Executar pipelines do Azure Machine Learning no Azure Data Factory e no Synapse Analytics

  • Artigo

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:

  1. 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.

  2. Selecione a nova atividade Pipeline de Execução do Aprendizado de Máquina na tela, se ainda não estiver selecionada, e sua guia Configurações para editar seus detalhes.

    Shows the UI for a Machine Learning Execute Pipeline activity.

  3. 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

Propriedade 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
experimentName 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.

Conteúdos relacionados

Consulte os seguintes artigos que explicam como transformar dados de outras maneiras: