Executar pipelines do Azure Machine Learning no Azure Data Factory e no Synapse Analytics
APLICA-SE A: 
Azure Data Factory Azure Synapse Analytics
Gorjeta
Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange tudo, desde a movimentação de dados até ciência de dados, análises em tempo real, business intelligence e relatórios. Saiba como iniciar uma nova avaliação gratuitamente!
Execute os pipelines do Azure Machine Learning como um passo nos pipelines do Azure Data Factory e do Synapse Analytics. A atividade Execute Pipeline do Machine Learning permite cenários de predição de lote, como identificar possíveis incumprimentos de empréstimos, determinar o sentimento e analisar padrões de comportamento do cliente.
O vídeo abaixo apresenta uma introdução de seis minutos e uma demonstração desta funcionalidade.
Criar uma atividade de pipeline de execução de aprendizado de máquina com a interface do usuário
Para usar uma atividade de Pipeline de Execução de Aprendizado de Máquina em um pipeline, conclua as seguintes etapas:
Procure por Aprendizado de Máquina no painel Atividades do pipeline e arraste uma atividade de Pipeline de Execução do Aprendizado de Máquina para a tela do pipeline.
Selecione a nova atividade Pipeline de Execução do Machine Learning na tela, se ainda não estiver selecionada, e sua guia Configurações para editar seus detalhes.
Selecione um serviço vinculado existente ou crie um novo Azure Machine Learning e forneça detalhes do pipeline e do experimento, bem como quaisquer parâmetros de pipeline ou atribuições de caminho de dados necessários para o pipeline.
Sintaxe
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Propriedades do tipo
| Property | Description | Valores permitidos | Necessário |
|---|---|---|---|
| nome | Nome da atividade no pipeline | Cadeia (de carateres) | Sim |
| tipo | O tipo de atividade é 'AzureMLExecutePipeline' | Cadeia (de carateres) | Sim |
| linkedServiceName | Serviço Vinculado ao Azure Machine Learning | Referência de serviço vinculado | Sim |
| mlPipelineId | ID do pipeline publicado do Azure Machine Learning | String (ou expressão com resultType de string) | Sim |
| nome da experiência | Nome do experimento de histórico de execução do pipeline de Aprendizado de Máquina | String (ou expressão com resultType de string) | Não |
| mlPipelineParameters | Chave, pares de valor a serem passados para o ponto de extremidade de pipeline do Azure Machine Learning publicado. As chaves devem corresponder aos nomes dos parâmetros de pipeline definidos no pipeline de Aprendizado de Máquina publicado | Objeto com pares de valores de chave (ou Expressão com objeto resultType) | Não |
| mlParentRunId | A ID de execução do pipeline pai do Azure Machine Learning | String (ou expressão com resultType de string) | Não |
| dataPathAssignments | Dicionário usado para alterar caminhos de dados no Azure Machine Learning. Permite a comutação de caminhos de dados | Objeto com pares de valores de chave | Não |
| continuarOnStepFailure | Se a execução de outras etapas no pipeline de Aprendizado de Máquina deve ser executada se uma etapa falhar | boolean | Não |
Nota
Para preencher os itens suspensos no nome e ID do pipeline do Aprendizado de Máquina, o usuário precisa ter permissão para listar pipelines de ML. A interface do usuário chama APIs do AzureMLService diretamente usando as credenciais do usuário conectado. O tempo de descoberta para os itens suspensos seria muito maior ao usar pontos de extremidade privados.
Conteúdos relacionados
Consulte os seguintes artigos que explicam como transformar dados de outras maneiras: