pelo sistema.
AutoMLJob	AutoMLJob. Use essa classe para executar tarefas de AutoML, como Classificação/Regressão etc. Consulte Enumeração TaskType para todas as tarefas com suporte.
AutoNCrossValidations	Validações N-Cross determinadas automaticamente.
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	Janela de rolagem de atrasos de destino determinada automaticamente.
AzureDevOpsWebhook	Detalhes do webhook específicos para o Azure DevOps
BanditPolicy	Define uma política de rescisão antecipada com base em critérios de margem de atraso e um intervalo de frequência e atraso para avaliação
BayesianSamplingAlgorithm	Define um algoritmo de amostragem que gera valores com base em valores anteriores
BlockedTransformers	Enumeração para todos os modelos de classificação compatíveis com o AutoML.
Classification	Tarefa de classificação na vertical da tabela do AutoML.
ClassificationModels	Enumeração para todos os modelos de classificação compatíveis com o AutoML.
ClassificationMultilabelPrimaryMetrics	Métricas primárias para tarefas de classificação com vários rótulos.
ClassificationPrimaryMetrics	Métricas primárias para tarefas de classificação.
ClassificationTrainingSettings	Configuração relacionada ao treinamento de classificação.
CommandJob	Definição de trabalho de comando.
CommandJobLimits	Classe de limite de trabalho de comando.
createdByType	O tipo de identidade que criou o recurso.
CustomForecastHorizon	O horizonte de previsão máxima desejado em unidades de frequência de série temporal.
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	As validações N-Cross são especificadas pelo usuário.
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	Enumeração para determinar o tipo de distribuição de trabalho.
EarlyTerminationPolicyType
EmailNotificationEnableType	Enumeração para determinar o tipo de notificação por email.
ErrorAdditionalInfo	As informações adicionais do erro de gerenciamento de recursos.
ErrorDetail	O detalhe do erro.
ErrorResponse	Resposta de erro
FeatureLags	Sinalizador para gerar atrasos para os recursos numéricos.
FeaturizationMode	Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.
ForecastHorizonMode	Enumeração para determinar o modo de seleção do horizonte de previsão.
Forecasting	Tarefa de previsão na vertical da tabela AutoML.
ForecastingModels	Enumeração para todos os modelos de previsão compatíveis com o AutoML.
ForecastingPrimaryMetrics	Métricas primárias para a tarefa Previsão.
ForecastingSettings	Previsão de parâmetros específicos.
ForecastingTrainingSettings	Configuração relacionada ao treinamento de previsão.
Goal	Define metas de métricas com suporte para ajuste de hiperparâmetros
GridSamplingAlgorithm	Define um algoritmo de amostragem que gera exaustivamente todas as combinações de valores no espaço
IdentityConfigurationType	Enumeração para determinar a estrutura de identidade.
ImageClassification	Classificação de imagens. A classificação de imagens multiclasse é usada quando uma imagem é classificada com apenas um único rótulo de um conjunto de classes - por exemplo, cada imagem é classificada como uma imagem de um 'gato' ou um 'cachorro' ou um 'pato'.
ImageClassificationMultilabel	Classificação de imagens multilabel. A classificação de imagens com vários rótulos é usada quando uma imagem pode ter um ou mais rótulos de um conjunto de rótulos - por exemplo, uma imagem pode ser rotulada com 'gato' e 'cachorro'.
ImageInstanceSegmentation	Segmentação de instância de imagem. A segmentação de instância é usada para identificar objetos em uma imagem no nível de pixel, desenhando um polígono ao redor de cada objeto na imagem.
ImageLimitSettings	Limite as configurações para o trabalho do AutoML.
ImageModelDistributionSettingsClassification	Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são: 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	Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são: 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	Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsObjectDetection	Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageObjectDetection	Detecção de objeto de imagem. A detecção de objetos é usada para identificar objetos em uma imagem e localizar cada objeto com uma caixa delimitadora, por exemplo, localizar todos os cães e gatos em uma imagem e desenhar uma caixa delimitadora ao redor de cada um.
ImageSweepSettings	Configurações relacionadas à varredura de modelo e hiperparâmetro.
InputDeliveryMode	Enumeração para determinar o modo de entrega de dados de entrada.
InstanceSegmentationPrimaryMetrics	Métricas primárias para tarefas InstanceSegmentation.
JobBase	Envelope de recursos do Azure Resource Manager.
JobInputType	Enumeração para determinar o Tipo de Entrada de Trabalho.
JobLimitsType
JobOutputType	Enumeração para determinar o Tipo de Saída do Trabalho.
JobResourceConfiguration
JobService	Definição de ponto de extremidade de trabalho
JobStatus	O status de um trabalho.
JobTier	Enumerar para determinar a camada de trabalho.
JobType	Enumeração para determinar o tipo de trabalho.
LearningRateScheduler	Enumeração do agendador de taxa de aprendizagem.
LiteralJobInput	Tipo de entrada literal.
LogVerbosity	Enumeração para definir o detalhamento do log.
ManagedIdentity	Configuração de identidade gerenciada.
MedianStoppingPolicy	Define uma política de encerramento antecipado com base nas médias de execução da métrica primária de todas as execuções
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	Tamanho do modelo de imagem.
Mpi	Configuração de distribuição MPI.
NCrossValidationsMode	Determina como o valor das validações N-Cross é determinado.
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	Restrições de execução de trabalho.
NodesValueType	Os tipos enumerados para o valor dos nós
NotificationSetting	Configuração para notificação.
ObjectDetectionPrimaryMetrics	Métricas primárias para a tarefa Image ObjectDetection.
Objective	Objetivo de otimização.
OutputDeliveryMode	Enumerações do modo de entrega de dados de saída.
PipelineJob	Definição de trabalho de pipeline: define atributos genéricos para MFE.
PyTorch	Configuração de distribuição do PyTorch.
QueueSettings
RandomSamplingAlgorithm	Define um algoritmo de amostragem que gera valores aleatoriamente
RandomSamplingAlgorithmRule	O tipo específico de algoritmo aleatório
Regression	Tarefa de regressão na vertical da tabela do AutoML.
RegressionModels	Enumeração para todos os modelos de regressão compatíveis com o AutoML.
RegressionPrimaryMetrics	Métricas primárias para a tarefa de regressão.
RegressionTrainingSettings	Configuração relacionada ao treinamento de regressão.
SamplingAlgorithmType
SeasonalityMode	Modo de previsão de sazonalidade.
ShortSeriesHandlingConfiguration	O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.
SparkJob	Definição de trabalho do Spark.
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	Avança a configuração para personalizar a execução do StackEnsemble.
StackMetaLearnerType	O meta-aprendiz é um modelo treinado com a saída dos modelos heterogêneos individuais.\r\nmeta-aprendizes padrão são LogisticRegression para tarefas de classificação (ou LogisticRegressionCV se a validação cruzada estiver ativada) e ElasticNet para tarefas de regressão/previsão (ou ElasticNetCV se a validação cruzada estiver habilitada).\r\nEste parâmetro pode ser uma das seguintes strings: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor ou LinearRegression
StochasticOptimizer	Otimizador estocástico para modelos de imagem.
SweepJob	Definição de trabalho de varredura.
SweepJobLimits	Classe de limite de trabalho de varredura.
systemData	Metadados relativos à criação e última modificação do recurso.
TableVerticalFeaturizationSettings	Configuração de Definição de Recursos.
TableVerticalLimitSettings	Restrições de execução de trabalho.
TargetAggregationFunction	Função de agregação de destino.
TargetLagsMode	O alvo atrasa os modos de seleção.
TargetRollingWindowSizeMode	Modo de tamanho de janelas sem interrupção de destino.
TaskType	AutoMLJob Tipo de tarefa.
TensorFlow	Configuração de distribuição do TensorFlow.
TextClassification	Tarefa de classificação de texto na vertical do AutoML NLP. PNL - Processamento de Linguagem Natural.
TextClassificationMultilabel	Tarefa de classificação de texto multi-rótulo na vertical do AutoML NLP. PNL - Processamento de Linguagem Natural.
TextNer	Text-NER tarefa na vertical do AutoML NLP. NER - Reconhecimento de Entidade Nomeada. PNL - Processamento de Linguagem Natural.
TrialComponent	Definição do componente de avaliação.
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	Define uma política de encerramento antecipado que cancela uma determinada porcentagem de execuções em cada intervalo de avaliação.
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	Configuração de identidade do usuário.
UseStl	Configure a Decomposição de STL da coluna de destino da série temporal.
ValidationMetricType	Método de computação de métrica a ser usado para métricas de validação em tarefas de imagem.
WebhookType	Enumeração para determinar o tipo de serviço de retorno de chamada do webhook.

AllNodes

Objeto

Todos os nós significa que o serviço será executado em todos os nós do trabalho

Nome	Tipo	Description
nodesValueType	string: All	[Obrigatório] Tipo do valor de nós

AmlToken

Objeto

Configuração de identidade do token AML.

Nome	Tipo	Description
identityType	string: AMLToken	[Obrigatório] Especifica o tipo de estrutura de identidade.

AutoForecastHorizon

Objeto

Horizonte de previsão determinado automaticamente pelo sistema.

Nome	Tipo	Description
mode	string: Auto	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.

AutoMLJob

Objeto

AutoMLJob. Use essa classe para executar tarefas de AutoML, como Classificação/Regressão etc. Consulte Enumeração TaskType para todas as tarefas com suporte.

Nome	Tipo	Valor padrão	Description
componentId	string		ID do recurso arm do recurso de componente.
computeId	string		ID do recurso arm do recurso de computação.
description	string		O texto de descrição do ativo.
displayName	string		Nome de exibição do trabalho.
environmentId	string		A ID do recurso ARM da especificação de Ambiente para o trabalho. Esse é o valor opcional a ser fornecido, se não for fornecido, o AutoML usará como padrão a versão do ambiente coletado do AutoML de Produção ao executar o trabalho.
environmentVariables	object		Variáveis de ambiente incluídas no trabalho.
experimentName	string	Default	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.
isArchived	boolean	False	O ativo está arquivado?
jobType	string: AutoML		[Obrigatório] Especifica o tipo de trabalho.
notificationSetting	NotificationSetting		Configuração de notificação para o trabalho
outputs	object		Mapeamento de associações de dados de saída usadas no trabalho.
properties	object		O dicionário de propriedades do ativo.
queueSettings	QueueSettings		Configurações de fila para o trabalho
resources	JobResourceConfiguration		Configuração de recursos de computação para o trabalho.
services	<string,  JobService>		Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.
status	JobStatus		Status do trabalho.
tags	object		Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[Obrigatório] Isso representa um cenário que pode ser uma das Tabelas/NLP/Imagem

AutoNCrossValidations

Objeto

Validações N-Cross determinadas automaticamente.

Nome	Tipo	Description
mode	string: Auto	[Obrigatório] Modo para determinar validações N-Cross.

AutoSeasonality

Objeto

Nome	Tipo	Description
mode	string: Auto	[Obrigatório] Modo de sazonalidade.

AutoTargetLags

Objeto

Nome	Tipo	Description
mode	string: Auto	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado

AutoTargetRollingWindowSize

Objeto

Janela de rolagem de atrasos de destino determinada automaticamente.

Nome	Tipo	Description
mode	string: Auto	[Obrigatório] Modo de detecção TargetRollingWindowSiz.

AzureDevOpsWebhook

Objeto

Detalhes do webhook específicos para o Azure DevOps

Nome	Tipo	Description
eventType	string	Enviar retorno de chamada em um evento de notificação especificado
webhookType	string: AzureDevOps	[Obrigatório] Especifica o tipo de serviço para enviar um retorno de chamada

BanditPolicy

Objeto

Define uma política de rescisão antecipada com base em critérios de margem de atraso e um intervalo de frequência e atraso para avaliação

Nome	Tipo	Valor padrão	Description
delayEvaluation	integer (int32)	0	Número de intervalos pelos quais atrasar a primeira avaliação.
evaluationInterval	integer (int32)	0	Intervalo (número de execuções) entre avaliações de política.
policyType	string: Bandit		[Obrigatório] Nome da configuração de política
slackAmount	number (float)	0	Distância absoluta permitida da execução de melhor desempenho.
slackFactor	number (float)	0	Taxa da distância permitida da execução com melhor desempenho.

BayesianSamplingAlgorithm

Objeto

Define um algoritmo de amostragem que gera valores com base em valores anteriores

Nome	Tipo	Description
samplingAlgorithmType	string: Bayesian	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração

BlockedTransformers

Enumeração

Enumeração para todos os modelos de classificação compatíveis com o AutoML.

Valor	Description
TextTargetEncoder	Codificação de destino para dados de texto.
OneHotEncoder	A codificação a quente Ohe cria uma transformação de recurso binário.
CatTargetEncoder	Codificação de destino para dados categóricos.
TfIdf	Tf-Idf significa frequência de termo vezes frequência de documento inversa. Este é um esquema de ponderação de termo comum para identificar informações de documentos.
WoETargetEncoder	A codificação de peso de evidência é uma técnica usada para codificar variáveis categóricas. Ele usa o log natural do P(1)/P(0) para criar pesos.
LabelEncoder	O codificador de rótulos converte rótulos/variáveis categóricas em um formato numérico.
WordEmbedding	A incorporação de palavras ajuda a representar palavras ou frases como um vetor ou uma série de números.
NaiveBayes	Naive Bayes é um classificado que é usado para classificação de características discretas que são distribuídas categoricamente.
CountVectorizer	O Vetorizador de Contagem converte uma coleção de documentos de texto em uma matriz de contagens de tokens.
HashOneHotEncoder	O hashing One Hot Encoder pode transformar variáveis categóricas em um número limitado de novos recursos. Isso geralmente é usado para recursos categóricos de alta cardinalidade.

Classification

Objeto

Tarefa de classificação na vertical da tabela do AutoML.

Nome	Tipo	Valor padrão	Description
cvSplitColumnNames	string[]		Colunas a serem usadas para dados CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
limitSettings	TableVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não for fornecido.
positiveLabel	string		Rótulo positivo para cálculo de métricas binárias.
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	Métricas primárias para tarefas de classificação.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: Classification		[Obrigatório] Tipo de tarefa para AutoMLJob.
testData	MLTableJobInput		Testar a entrada de dados.
testDataSize	number (double)		A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
trainingSettings	ClassificationTrainingSettings		Entradas para a fase de treinamento para um Trabalho AutoML.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
weightColumnName	string		O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.

ClassificationModels

Enumeração

Enumeração para todos os modelos de classificação compatíveis com o AutoML.

Valor	Description
LogisticRegression	A regressão logística é uma técnica de classificação fundamental. Pertence ao grupo dos classificadores lineares e é um pouco semelhante à regressão polinomial e linear. A regressão logística é rápida e relativamente descomplicada, e é conveniente para você interpretar os resultados. Embora seja essencialmente um método para classificação binária, ele também pode ser aplicado a problemas multiclasse.
SGD	SGD: O gradiente descendente estocástico é um algoritmo de otimização frequentemente usado em aplicativos de aprendizado de máquina para encontrar os parâmetros do modelo que correspondem ao melhor ajuste entre as saídas previstas e reais.
MultinomialNaiveBayes	O classificador multinomial Naive Bayes é adequado para classificação com características discretas (por exemplo, contagens de palavras para classificação de texto). A distribuição multinomial normalmente requer contagens de recursos inteiros. No entanto, na prática, contagens fracionárias, como tf-idf, também podem funcionar.
BernoulliNaiveBayes	Classificador Naive Bayes para modelos multivariados de Bernoulli.
SVM	Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto.
LinearSVM	Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto. O SVM linear tem melhor desempenho quando os dados de entrada são lineares, ou seja, os dados podem ser facilmente classificados desenhando a linha reta entre os valores classificados em um gráfico plotado.
KNN	O algoritmo K-vizinhos mais próximos (KNN) usa 'similaridade de recursos' para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base em quão próximo ele corresponde aos pontos no conjunto de treinamento.
DecisionTree	As árvores de decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados.
RandomForest	A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ele constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método de "ensacamento". A ideia geral do método de ensacamento é que uma combinação de modelos de aprendizado aumenta o resultado geral.
ExtremeRandomTrees	Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Está relacionado ao algoritmo de floresta aleatória amplamente utilizado.
LightGBM	LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.
GradientBoosting	A técnica de transitar os alunos da semana para um aluno forte é chamada de Boosting. O processo do algoritmo de aumento de gradiente funciona nessa teoria de execução.
XGBoostClassifier	XGBoost: Algoritmo de aumento de gradiente extremo. Esse algoritmo é usado para dados estruturados em que os valores da coluna de destino podem ser divididos em valores de classe distintos.

ClassificationMultilabelPrimaryMetrics

Enumeração

Métricas primárias para tarefas de classificação com vários rótulos.

Valor	Description
AUCWeighted	AUC é a área sob a curva. Essa métrica representa a média aritmética da pontuação de cada classe, ponderada pelo número de ocorrências verdadeiras em cada classe.
Accuracy	Precisão é o percentual de previsões que coincidem exatamente com os rótulos de classe verdadeiros.
NormMacroRecall	Recall de macro normalizado é o recall de macro médio e normalizado, para que o desempenho aleatório tenha uma pontuação de 0 e o desempenho perfeito tenha uma pontuação de 1.
AveragePrecisionScoreWeighted	A média aritmética da pontuação média de precisão para cada classe, ponderada pelo número de instâncias verdadeiras em cada classe.
PrecisionScoreWeighted	A média aritmética de precisão para cada classe, ponderada pelo número de instâncias verdadeiras em cada classe.
IOU	Interseção sobre união. Interseção de previsões dividida pela união de previsões.

ClassificationPrimaryMetrics

Enumeração

Métricas primárias para tarefas de classificação.

Valor	Description
AUCWeighted	AUC é a área sob a curva. Essa métrica representa a média aritmética da pontuação de cada classe, ponderada pelo número de ocorrências verdadeiras em cada classe.
Accuracy	Precisão é o percentual de previsões que coincidem exatamente com os rótulos de classe verdadeiros.
NormMacroRecall	Recall de macro normalizado é o recall de macro médio e normalizado, para que o desempenho aleatório tenha uma pontuação de 0 e o desempenho perfeito tenha uma pontuação de 1.
AveragePrecisionScoreWeighted	A média aritmética da pontuação média de precisão para cada classe, ponderada pelo número de instâncias verdadeiras em cada classe.
PrecisionScoreWeighted	A média aritmética de precisão para cada classe, ponderada pelo número de instâncias verdadeiras em cada classe.

ClassificationTrainingSettings

Objeto

Configuração relacionada ao treinamento de classificação.

Nome	Tipo	Valor padrão	Description
allowedTrainingAlgorithms	ClassificationModels[]		Modelos permitidos para a tarefa de classificação.
blockedTrainingAlgorithms	ClassificationModels[]		Modelos bloqueados para a tarefa de classificação.
enableDnnTraining	boolean	False	Habilitar a recomendação de modelos DNN.
enableModelExplainability	boolean	True	Sinalizar para ativar a explicabilidade no melhor modelo.
enableOnnxCompatibleModels	boolean	False	Sinalizador para habilitar modelos compatíveis com onnx.
enableStackEnsemble	boolean	True	Habilitar a execução do conjunto de pilhas.
enableVoteEnsemble	boolean	True	Habilitar a execução do conjunto de votação.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.
stackEnsembleSettings	StackEnsembleSettings		Configurações do conjunto de pilhas para a execução do conjunto de pilhas.

CommandJob

Objeto

Definição de trabalho de comando.

Nome	Tipo	Valor padrão	Description
codeId	string		ID do recurso ARM do ativo de código.
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] O comando a ser executado na inicialização do trabalho. eg. "Python train.py"
componentId	string		ID do recurso arm do recurso de componente.
computeId	string		ID do recurso arm do recurso de computação.
description	string		O texto de descrição do ativo.
displayName	string		Nome de exibição do trabalho.
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.
environmentVariables	object		Variáveis de ambiente incluídas no trabalho.
experimentName	string	Default	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.
inputs	object		Mapeamento de associações de dados de entrada usadas no trabalho.
isArchived	boolean	False	O ativo está arquivado?
jobType	string: Command		[Obrigatório] Especifica o tipo de trabalho.
limits	CommandJobLimits		Limite de trabalho de comando.
notificationSetting	NotificationSetting		Configuração de notificação para o trabalho
outputs	object		Mapeamento de associações de dados de saída usadas no trabalho.
parameters			Parâmetros de entrada.
properties	object		O dicionário de propriedades do ativo.
queueSettings	QueueSettings		Configurações de fila para o trabalho
resources	JobResourceConfiguration		Configuração de recursos de computação para o trabalho.
services	<string,  JobService>		Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.
status	JobStatus		Status do trabalho.
tags	object		Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.

CommandJobLimits

Objeto

Classe de limite de trabalho de comando.

Nome	Tipo	Description
jobLimitsType	string: Command	[Obrigatório] Tipo JobLimit.
timeout	string (duration)	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.

createdByType

Enumeração

O tipo de identidade que criou o recurso.

Valor	Description
User
Application
ManagedIdentity
Key

CustomForecastHorizon

Objeto

O horizonte de previsão máxima desejado em unidades de frequência de série temporal.

Nome	Tipo	Description
mode	string: Custom	[Obrigatório] Defina o modo de seleção de valor do horizonte de previsão.
value	integer (int32)	[Obrigatório] Valor do horizonte de previsão.

CustomModelJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: custom_model		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

CustomModelJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: custom_model		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

CustomNCrossValidations

Objeto

As validações N-Cross são especificadas pelo usuário.

Nome	Tipo	Description
mode	string: Custom	[Obrigatório] Modo para determinar validações N-Cross.
value	integer (int32)	[Obrigatório] Valor de validações n cruzadas.

CustomSeasonality

Objeto

Nome	Tipo	Description
mode	string: Custom	[Obrigatório] Modo de sazonalidade.
value	integer (int32)	[Obrigatório] Valor de sazonalidade.

CustomTargetLags

Objeto

Nome	Tipo	Description
mode	string: Custom	[Obrigatório] Definir o modo de atrasos de destino – Automático/Personalizado
values	integer[] (int32)	[Obrigatório] Definir valores de atrasos de destino.

CustomTargetRollingWindowSize

Objeto

Nome	Tipo	Description
mode	string: Custom	[Obrigatório] Modo de detecção TargetRollingWindowSiz.
value	integer (int32)	[Obrigatório] Valor TargetRollingWindowSize.

DistributionType

Enumeração

Enumeração para determinar o tipo de distribuição de trabalho.

Valor	Description
PyTorch
TensorFlow
Mpi

EarlyTerminationPolicyType

Enumeração

Valor	Description
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

Enumeração

Enumeração para determinar o tipo de notificação por email.

Valor	Description
JobCompleted
JobFailed
JobCancelled

ErrorAdditionalInfo

Objeto

As informações adicionais do erro de gerenciamento de recursos.

Nome	Tipo	Description
info	object	As informações adicionais.
type	string	O tipo de informação adicional.

ErrorDetail

Objeto

O detalhe do erro.

Nome	Tipo	Description
additionalInfo	ErrorAdditionalInfo[]	As informações adicionais do erro.
code	string	O código de erro.
details	ErrorDetail[]	Os detalhes do erro.
message	string	A mensagem de erro.
target	string	O destino do erro.

ErrorResponse

Objeto

Resposta de erro

Nome	Tipo	Description
error	ErrorDetail	O objeto de erro.

FeatureLags

Enumeração

Sinalizador para gerar atrasos para os recursos numéricos.

Valor	Description
None	Nenhum atraso de recurso gerado.
Auto	O sistema gera automaticamente atrasos de recursos.

FeaturizationMode

Enumeração

Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.

Valor	Description
Auto	Modo automático, o sistema executa a definição de recursos sem nenhuma entrada de definição de recursos personalizada.
Custom	Definição de recursos personalizada.
Off	Definição de recursos desativada. A tarefa 'Previsão' não pode usar esse valor.

ForecastHorizonMode

Enumeração

Enumeração para determinar o modo de seleção do horizonte de previsão.

Valor	Description
Auto	Horizonte de previsão a ser determinado automaticamente.
Custom	Use o horizonte de previsão personalizado.

Forecasting

Objeto

Tarefa de previsão na vertical da tabela AutoML.

Nome	Tipo	Valor padrão	Description
cvSplitColumnNames	string[]		Colunas a serem usadas para dados CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
forecastingSettings	ForecastingSettings		Previsão de entradas específicas da tarefa.
limitSettings	TableVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não for fornecido.
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	Métricas primárias para a tarefa Previsão.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: Forecasting		[Obrigatório] Tipo de tarefa para AutoMLJob.
testData	MLTableJobInput		Testar a entrada de dados.
testDataSize	number (double)		A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
trainingSettings	ForecastingTrainingSettings		Entradas para a fase de treinamento para um Trabalho AutoML.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
weightColumnName	string		O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.

ForecastingModels

Enumeração

Enumeração para todos os modelos de previsão compatíveis com o AutoML.

Valor	Description
AutoArima	O modelo de média móvel integrada autorregressiva automática (ARIMA) usa dados de séries temporais e análise estatística para interpretar os dados e fazer previsões futuras. Este modelo visa explicar os dados usando dados de séries temporais em seus valores passados e usa regressão linear para fazer previsões.
Prophet	O Prophet é um procedimento para prever dados de séries temporais com base em um modelo aditivo em que as tendências não lineares são ajustadas com a sazonalidade anual, semanal e diária, além dos efeitos de feriados. Funciona melhor com séries temporais que têm fortes efeitos sazonais e várias temporadas de dados históricos. O Prophet é robusto com dados ausentes e mudanças na tendência, e normalmente lida bem com valores discrepantes.
Naive	O modelo de previsão ingênuo faz previsões transportando o valor de destino mais recente para cada série temporal nos dados de treinamento.
SeasonalNaive	O modelo de previsão Sazonal Naive faz previsões transportando a última temporada de valores-alvo para cada série temporal nos dados de treinamento.
Average	O modelo de previsão Média faz previsões transportando a média dos valores de destino para cada série temporal nos dados de treinamento.
SeasonalAverage	O modelo de previsão de Média Sazonal faz previsões transportando o valor médio da última temporada de dados para cada série temporal nos dados de treinamento.
ExponentialSmoothing	A suavização exponencial é um método de previsão de séries temporais para dados univariados que pode ser estendido para suportar dados com uma tendência sistemática ou componente sazonal.
Arimax	Um modelo de Média Móvel Integrada Autorregressiva com Variável Explicativa (ARIMAX) pode ser visto como um modelo de regressão múltipla com um ou mais termos autorregressivos (AR) e/ou um ou mais termos de média móvel (MA). Este método é adequado para previsão quando os dados são estacionários/não estacionários e multivariados com qualquer tipo de padrão de dados, ou seja, nível/tendência/sazonalidade/ciclicidade.
TCNForecaster	TCNForecaster: Previsão de Redes Convolucionais Temporais. TODO: Peça à equipe de previsão uma breve introdução.
ElasticNet	A rede elástica é um tipo popular de regressão linear regularizada que combina duas penalidades populares, especificamente as funções de penalidade L1 e L2.
GradientBoosting	A técnica de transitar os alunos da semana para um aluno forte é chamada de Boosting. O processo do algoritmo de aumento de gradiente funciona nessa teoria de execução.
DecisionTree	As árvores de decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados.
KNN	O algoritmo K-vizinhos mais próximos (KNN) usa 'similaridade de recursos' para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base em quão próximo ele corresponde aos pontos no conjunto de treinamento.
LassoLars	O modelo Lasso se encaixa com a Regressão de Ângulo Mínimo, também conhecida como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador.
SGD	SGD: O gradiente descendente estocástico é um algoritmo de otimização frequentemente usado em aplicativos de aprendizado de máquina para encontrar os parâmetros do modelo que correspondem ao melhor ajuste entre as saídas previstas e reais. É uma técnica inexata, mas poderosa.
RandomForest	A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ele constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método de "ensacamento". A ideia geral do método de ensacamento é que uma combinação de modelos de aprendizado aumenta o resultado geral.
ExtremeRandomTrees	Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Está relacionado ao algoritmo de floresta aleatória amplamente utilizado.
LightGBM	LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor é um modelo de aprendizado de máquina supervisionado usando conjunto de alunos básicos.

ForecastingPrimaryMetrics

Enumeração

Métricas primárias para a tarefa Previsão.

Valor	Description
SpearmanCorrelation	O coeficiente de correlação de Spearman é uma medida não paramétrica de correlação de classificação.
NormalizedRootMeanSquaredError	O Erro Quadrático Médio da Raiz Normalizada (NRMSE) o RMSE facilita a comparação entre modelos com diferentes escalas.
R2Score	A pontuação R2 é uma das medidas de avaliação de desempenho para modelos de aprendizado de máquina baseados em previsão.
NormalizedMeanAbsoluteError	O Erro Médio Absoluto Normalizado (NMAE) é uma métrica de validação para comparar o Erro Médio Absoluto (MAE) de séries (temporais) com diferentes escalas.

ForecastingSettings

Objeto

Previsão de parâmetros específicos.

Nome	Tipo	Valor padrão	Description
countryOrRegionForHolidays	string		País ou região para feriados para tarefas de previsão. Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB".
cvStepSize	integer (int32)		Número de períodos entre o tempo de origem de uma dobra CV e a próxima dobra. Por exemplo, se CVStepSize = 3 para dados diários, o tempo de origem de cada dobra terá três dias de intervalo.
featureLags	FeatureLags	None	Sinalizador para gerar atrasos para os recursos numéricos.
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon		O horizonte de previsão máxima desejado em unidades de frequência de série temporal.
frequency	string		Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão.
seasonality	Seasonality: AutoSeasonality CustomSeasonality		Defina a sazonalidade da série temporal como um múltiplo inteiro da frequência da série. Se a sazonalidade for definida como 'auto', ela será inferida.
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.
targetAggregateFunction	TargetAggregationFunction	None	Função de agregação de destino.
targetLags	TargetLags: AutoTargetLags CustomTargetLags		O número de períodos passados a serem atrasados da coluna de destino.
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino.
timeColumnName	string		O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência.
timeSeriesIdColumnNames	string[]		Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa.
useStl	UseStl	None	Configure a Decomposição de STL da coluna de destino da série temporal.

ForecastingTrainingSettings

Objeto

Configuração relacionada ao treinamento de previsão.

