Azure Data Factory ve Synapse Analytics'te Azure Machine Learning işlem hatlarını yürütme

ŞUNLARA UYGULANIR: Azure Data Factory Azure Synapse Analytics

İpucu

Microsoft Fabric'daki Data Factory, daha basit bir mimariye, yerleşik yapay zekaya ve yeni özelliklere sahip yeni nesil Azure Data Factory. Veri tümleştirmeyi yeni kullanmaya başladıysanız Fabric Data Factory ile başlayın. Mevcut ADF iş yükleri veri bilimi, gerçek zamanlı analiz ve raporlama genelinde yeni özelliklere erişmek için Fabric yükseltebilir.

Azure Machine Learning işlem hatlarınızı Azure Data Factory ve Synapse Analytics işlem hatlarınızda bir adım olarak çalıştırın. Makine Öğrenmesi İşlem Hattı Yürütme etkinliği, muhtemel kredi temerrütlerini belirleme, duygu analizi yapmak ve müşteri davranış kalıplarını analiz etme gibi toplu tahmin senaryolarına olanak tanır.

Aşağıdaki videoda bu özelliğin altı dakikalık giriş ve tanıtım bilgileri yer alır.

Makine Öğrenimi İşlem Hattı Yürütme etkinliğini kullanıcı arabirimiyle oluşturma

İşlem hattında Machine Learning İşlem Hattı Yürütme etkinliğini kullanmak için aşağıdaki adımları tamamlayın:

  1. İşlem hattı Etkinlikleri bölmesinde Machine Learning arayın ve Machine Learning İşlem Hattı Yürütme etkinliğini işlem hattı tuvaline sürükleyin.

  2. Tuvalde henüz seçili değilse yeni Machine Learning İşlem Hattı Yürütme etkinliğini ve ayrıntılarını düzenlemek için Settings sekmesini seçin.

    Bir Makine Öğrenimi İşlem Hattı Yürütme işlemi için kullanıcı arabirimini gösterir.

  3. Mevcut bir Azure Machine Learning bağlı hizmeti seçin veya yeni bir bağlı hizmet oluşturun, işlem hattı ve deneme ayrıntılarını ve işlem hattı için gereken işlem hattı parametrelerini veya veri yolu atamalarını sağlayın.

Sözdizimi

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Tür özellikleri

Özellik Açıklama İzin verilen değerler Zorunlu
Adı İşlem hattındaki etkinliğin adı String Yes
Tip Etkinlik türü: 'AzureMLExecutePipeline' String Yes
bağlantılıHizmetAdı Bağlantılı Hizmet Azure Machine Learning Bağlı hizmet referansı Yes
mlPipelineId Yayımlanan Azure Machine Learning işlem hattının kimliği Dize (veya sonuç türü string olan ifade) Yes
deneyAdı Makine Öğrenmesi işlem hattı çalıştırmasının çalıştırma geçmişindeki deneme adı Dize (veya sonuç türü string olan ifade) Hayır
mlBoruHattıParametreleri Yayımlanan Azure Machine Learning işlem hattı uç noktasına geçirilecek anahtar, değer çiftleri. Anahtarlar, yayımlanan Machine Learning işlem hattında tanımlanan işlem hattı parametrelerinin adlarıyla eşleşmelidir Anahtar değer çiftlerine sahip nesne (veya resultType nesnesiyle ifade) Hayır
mlParentRunId ana Azure Machine Learning işlem hattı çalıştırma kimliği Dize (veya sonuç türü string olan ifade) Hayır
veriYoluAtamaları Azure Machine Learning'de veri yollarını değiştirmek için kullanılan sözlük. Veri yollarının geçişini etkinleştirir Anahtar değer çiftlerine sahip nesne Hayır
continueOnStepFailure Bir adım başarısız olursa Machine Learning işlem hattı çalıştırmasında diğer adımların yürütülmesine devam edilip edilmeyeceği boolean Hayır

Not

Machine Learning işlem hattı adı ve kimliğindeki açılan öğeleri doldurmak için kullanıcının ML işlem hatlarını listeleme iznine sahip olması gerekir. Kullanıcı arabirimi, oturum açmış kullanıcının kimlik bilgilerini kullanarak AzureMLService API'lerini doğrudan çağırır. Özel Uç Noktalar kullanılırken açılır menü öğelerinin bulma süresi çok daha uzun sürebilir.

İlgili içerik

Verileri başka şekillerde dönüştürmeyi açıklayan aşağıdaki makalelere bakın:

  • Last updated on