Nome	Tipo	Valor padrão	Description
allowedTrainingAlgorithms	ForecastingModels[]		Modelos permitidos para a tarefa de previsão.
blockedTrainingAlgorithms	ForecastingModels[]		Modelos bloqueados para a tarefa de previsão.
enableDnnTraining	boolean	False	Habilitar a recomendação de modelos DNN.
enableModelExplainability	boolean	True	Sinalizar para ativar a explicabilidade no melhor modelo.
enableOnnxCompatibleModels	boolean	False	Sinalizador para habilitar modelos compatíveis com onnx.
enableStackEnsemble	boolean	True	Habilitar a execução do conjunto de pilhas.
enableVoteEnsemble	boolean	True	Habilitar a execução do conjunto de votação.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.
stackEnsembleSettings	StackEnsembleSettings		Configurações do conjunto de pilhas para a execução do conjunto de pilhas.

Goal

Enumeração

Define metas de métricas com suporte para ajuste de hiperparâmetros

Valor	Description
Minimize
Maximize

GridSamplingAlgorithm

Objeto

Define um algoritmo de amostragem que gera exaustivamente todas as combinações de valores no espaço

Nome	Tipo	Description
samplingAlgorithmType	string: Grid	[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração

IdentityConfigurationType

Enumeração

Enumeração para determinar a estrutura de identidade.

Valor	Description
Managed
AMLToken
UserIdentity

ImageClassification

Objeto

Classificação de imagens. A classificação de imagens multiclasse é usada quando uma imagem é classificada com apenas um único rótulo de um conjunto de classes - por exemplo, cada imagem é classificada como uma imagem de um 'gato' ou um 'cachorro' ou um 'pato'.

Nome	Tipo	Valor padrão	Description
limitSettings	ImageLimitSettings		[Obrigatório] Limite as configurações para o trabalho autoML.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
modelSettings	ImageModelSettingsClassification		Configurações usadas para treinar o modelo.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Métricas primárias para tarefas de classificação.
searchSpace	ImageModelDistributionSettingsClassification[]		Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.
sweepSettings	ImageSweepSettings		Configurações relacionadas à varredura de modelo e hiperparâmetro.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: ImageClassification		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.

ImageClassificationMultilabel

Objeto

Classificação de imagens multilabel. A classificação de imagens com vários rótulos é usada quando uma imagem pode ter um ou mais rótulos de um conjunto de rótulos - por exemplo, uma imagem pode ser rotulada com 'gato' e 'cachorro'.

Nome	Tipo	Valor padrão	Description
limitSettings	ImageLimitSettings		[Obrigatório] Limite as configurações para o trabalho autoML.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
modelSettings	ImageModelSettingsClassification		Configurações usadas para treinar o modelo.
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	Métricas primárias para tarefas de classificação com vários rótulos.
searchSpace	ImageModelDistributionSettingsClassification[]		Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.
sweepSettings	ImageSweepSettings		Configurações relacionadas à varredura de modelo e hiperparâmetro.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: ImageClassificationMultilabel		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.

ImageInstanceSegmentation

Objeto

Segmentação de instância de imagem. A segmentação de instância é usada para identificar objetos em uma imagem no nível de pixel, desenhando um polígono ao redor de cada objeto na imagem.

Nome	Tipo	Valor padrão	Description
limitSettings	ImageLimitSettings		[Obrigatório] Limite as configurações para o trabalho autoML.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
modelSettings	ImageModelSettingsObjectDetection		Configurações usadas para treinar o modelo.
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	Métricas primárias para tarefas InstanceSegmentation.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.
sweepSettings	ImageSweepSettings		Configurações relacionadas à varredura de modelo e hiperparâmetro.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: ImageInstanceSegmentation		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.

ImageLimitSettings

Objeto

Limite as configurações para o trabalho do AutoML.

Nome	Tipo	Valor padrão	Description
maxConcurrentTrials	integer (int32)	1	Número máximo de iterações AutoML simultâneas.
maxTrials	integer (int32)	1	Número máximo de iterações AutoML.
timeout	string (duration)	P7D	Tempo limite do trabalho autoML.

ImageModelDistributionSettingsClassification

Objeto

Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:

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.

Nome	Tipo	Description
amsGradient	string	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	string	Configurações para usar aumentos.
beta1	string	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	string	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
distributed	string	Se você deve usar o treinamento do distribuídor.
earlyStopping	string	Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	string	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	string	Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	string	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	string	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um número inteiro positivo.
gradientAccumulationStep	string	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
layersToFreeze	string	Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar layer0 e layer1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	Taxa de aprendizagem inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	string	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".
modelName	string	Nome do modelo a ser usado para treinamento. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	string	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
nesterov	string	Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	string	Número de épocas de treinamento. Deve ser um número inteiro positivo.
numberOfWorkers	string	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	string	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".
randomSeed	string	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	string	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	string	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
trainingBatchSize	string	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
trainingCropSize	string	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	string	Tamanho do lote de validação. Deve ser um número inteiro positivo.
validationCropSize	string	Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo.
validationResizeSize	string	Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo.
warmupCosineLRCycles	string	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	string	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
weightDecay	string	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].
weightedLoss	string	Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.

ImageModelDistributionSettingsObjectDetection

Objeto

Expressões de distribuição para varrer valores de configurações de modelo. <exemplo> Alguns exemplos são:

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.

Nome	Tipo	Description
amsGradient	string	Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	string	Configurações para usar aumentos.
beta1	string	Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	string	Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
boxDetectionsPerImage	string	Número máximo de detecções por imagem, para todas as classes. Deve ser um número inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
boxScoreThreshold	string	Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
distributed	string	Se você deve usar o treinamento do distribuídor.
earlyStopping	string	Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	string	Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	string	Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	string	Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	string	Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um número inteiro positivo.
gradientAccumulationStep	string	Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
imageSize	string	Tamanho da imagem para treinamento e validação. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
layersToFreeze	string	Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar layer0 e layer1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	Taxa de aprendizagem inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	string	Tipo de agendador de taxa de aprendizagem. Deve ser "warmup_cosine" ou "step".
maxSize	string	Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
minSize	string	Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
modelName	string	Nome do modelo a ser usado para treinamento. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	string	Tamanho do modelo. Deve ser 'pequeno', 'médio', 'grande' ou 'xlarge'. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho do modelo for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
momentum	string	Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
multiScale	string	Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
nesterov	string	Habilite aninhado quando o otimizador for 'sgd'.
nmsIouThreshold	string	Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve estar flutuando no intervalo [0, 1].
numberOfEpochs	string	Número de épocas de treinamento. Deve ser um número inteiro positivo.
numberOfWorkers	string	Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	string	Tipo de otimizador. Deve ser "sgd", "adam" ou "adamw".
randomSeed	string	Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	string	Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	string	Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
tileGridSize	string	O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
tileOverlapRatio	string	Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
tilePredictionsNmsThreshold	string	O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'. NMS: supressão não máxima
trainingBatchSize	string	Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	string	Tamanho do lote de validação. Deve ser um número inteiro positivo.
validationIouThreshold	string	Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].
validationMetricType	string	Método de computação de métrica a ser usado para métricas de validação. Deve ser 'none', 'coco', 'voc' ou 'coco_voc'.
warmupCosineLRCycles	string	Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	string	Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
weightDecay	string	Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

ImageModelSettingsClassification

Objeto

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Valor padrão	Description
advancedSettings	string		Configurações para cenários avançados.
amsGradient	boolean		Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	string		Configurações para usar aumentos.
beta1	number (float)		Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	number (float)		Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
checkpointFrequency	integer (int32)		Frequência para armazenar pontos de verificação de modelo. Deve ser um número inteiro positivo.
checkpointModel	MLFlowModelJobInput		O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId	string		A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed	boolean		Se você deve usar o treinamento distribuído.
earlyStopping	boolean		Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	integer (int32)		Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	integer (int32)		Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	boolean		Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	integer (int32)		Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um número inteiro positivo.
gradientAccumulationStep	integer (int32)		Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
layersToFreeze	integer (int32)		Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar layer0 e layer1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		Taxa de aprendizagem inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	LearningRateScheduler	None	Enumeração do agendador de taxa de aprendizagem.
modelName	string		Nome do modelo a ser usado para treinamento. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	number (float)		Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
nesterov	boolean		Habilite aninhado quando o otimizador for 'sgd'.
numberOfEpochs	integer (int32)		Número de épocas de treinamento. Deve ser um número inteiro positivo.
numberOfWorkers	integer (int32)		Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	StochasticOptimizer	None	Otimizador estocástico para modelos de imagem.
randomSeed	integer (int32)		Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	number (float)		Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	integer (int32)		Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
trainingBatchSize	integer (int32)		Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
trainingCropSize	integer (int32)		Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	integer (int32)		Tamanho do lote de validação. Deve ser um número inteiro positivo.
validationCropSize	integer (int32)		Tamanho de corte de imagem que é a entrada para a rede neural para o conjunto de dados de validação. Deve ser um número inteiro positivo.
validationResizeSize	integer (int32)		Tamanho da imagem para o qual redimensionar antes de cortar para o conjunto de dados de validação. Deve ser um número inteiro positivo.
warmupCosineLRCycles	number (float)		Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	integer (int32)		Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
weightDecay	number (float)		Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].
weightedLoss	integer (int32)		Perda ponderada. Os valores aceitos são 0 para nenhuma perda ponderada. 1 para perda ponderada com sqrt. (class_weights). 2 para perda ponderada com class_weights. Deve ser 0 ou 1 ou 2.

ImageModelSettingsObjectDetection

Objeto

Configurações usadas para treinar o modelo. Para obter mais informações sobre as configurações disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Nome	Tipo	Valor padrão	Description
advancedSettings	string		Configurações para cenários avançados.
amsGradient	boolean		Habilite AMSGrad quando o otimizador for 'adam' ou 'adamw'.
augmentations	string		Configurações para usar aumentos.
beta1	number (float)		Valor de 'beta1' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
beta2	number (float)		Valor de 'beta2' quando o otimizador é 'adam' ou 'adamw'. Deve ser um float no intervalo [0, 1].
boxDetectionsPerImage	integer (int32)		Número máximo de detecções por imagem, para todas as classes. Deve ser um número inteiro positivo. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
boxScoreThreshold	number (float)		Durante a inferência, retorne apenas propostas com uma pontuação de classificação maior que BoxScoreThreshold. Deve ser um float no intervalo[0, 1].
checkpointFrequency	integer (int32)		Frequência para armazenar pontos de verificação de modelo. Deve ser um número inteiro positivo.
checkpointModel	MLFlowModelJobInput		O modelo de ponto de verificação pré-treinado para treinamento incremental.
checkpointRunId	string		A ID de uma execução anterior que tem um ponto de verificação pré-treinado para treinamento incremental.
distributed	boolean		Se você deve usar o treinamento distribuído.
earlyStopping	boolean		Habilite a lógica de parada antecipada durante o treinamento.
earlyStoppingDelay	integer (int32)		Número mínimo de épocas ou avaliações de validação a serem aguardadas antes que a melhoria da métrica primária seja rastreada para interrupção antecipada. Deve ser um número inteiro positivo.
earlyStoppingPatience	integer (int32)		Número mínimo de épocas ou avaliações de validação sem melhoria de métrica primária antes que a execução seja interrompida. Deve ser um número inteiro positivo.
enableOnnxNormalization	boolean		Habilite a normalização ao exportar o modelo ONNX.
evaluationFrequency	integer (int32)		Frequência para avaliar o conjunto de dados de validação para obter pontuações de métrica. Deve ser um número inteiro positivo.
gradientAccumulationStep	integer (int32)		Acúmulo de gradiente significa executar um número configurado de etapas "GradAccumulationStep" sem atualizar os pesos do modelo enquanto acumula os gradientes dessas etapas e, em seguida, usar os gradientes acumulados para calcular as atualizações de peso. Deve ser um número inteiro positivo.
imageSize	integer (int32)		Tamanho da imagem para treinamento e validação. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
layersToFreeze	integer (int32)		Número de camadas a serem congeladas para o modelo. Deve ser um número inteiro positivo. Por exemplo, passar 2 como valor para 'seresnext' significa congelar layer0 e layer1. Para obter uma lista completa dos modelos suportados e detalhes sobre o congelamento de camadas, consulte: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		Taxa de aprendizagem inicial. Deve ser um float no intervalo [0, 1].
learningRateScheduler	LearningRateScheduler	None	Enumeração do agendador de taxa de aprendizagem.
maxSize	integer (int32)		Tamanho máximo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
minSize	integer (int32)		Tamanho mínimo da imagem a ser redimensionada antes de alimentá-la para o backbone. Deve ser um número inteiro positivo. Observação: a execução de treinamento poderá entrar no CUDA OOM se o tamanho for muito grande. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
modelName	string		Nome do modelo a ser usado para treinamento. Para mais informações sobre os modelos disponíveis, visite a documentação oficial: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	ModelSize	None	Tamanho do modelo de imagem.
momentum	number (float)		Valor do impulso quando o otimizador é 'sgd'. Deve ser um float no intervalo [0, 1].
multiScale	boolean		Habilite a imagem de várias escalas variando o tamanho da imagem em +/- 50%. Observação: a execução de treinamento poderá entrar no CUDA OOM se não houver memória de GPU suficiente. Observação: essas configurações só têm suporte para o algoritmo 'yolov5'.
nesterov	boolean		Habilite aninhado quando o otimizador for 'sgd'.
nmsIouThreshold	number (float)		Limite de IOU usado durante a inferência no pós-processamento do NMS. Deve ser um float no intervalo [0, 1].
numberOfEpochs	integer (int32)		Número de épocas de treinamento. Deve ser um número inteiro positivo.
numberOfWorkers	integer (int32)		Número de trabalhos do carregador de dados. Deve ser um inteiro não negativo.
optimizer	StochasticOptimizer	None	Otimizador estocástico para modelos de imagem.
randomSeed	integer (int32)		Semente aleatória a ser usada ao usar o treinamento determinístico.
stepLRGamma	number (float)		Valor do gama quando o agendador de taxa de aprendizagem é "etapa". Deve ser um float no intervalo [0, 1].
stepLRStepSize	integer (int32)		Valor do tamanho da etapa quando o agendador de taxa de aprendizagem é 'step'. Deve ser um número inteiro positivo.
tileGridSize	string		O tamanho da grade a ser usado para dimensionar cada imagem. Observação: TileGridSize não deve ser Nenhum para habilitar a lógica de detecção de objetos pequenos. Uma cadeia de caracteres que contém dois inteiros no formato mxn. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
tileOverlapRatio	number (float)		Taxa de sobreposição entre blocos adjacentes em cada dimensão. Deve estar flutuando no intervalo [0, 1). Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
tilePredictionsNmsThreshold	number (float)		O limite de IOU a ser usado para executar o NMS ao mesclar previsões de blocos e imagem. Usado na validação/inferência. Deve estar flutuando no intervalo [0, 1]. Observação: não há suporte para essas configurações para o algoritmo 'yolov5'.
trainingBatchSize	integer (int32)		Tamanho do lote de treinamento. Deve ser um número inteiro positivo.
validationBatchSize	integer (int32)		Tamanho do lote de validação. Deve ser um número inteiro positivo.
validationIouThreshold	number (float)		Limite de IOU a ser usado ao calcular a métrica de validação. Deve estar flutuando no intervalo [0, 1].
validationMetricType	ValidationMetricType	None	Método de computação de métrica a ser usado para métricas de validação em tarefas de imagem.
warmupCosineLRCycles	number (float)		Valor do ciclo de cosseno quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um float no intervalo [0, 1].
warmupCosineLRWarmupEpochs	integer (int32)		Valor das épocas de aquecimento quando o agendador de taxa de aprendizagem é "warmup_cosine". Deve ser um número inteiro positivo.
weightDecay	number (float)		Valor da decadência de peso quando o otimizador é 'sgd', 'adam' ou 'adamw'. Deve ser um float no intervalo[0, 1].

ImageObjectDetection

Objeto

Detecção de objeto de imagem. A detecção de objetos é usada para identificar objetos em uma imagem e localizar cada objeto com uma caixa delimitadora, por exemplo, localizar todos os cães e gatos em uma imagem e desenhar uma caixa delimitadora ao redor de cada um.

Nome	Tipo	Valor padrão	Description
limitSettings	ImageLimitSettings		[Obrigatório] Limite as configurações para o trabalho autoML.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
modelSettings	ImageModelSettingsObjectDetection		Configurações usadas para treinar o modelo.
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	Métricas primárias para a tarefa Image ObjectDetection.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Procure espaço para amostragem de diferentes combinações de modelos e seus hiperparâmetros.
sweepSettings	ImageSweepSettings		Configurações relacionadas à varredura de modelo e hiperparâmetro.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: ImageObjectDetection		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.

ImageSweepSettings

Objeto

Configurações relacionadas à varredura de modelo e hiperparâmetro.

Nome	Tipo	Description
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	Tipo de política de término antecipado.
samplingAlgorithm	SamplingAlgorithmType	[Obrigatório] Tipo dos algoritmos de amostragem do hiperparâmetro.

InputDeliveryMode

Enumeração

Enumeração para determinar o modo de entrega de dados de entrada.

Valor	Description
ReadOnlyMount
ReadWriteMount
Download
Direct
EvalMount
EvalDownload

InstanceSegmentationPrimaryMetrics

Enumeração

Métricas primárias para tarefas InstanceSegmentation.

Valor	Description
MeanAveragePrecision	A Precisão Média Média (MAP) é a média de AP (Precisão Média). O AP é calculado para cada classe e calculado com a média para obter o MAP.

JobBase

Objeto

Envelope de recursos do Azure Resource Manager.

Nome	Tipo	Description
id	string	ID de recurso totalmente qualificada para o recurso. Ex - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	O nome do recurso
properties	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[Obrigatório] Atributos adicionais da entidade.
systemData	systemData	Metadados do Azure Resource Manager que contêm informações createdBy e modifiedBy.
type	string	O tipo do recurso. Por exemplo, "Microsoft.Compute/virtualMachines" ou "Microsoft.Storage/storageAccounts"

JobInputType

Enumeração

Enumeração para determinar o Tipo de Entrada de Trabalho.

Valor	Description
literal
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobLimitsType

Enumeração

Valor	Description
Command
Sweep

JobOutputType

Enumeração

Enumeração para determinar o Tipo de Saída do Trabalho.

Valor	Description
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobResourceConfiguration

Objeto

Nome	Tipo	Valor padrão	Description
dockerArgs	string		Argumentos extras a serem passados para o comando de execução do Docker. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML.
dockerArgsList	string[]		Argumentos extras a serem passados para o comando de execução do Docker, como uma coleção. Isso substituiria todos os parâmetros que já foram definidos pelo sistema ou nesta seção. Esse parâmetro só tem suporte para tipos de computação do Azure ML.
instanceCount	integer (int32)	1	Número opcional de instâncias ou nós usados pelo destino de computação.
instanceType	string		Tipo opcional de VM usado como suporte pelo destino de computação.
properties			Recipiente de propriedades adicionais.
shmSize	string pattern: \d+[bBkKmMgG]	2g	Tamanho do bloco de memória compartilhada do contêiner do Docker. Isso deve estar no formato (número)(unidade), em que o número seja maior que 0 e a unidade possa ser um de b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).

JobService

Objeto

Definição de ponto de extremidade de trabalho

Nome	Tipo	Description
endpoint	string	Url para ponto de extremidade.
errorMessage	string	Qualquer erro no serviço.
jobServiceType	string	Tipo de ponto de extremidade.
nodes	Nodes: AllNodes	Nós em que o usuário gostaria de iniciar o serviço. Se nós não estiverem definidos ou definidos como nulos, o serviço será iniciado apenas no nó de líder.
port	integer (int32)	Porta para ponto de extremidade.
properties	object	Propriedades adicionais a serem definidas no ponto de extremidade.
status	string	Status do endpoint.

JobStatus

Enumeração

O status de um trabalho.

Valor	Description
NotStarted	A corrida ainda não começou.
Starting	A execução começou. O usuário tem uma ID de execução.
Provisioning	(Não usado atualmente) Ele será usado se o ES estiver criando o destino de computação.
Preparing	O ambiente de execução está sendo preparado.
Queued	O trabalho é enfileirado no destino de computação. Por exemplo, no BatchAI, o trabalho está no estado enfileirado, enquanto aguarda que todos os nós necessários estejam prontos.
Running	O trabalho começou a ser executado no destino de computação.
Finalizing	O trabalho é concluído no destino. Ele está no estado de coleta de saída agora.
CancelRequested	O cancelamento foi solicitado para o trabalho.
Completed	Trabalho concluído com sucesso. Isso reflete que o trabalho em si e os estados de coleta de saída foram concluídos com êxito
Failed	Falha no trabalho.
Canceled	Após a solicitação de cancelamento, o trabalho foi cancelado com êxito.
NotResponding	Quando a pulsação está habilitada, se a execução não estiver atualizando nenhuma informação para RunHistory, a execução entrará no estado NotResponding. NotResponding é o único estado que está isento de ordens de transição estritas. Uma execução pode ir de NotResponding para qualquer um dos estados anteriores.
Paused	O trabalho é pausado pelos usuários. Alguns ajustes nos trabalhos de rotulagem podem ser feitos apenas no estado pausado.
Unknown	Status do trabalho padrão se não estiver mapeado para todos os outros status

JobTier

Enumeração

Enumerar para determinar a camada de trabalho.

Valor	Description
Null
Spot
Basic
Standard
Premium

JobType

Enumeração

Enumeração para determinar o tipo de trabalho.

Valor	Description
AutoML
Command
Sweep
Pipeline
Spark

LearningRateScheduler

Enumeração

Enumeração do agendador de taxa de aprendizagem.

Valor	Description
None	Nenhum agendador de taxa de aprendizado selecionado.
WarmupCosine	Recozimento de cosseno com aquecimento.
Step	Agendador de taxa de aprendizado de etapas.

LiteralJobInput

Objeto

Tipo de entrada literal.

Nome	Tipo	Description
description	string	Descrição da entrada.
jobInputType	string: literal	[Obrigatório] Especifica o tipo de trabalho.
value	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] Valor literal para a entrada.

LogVerbosity

Enumeração

Enumeração para definir o detalhamento do log.

Valor	Description
NotSet	Nenhum registro emitido.
Debug	Depuração e instruções de log acima registradas.
Info	Info e instruções de log acima registradas.
Warning	Aviso e instruções de log acima registradas.
Error	Erro e instruções de log acima registradas.
Critical	Apenas declarações críticas registradas.

ManagedIdentity

Objeto

Configuração de identidade gerenciada.

Nome	Tipo	Description
clientId	string (uuid)	Especifica uma identidade atribuída pelo usuário pela ID do cliente. Para atribuído pelo sistema, não defina esse campo.
identityType	string: Managed	[Obrigatório] Especifica o tipo de estrutura de identidade.
objectId	string (uuid)	Especifica uma identidade atribuída pelo usuário por ID de objeto. Para atribuído pelo sistema, não defina esse campo.
resourceId	string	Especifica uma identidade atribuída pelo usuário pela ID de recurso do ARM. Para atribuído pelo sistema, não defina esse campo.

MedianStoppingPolicy

Objeto

Define uma política de encerramento antecipado com base nas médias de execução da métrica primária de todas as execuções

Nome	Tipo	Valor padrão	Description
delayEvaluation	integer (int32)	0	Número de intervalos pelos quais atrasar a primeira avaliação.
evaluationInterval	integer (int32)	0	Intervalo (número de execuções) entre avaliações de política.
policyType	string: MedianStopping		[Obrigatório] Nome da configuração de política

MLFlowModelJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: mlflow_model		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

MLFlowModelJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: mlflow_model		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

MLTableJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: mltable		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

MLTableJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: mltable		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

ModelSize

Enumeração

Tamanho do modelo de imagem.

Valor	Description
None	Nenhum valor selecionado.
Small	Tamanho pequeno.
Medium	Tamanho médio.
Large	Tamanho grande.
ExtraLarge	Tamanho extra grande.

Mpi

Objeto

Configuração de distribuição MPI.

Nome	Tipo	Description
distributionType	string: Mpi	[Obrigatório] Especifica o tipo de estrutura de distribuição.
processCountPerInstance	integer (int32)	Número de processos por nó de MPI.

NCrossValidationsMode

Enumeração

Determina como o valor das validações N-Cross é determinado.

Valor	Description
Auto	Determine o valor das validações N-Cross automaticamente. Com suporte apenas para a tarefa AutoML de 'Previsão'.
Custom	Use o valor de validações N-Cross personalizado.

NlpVerticalFeaturizationSettings

Objeto

Nome	Tipo	Description
datasetLanguage	string	Linguagem de conjunto de dados, útil para os dados de texto.

NlpVerticalLimitSettings

Objeto

Restrições de execução de trabalho.

Nome	Tipo	Valor padrão	Description
maxConcurrentTrials	integer (int32)	1	Iterações automáticas simultâneas máximas.
maxTrials	integer (int32)	1	Número de iterações AutoML.
timeout	string (duration)	P7D	Tempo limite do trabalho autoML.

NodesValueType

Enumeração

Os tipos enumerados para o valor dos nós

Valor	Description
All

NotificationSetting

Objeto

Configuração para notificação.

Nome	Tipo	Description
emailOn	EmailNotificationEnableType[]	Enviar notificação por email ao usuário no tipo de notificação especificado
emails	string[]	Esta é a lista de destinatários de email que tem uma limitação de 499 caracteres no total concat com separador de vírgula
webhooks	object	Envie o retorno de chamada do webhook para um serviço. A chave é um nome fornecido pelo usuário para o webhook.

ObjectDetectionPrimaryMetrics

Enumeração

Métricas primárias para a tarefa Image ObjectDetection.

Valor	Description
MeanAveragePrecision	A Precisão Média Média (MAP) é a média de AP (Precisão Média). O AP é calculado para cada classe e calculado com a média para obter o MAP.

Objective

Objeto

Objetivo de otimização.

Nome	Tipo	Description
goal	Goal	[Obrigatório] Define as metas de métrica com suporte para ajuste de hiperparâmetro
primaryMetric	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] Nome da métrica a ser otimizada.

OutputDeliveryMode

Enumeração

Enumerações do modo de entrega de dados de saída.

Valor	Description
ReadWriteMount
Upload
Direct

PipelineJob

Objeto

Definição de trabalho de pipeline: define atributos genéricos para MFE.

Nome	Tipo	Valor padrão	Description
componentId	string		ID do recurso arm do recurso de componente.
computeId	string		ID do recurso arm do recurso de computação.
description	string		O texto de descrição do ativo.
displayName	string		Nome de exibição do trabalho.
experimentName	string	Default	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.
inputs	object		Entradas para o trabalho de pipeline.
isArchived	boolean	False	O ativo está arquivado?
jobType	string: Pipeline		[Obrigatório] Especifica o tipo de trabalho.
jobs			Trabalhos constrói o Trabalho de Pipeline.
notificationSetting	NotificationSetting		Configuração de notificação para o trabalho
outputs	object		Saídas para o trabalho de pipeline
properties	object		O dicionário de propriedades do ativo.
services	<string,  JobService>		Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.
settings			Configurações de pipeline, para itens como ContinueRunOnStepFailure etc.
sourceJobId	string		ID de recurso do ARM do trabalho de origem.
status	JobStatus		Status do trabalho.
tags	object		Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.

PyTorch

Objeto

Configuração de distribuição do PyTorch.

Nome	Tipo	Description
distributionType	string: PyTorch	[Obrigatório] Especifica o tipo de estrutura de distribuição.
processCountPerInstance	integer (int32)	Número de processos por nó.

QueueSettings

Objeto

Nome	Tipo	Valor padrão	Description
jobTier	JobTier	Null	Enumerar para determinar a camada de trabalho.

RandomSamplingAlgorithm

Objeto

Define um algoritmo de amostragem que gera valores aleatoriamente

Nome	Tipo	Valor padrão	Description
rule	RandomSamplingAlgorithmRule	Random	O tipo específico de algoritmo aleatório
samplingAlgorithmType	string: Random		[Obrigatório] O algoritmo usado para gerar valores de hiperparâmetro, juntamente com as propriedades de configuração
seed	integer (int32)		Um inteiro opcional a ser usado como a semente para geração de número aleatório

RandomSamplingAlgorithmRule

Enumeração

O tipo específico de algoritmo aleatório

Valor	Description
Random
Sobol

Regression

Objeto

Tarefa de regressão na vertical da tabela do AutoML.

Nome	Tipo	Valor padrão	Description
cvSplitColumnNames	string[]		Colunas a serem usadas para dados CVSplit.
featurizationSettings	TableVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
limitSettings	TableVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Número de dobras de validação cruzada a serem aplicadas no conjunto de dados de treinamento quando o conjunto de dados de validação não for fornecido.
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	Métricas primárias para a tarefa de regressão.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: Regression		[Obrigatório] Tipo de tarefa para AutoMLJob.
testData	MLTableJobInput		Testar a entrada de dados.
testDataSize	number (double)		A fração do conjunto de dados de teste que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
trainingSettings	RegressionTrainingSettings		Entradas para a fase de treinamento para um Trabalho AutoML.
validationData	MLTableJobInput		Entradas de dados de validação.
validationDataSize	number (double)		A fração do conjunto de dados de treinamento que precisa ser reservada para fins de validação. Valores entre (0,0 , 1,0) Aplicado quando o conjunto de dados de validação não é fornecido.
weightColumnName	string		O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo.

RegressionModels

Enumeração

Enumeração para todos os modelos de regressão compatíveis com o AutoML.

Valor	Description
ElasticNet	A rede elástica é um tipo popular de regressão linear regularizada que combina duas penalidades populares, especificamente as funções de penalidade L1 e L2.
GradientBoosting	A técnica de transitar os alunos da semana para um aluno forte é chamada de Boosting. O processo do algoritmo de aumento de gradiente funciona nessa teoria de execução.
DecisionTree	As árvores de decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados.
KNN	O algoritmo K-vizinhos mais próximos (KNN) usa 'similaridade de recursos' para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base em quão próximo ele corresponde aos pontos no conjunto de treinamento.
LassoLars	O modelo Lasso se encaixa com a Regressão de Ângulo Mínimo, também conhecida como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador.
SGD	SGD: O gradiente descendente estocástico é um algoritmo de otimização frequentemente usado em aplicativos de aprendizado de máquina para encontrar os parâmetros do modelo que correspondem ao melhor ajuste entre as saídas previstas e reais. É uma técnica inexata, mas poderosa.
RandomForest	A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ele constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método de "ensacamento". A ideia geral do método de ensacamento é que uma combinação de modelos de aprendizado aumenta o resultado geral.
ExtremeRandomTrees	Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Está relacionado ao algoritmo de floresta aleatória amplamente utilizado.
LightGBM	LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor é um modelo de aprendizado de máquina supervisionado usando conjunto de alunos básicos.

RegressionPrimaryMetrics

Enumeração

Métricas primárias para a tarefa de regressão.

Valor	Description
SpearmanCorrelation	O coeficiente de correlação de Spearman é uma medida não paramétrica de correlação de classificação.
NormalizedRootMeanSquaredError	O Erro Quadrático Médio da Raiz Normalizada (NRMSE) o RMSE facilita a comparação entre modelos com diferentes escalas.
R2Score	A pontuação R2 é uma das medidas de avaliação de desempenho para modelos de aprendizado de máquina baseados em previsão.
NormalizedMeanAbsoluteError	O Erro Médio Absoluto Normalizado (NMAE) é uma métrica de validação para comparar o Erro Médio Absoluto (MAE) de séries (temporais) com diferentes escalas.

RegressionTrainingSettings

Objeto

Configuração relacionada ao treinamento de regressão.

Nome	Tipo	Valor padrão	Description
allowedTrainingAlgorithms	RegressionModels[]		Modelos permitidos para tarefa de regressão.
blockedTrainingAlgorithms	RegressionModels[]		Modelos bloqueados para a tarefa de regressão.
enableDnnTraining	boolean	False	Habilitar a recomendação de modelos DNN.
enableModelExplainability	boolean	True	Sinalizar para ativar a explicabilidade no melhor modelo.
enableOnnxCompatibleModels	boolean	False	Sinalizador para habilitar modelos compatíveis com onnx.
enableStackEnsemble	boolean	True	Habilitar a execução do conjunto de pilhas.
enableVoteEnsemble	boolean	True	Habilitar a execução do conjunto de votação.
ensembleModelDownloadTimeout	string (duration)	PT5M	Durante a geração de modelos VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor maior que 300 segundos, se for necessário mais tempo.
stackEnsembleSettings	StackEnsembleSettings		Configurações do conjunto de pilhas para a execução do conjunto de pilhas.

SamplingAlgorithmType

Enumeração

Valor	Description
Grid
Random
Bayesian

SeasonalityMode

Enumeração

Modo de previsão de sazonalidade.

Valor	Description
Auto	A sazonalidade deve ser determinada automaticamente.
Custom	Use o valor de sazonalidade personalizado.

ShortSeriesHandlingConfiguration

Enumeração

O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.

Valor	Description
None	Representa nenhum valor / nulo.
Auto	As séries curtas serão preenchidas se não houver séries longas, caso contrário, as séries curtas serão descartadas.
Pad	Todas as séries curtas serão acolchoadas.
Drop	Todas as séries curtas serão descartadas.

SparkJob

Objeto

Definição de trabalho do Spark.

Nome	Tipo	Valor padrão	Description
archives	string[]		Arquivar arquivos usados no trabalho.
args	string		Argumentos para o trabalho.
codeId	string (arm-id) minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] arm-id do ativo de código.
componentId	string		ID do recurso arm do recurso de componente.
computeId	string		ID do recurso arm do recurso de computação.
conf	object		Propriedades configuradas pelo Spark.
description	string		O texto de descrição do ativo.
displayName	string		Nome de exibição do trabalho.
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[Obrigatório] A entrada a ser executada na inicialização do trabalho.
environmentId	string (arm-id)		A ID do recurso ARM da especificação de Ambiente para o trabalho.
environmentVariables	object		Variáveis de ambiente incluídas no trabalho.
experimentName	string	Default	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".
files	string[]		Arquivos usados no trabalho.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.
inputs	object		Mapeamento de associações de dados de entrada usadas no trabalho.
isArchived	boolean	False	O ativo está arquivado?
jars	string[]		Arquivos jar usados no trabalho.
jobType	string: Spark		[Obrigatório] Especifica o tipo de trabalho.
notificationSetting	NotificationSetting		Configuração de notificação para o trabalho
outputs	object		Mapeamento de associações de dados de saída usadas no trabalho.
properties	object		O dicionário de propriedades do ativo.
pyFiles	string[]		Arquivos python usados no trabalho.
queueSettings	QueueSettings		Configurações de fila para o trabalho
resources	SparkResourceConfiguration		Configuração de recursos de computação para o trabalho.
services	<string,  JobService>		Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.
status	JobStatus		Status do trabalho.
tags	object		Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.

SparkJobEntryType

Enumeração

Valor	Description
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

Objeto

Nome	Tipo	Description
file	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] Caminho de arquivo python relativo para o ponto de entrada do trabalho.
sparkJobEntryType	string: SparkJobPythonEntry	[Obrigatório] Tipo do ponto de entrada do trabalho.

SparkJobScalaEntry

Objeto

Nome	Tipo	Description
className	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] Nome da classe Scala usado como ponto de entrada.
sparkJobEntryType	string: SparkJobScalaEntry	[Obrigatório] Tipo do ponto de entrada do trabalho.

SparkResourceConfiguration

Objeto

Nome	Tipo	Valor padrão	Description
instanceType	string		Tipo opcional de VM usado como suporte pelo destino de computação.
runtimeVersion	string	3.1	Versão do runtime do Spark usada para o trabalho.

StackEnsembleSettings

Objeto

Avança a configuração para personalizar a execução do StackEnsemble.

Nome	Tipo	Valor padrão	Description
stackMetaLearnerKWargs			Parâmetros opcionais a serem passados para o inicializador do meta-aprendiz.
stackMetaLearnerTrainPercentage	number (double)	0.2	Especifica a proporção do conjunto de treinamento (ao escolher o treinamento e o tipo de treinamento de validação) a ser reservado para treinar o meta-aprendiz. O valor padrão é 0,2.
stackMetaLearnerType	StackMetaLearnerType	None	O meta-aprendiz é um modelo treinado com a saída dos modelos heterogêneos individuais.\r\nmeta-aprendizes padrão são LogisticRegression para tarefas de classificação (ou LogisticRegressionCV se a validação cruzada estiver ativada) e ElasticNet para tarefas de regressão/previsão (ou ElasticNetCV se a validação cruzada estiver habilitada).\r\nEste parâmetro pode ser uma das seguintes strings: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor ou LinearRegression

StackMetaLearnerType

Enumeração

O meta-aprendiz é um modelo treinado com a saída dos modelos heterogêneos individuais.\r\nmeta-aprendizes padrão são LogisticRegression para tarefas de classificação (ou LogisticRegressionCV se a validação cruzada estiver ativada) e ElasticNet para tarefas de regressão/previsão (ou ElasticNetCV se a validação cruzada estiver habilitada).\r\nEste parâmetro pode ser uma das seguintes strings: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor ou LinearRegression

Valor	Description
None
LogisticRegression	Os metaaprendizes padrão são LogisticRegression para tarefas de classificação.
LogisticRegressionCV	Os metaaprendizes padrão são LogisticRegression para a tarefa de classificação quando CV está ativado.
LightGBMClassifier
ElasticNet	Os metaaprendizes padrão são LogisticRegression para a tarefa de regressão.
ElasticNetCV	Os meta-aprendizes padrão são LogisticRegression para a tarefa de regressão quando o CV está ativado.
LightGBMRegressor
LinearRegression

StochasticOptimizer

Enumeração

Otimizador estocástico para modelos de imagem.

Valor	Description
None	Nenhum otimizador selecionado.
Sgd	Otimizador de gradiente descendente estocástico.
Adam	Adam é um algoritmo que otimiza funções objetivo estocásticas com base em estimativas adaptativas de momentos
Adamw	AdamW é uma variante do otimizador Adam que tem uma implementação aprimorada de decaimento de peso.

SweepJob

Objeto

Definição de trabalho de varredura.

Nome	Tipo	Valor padrão	Description
componentId	string		ID do recurso arm do recurso de componente.
computeId	string		ID do recurso arm do recurso de computação.
description	string		O texto de descrição do ativo.
displayName	string		Nome de exibição do trabalho.
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		As políticas de término antecipado permitem o cancelamento de execuções de baixo desempenho antes de serem concluídas
experimentName	string	Default	O nome do experimento ao qual o trabalho pertence. Se não estiver definido, o trabalho será colocado no experimento "Padrão".
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Configuração de identidade. Se definido, este deverá ser um de AmlToken, ManagedIdentity, UserIdentity ou null. O padrão será AmlToken se nulo.
inputs	object		Mapeamento de associações de dados de entrada usadas no trabalho.
isArchived	boolean	False	O ativo está arquivado?
jobType	string: Sweep		[Obrigatório] Especifica o tipo de trabalho.
limits	SweepJobLimits		Limite de trabalho de varredura.
notificationSetting	NotificationSetting		Configuração de notificação para o trabalho
objective	Objective		[Obrigatório] Objetivo de otimização.
outputs	object		Mapeamento de associações de dados de saída usadas no trabalho.
properties	object		O dicionário de propriedades do ativo.
queueSettings	QueueSettings		Configurações de fila para o trabalho
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[Obrigatório] O algoritmo de amostragem de hiperparâmetro
searchSpace			[Obrigatório] Um dicionário que contém cada parâmetro e sua distribuição. A chave do dicionário é o nome do parâmetro
services	<string,  JobService>		Lista de JobEndpoints. Para trabalhos locais, um ponto de extremidade de trabalho terá um valor de ponto de extremidade de FileStreamObject.
status	JobStatus		Status do trabalho.
tags	object		Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.
trial	TrialComponent		[Obrigatório] Definição do componente de avaliação.

SweepJobLimits

Objeto

Classe de limite de trabalho de varredura.

Nome	Tipo	Description
jobLimitsType	string: Sweep	[Obrigatório] Tipo JobLimit.
maxConcurrentTrials	integer (int32)	Avaliações simultâneas máximas do Trabalho de Varredura.
maxTotalTrials	integer (int32)	Limpar o total de avaliações totais do trabalho de varredura.
timeout	string (duration)	A duração máxima da execução no formato ISO 8601, após a qual o trabalho será cancelado. Só dá suporte à duração com precisão tão baixa quanto Segundos.
trialTimeout	string (duration)	Valor de tempo limite da Avaliação do Trabalho de Varredura.

systemData

Objeto

Metadados relativos à criação e última modificação do recurso.

Nome	Tipo	Description
createdAt	string (date-time)	O carimbo de data/hora da criação de recursos (UTC).
createdBy	string	A identidade que criou o recurso.
createdByType	createdByType	O tipo de identidade que criou o recurso.
lastModifiedAt	string (date-time)	O carimbo de data/hora da última modificação do recurso (UTC)
lastModifiedBy	string	A identidade que modificou o recurso pela última vez.
lastModifiedByType	createdByType	O tipo de identidade que modificou o recurso pela última vez.

TableVerticalFeaturizationSettings

Objeto

Configuração de Definição de Recursos.

Nome	Tipo	Valor padrão	Description
blockedTransformers	BlockedTransformers[]		Esses transformadores não devem ser usados na apresentação.
columnNameAndTypes	object		Dicionário de nome da coluna e seu tipo (int, float, string, datetime etc).
datasetLanguage	string		Linguagem de conjunto de dados, útil para os dados de texto.
enableDnnFeaturization	boolean	False	Determina se os recursos baseados em Dnn devem ser usados para a apresentação de dados.
mode	FeaturizationMode	Auto	Modo de apresentação – o usuário pode manter o modo 'Auto' padrão e o AutoML cuidará da transformação necessária dos dados na fase de apresentação. Se 'Off' estiver selecionado, nenhuma apresentação será feita. Se 'Custom' estiver selecionado, o usuário poderá especificar entradas adicionais para personalizar como a apresentação é feita.
transformerParams	object		O usuário pode especificar transformadores adicionais a serem usados junto com as colunas às quais ele seria aplicado e parâmetros para o construtor do transformador.

TableVerticalLimitSettings

Objeto

Restrições de execução de trabalho.

Nome	Tipo	Valor padrão	Description
enableEarlyTermination	boolean	True	Habilite a terminação antecipada, determina se o AutoMLJob terminará antecipadamente se não houver melhoria de pontuação nas últimas 20 iterações.
exitScore	number (double)		Pontuação de saída para o trabalho autoML.
maxConcurrentTrials	integer (int32)	1	Iterações simultâneas máximas.
maxCoresPerTrial	integer (int32)	-1	Núcleos máximos por iteração.
maxTrials	integer (int32)	1000	Número de iterações.
timeout	string (duration)	PT6H	Tempo limite do trabalho autoML.
trialTimeout	string (duration)	PT30M	Tempo limite de iteração.

TargetAggregationFunction

Enumeração

Função de agregação de destino.

Valor	Description
None	Não representam nenhum conjunto de valores.
Sum
Max
Min
Mean

TargetLagsMode

Enumeração

O alvo atrasa os modos de seleção.

Valor	Description
Auto	Os atrasos de destino devem ser determinados automaticamente.
Custom	Use os atrasos de destino personalizados.

TargetRollingWindowSizeMode

Enumeração

Modo de tamanho de janelas sem interrupção de destino.

Valor	Description
Auto	Determine o tamanho das janelas sem interrupção automaticamente.
Custom	Use o tamanho da janela de rolagem especificado.

TaskType

Enumeração

AutoMLJob Tipo de tarefa.

Valor	Description
Classification	A classificação em aprendizado de máquina e estatística é uma abordagem de aprendizado supervisionado na qual o programa de computador aprende com os dados fornecidos a ele e faz novas observações ou classificações.
Regression	Regressão significa prever o valor usando os dados de entrada. Os modelos de regressão são usados para prever um valor contínuo.
Forecasting	A previsão é um tipo especial de tarefa de regressão que lida com dados de séries temporais e cria um modelo de previsão que pode ser usado para prever os valores futuros próximos com base nas entradas.
ImageClassification	Classificação de imagens. A classificação de imagens multiclasse é usada quando uma imagem é classificada com apenas um único rótulo de um conjunto de classes - por exemplo, cada imagem é classificada como uma imagem de um 'gato' ou um 'cachorro' ou um 'pato'.
ImageClassificationMultilabel	Classificação de imagens multilabel. A classificação de imagens com vários rótulos é usada quando uma imagem pode ter um ou mais rótulos de um conjunto de rótulos - por exemplo, uma imagem pode ser rotulada com 'gato' e 'cachorro'.
ImageObjectDetection	Detecção de objeto de imagem. A detecção de objetos é usada para identificar objetos em uma imagem e localizar cada objeto com uma caixa delimitadora, por exemplo, localizar todos os cães e gatos em uma imagem e desenhar uma caixa delimitadora ao redor de cada um.
ImageInstanceSegmentation	Segmentação de instância de imagem. A segmentação de instância é usada para identificar objetos em uma imagem no nível de pixel, desenhando um polígono ao redor de cada objeto na imagem.
TextClassification	A classificação de texto (também conhecida como marcação de texto ou categorização de texto) é o processo de classificar textos em categorias. As categorias são mutuamente exclusivas.
TextClassificationMultilabel	A tarefa de classificação de vários rótulos atribui cada amostra a um grupo (zero ou mais) de rótulos de destino.
TextNER	Texto denominado Entity Recognition, também conhecido como TextNER. O Reconhecimento de Entidade Nomeada (NER) é a capacidade de obter texto de forma livre e identificar as ocorrências de entidades, como pessoas, locais, organizações e muito mais.

TensorFlow

Objeto

Configuração de distribuição do TensorFlow.

Nome	Tipo	Valor padrão	Description
distributionType	string: TensorFlow		[Obrigatório] Especifica o tipo de estrutura de distribuição.
parameterServerCount	integer (int32)	0	Número de tarefas do servidor de parâmetros.
workerCount	integer (int32)		Número de trabalhadores. Se não for especificado, o padrão será a contagem de instâncias.

TextClassification

Objeto

Tarefa de classificação de texto na vertical do AutoML NLP. PNL - Processamento de Linguagem Natural.

Nome	Tipo	Valor padrão	Description
featurizationSettings	NlpVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
limitSettings	NlpVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Métricas primárias para tarefas de classificação.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: TextClassification		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.

TextClassificationMultilabel

Objeto

Tarefa de classificação de texto multi-rótulo na vertical do AutoML NLP. PNL - Processamento de Linguagem Natural.

Nome	Tipo	Valor padrão	Description
featurizationSettings	NlpVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
limitSettings	NlpVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
primaryMetric	ClassificationMultilabelPrimaryMetrics		Métrica primária para tarefa deClassification-Multilabel de texto. Atualmente, apenas a Precisão é suportada como métrica primária, portanto, o usuário não precisa defini-la explicitamente.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: TextClassificationMultilabel		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.

TextNer

Objeto

Text-NER tarefa na vertical do AutoML NLP. NER - Reconhecimento de Entidade Nomeada. PNL - Processamento de Linguagem Natural.

Nome	Tipo	Valor padrão	Description
featurizationSettings	NlpVerticalFeaturizationSettings		Entradas de apresentação necessárias para o trabalho autoML.
limitSettings	NlpVerticalLimitSettings		Restrições de execução para AutoMLJob.
logVerbosity	LogVerbosity	Info	Enumeração para definir o detalhamento do log.
primaryMetric	ClassificationPrimaryMetrics		Métrica principal para Text-NER tarefa. Apenas 'Precisão' é suportado para Text-NER, portanto, o usuário não precisa definir isso explicitamente.
targetColumnName	string		Nome da coluna de destino: esta é a coluna de valores de previsão. Também conhecido como nome da coluna de rótulo no contexto de tarefas de classificação.
taskType	string: TextNER		[Obrigatório] Tipo de tarefa para AutoMLJob.
trainingData	MLTableJobInput		[Obrigatório] Entrada de dados de treinamento.
validationData	MLTableJobInput		Entradas de dados de validação.

TrialComponent

Objeto

Definição do componente de avaliação.

Nome	Tipo	Description
codeId	string	ID do recurso ARM do ativo de código.
command	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] O comando a ser executado na inicialização do trabalho. eg. "Python train.py"
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow	Configuração de distribuição do trabalho. Se definido, este deverá ser um de Mpi, Tensorflow, PyTorch ou nulo.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]	[Obrigatório] A ID do recurso ARM da especificação de Ambiente para o trabalho.
environmentVariables	object	Variáveis de ambiente incluídas no trabalho.
resources	JobResourceConfiguration	Configuração de recursos de computação para o trabalho.

TritonModelJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: triton_model		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

TritonModelJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: triton_model		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

TruncationSelectionPolicy

Objeto

Define uma política de encerramento antecipado que cancela uma determinada porcentagem de execuções em cada intervalo de avaliação.

Nome	Tipo	Valor padrão	Description
delayEvaluation	integer (int32)	0	Número de intervalos pelos quais atrasar a primeira avaliação.
evaluationInterval	integer (int32)	0	Intervalo (número de execuções) entre avaliações de política.
policyType	string: TruncationSelection		[Obrigatório] Nome da configuração de política
truncationPercentage	integer (int32)	0	O percentual de execuções a serem canceladas em cada intervalo de avaliação.

UriFileJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: uri_file		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

UriFileJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: uri_file		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

UriFolderJobInput

Objeto

Nome	Tipo	Valor padrão	Description
description	string		Descrição da entrada.
jobInputType	string: uri_folder		[Obrigatório] Especifica o tipo de trabalho.
mode	InputDeliveryMode	ReadOnlyMount	Enumeração para determinar o modo de entrega de dados de entrada.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Obrigatório] URI do ativo de entrada.

UriFolderJobOutput

Objeto

Nome	Tipo	Valor padrão	Description
assetName	string		Nome do ativo de saída.
description	string		Descrição da saída.
jobOutputType	string: uri_folder		[Obrigatório] Especifica o tipo de trabalho.
mode	OutputDeliveryMode	ReadWriteMount	Enumerações do modo de entrega de dados de saída.
uri	string		URI do ativo de saída.

UserIdentity

Objeto

Configuração de identidade do usuário.

Nome	Tipo	Description
identityType	string: UserIdentity	[Obrigatório] Especifica o tipo de estrutura de identidade.

UseStl

Enumeração

Configure a Decomposição de STL da coluna de destino da série temporal.

Valor	Description
None	Sem decomposição de stl.
Season
SeasonTrend

ValidationMetricType

Enumeração

Método de computação de métrica a ser usado para métricas de validação em tarefas de imagem.

Valor	Description
None	Sem métrica.
Coco	Métrica de coco.
Voc	Voc métrico.
CocoVoc	Métrica CocoVoc.

WebhookType

Enumeração

Enumeração para determinar o tipo de serviço de retorno de chamada do webhook.

Valor	Description
AzureDevOps