Machine Learning hizmeti çalışma alanı verilerinizi dışarı aktarma veya silme
Azure Machine Learning'de, portal grafik arabirimi veya Python SDK'sı ile çalışma alanı verilerinizi dışarı aktarabilir veya silebilirsiniz. Bu makalede her iki seçenek de açıklanmaktadır.
Not
Kişisel verileri görüntüleme veya silme hakkında bilgi için bkz. GDPR için Azure Veri Nesnesi İstekleri. GDPR hakkında daha fazla bilgi için Microsoft Güven Merkezi'nin GDPR bölümüne ve Hizmet Güveni portalının GDPR bölümüne bakın.
Not
Bu makale, kişisel verilerin cihazdan veya hizmetten nasıl silineceği hakkında adımlar sağlar ve GDPR kapsamındaki yükümlülüklerinizi desteklemek için kullanılabilir. GDPR hakkında genel bilgi için Microsoft Güven Merkezi'nin GDPR bölümüne ve Hizmet Güveni portalının GDPR bölümüne bakın.
Çalışma alanı verilerinizi denetleme
Azure Machine Learning'in depolarındaki ürün içi veriler dışarı aktarma ve silme işlemleri için kullanılabilir. Azure Machine Learning stüdyosu, CLI ve SDK ile verileri dışarı aktarabilir ve silebilirsiniz. Ayrıca, Telemetri verilerine Azure Gizlilik portalı üzerinden erişebilirsiniz.
Azure Machine Learning'de kişisel veriler, iş geçmişi belgelerindeki kullanıcı bilgilerinden oluşur.
Azure çalışma alanı, bir Azure çözümünün ilgili kaynaklarını barındırmak için bir kaynak grubuna dayanır. Bir çalışma alanı oluşturduğunuzda, var olan bir kaynak grubunu kullanma veya yeni bir kaynak grubu oluşturma fırsatınız olur. Azure kaynak grupları hakkında daha fazla bilgi edinmek için bu sayfaya bakın.
Portalı kullanarak üst düzey kaynakları silme
Bir çalışma alanı oluşturduğunuzda Azure, kaynak grubu içinde birkaç kaynak oluşturur:
- Çalışma alanının kendisi
- Bir depolama hesabı
- Kapsayıcı kayıt defteri
- Bir Applications Insights örneği
- Anahtar kasası
Bu kaynakları silmek için listeden seçin ve Sil'i seçin:
Önemli
Kaynak geçici silme için yapılandırıldıysa, isteğe bağlı olarak kaynağı kalıcı olarak silmeyi seçmediğiniz sürece veriler aslında silinmez. Daha fazla bilgi için aşağıdaki makaleleri inceleyin:
Seçimlerinizi onaylayabileceğiniz bir onay iletişim kutusu açılır.
İş geçmişi belgeleri kişisel kullanıcı bilgileri içerebilir. Bu belgeler blob depolamadaki depolama hesabında, alt klasörlerde /azureml depolanır. Verileri portaldan indirebilir ve silebilirsiniz.
Azure Machine Learning stüdyosu kullanarak makine öğrenmesi kaynaklarını dışarı aktarma ve silme
Azure Machine Learning stüdyosu, makine öğrenmesi kaynaklarınızın (not defterleri, veri varlıkları, modeller ve işler gibi) birleşik bir görünümünü sağlar. Azure Machine Learning stüdyosu, verilerinizin ve denemelerinizin kaydının korunmasını vurgular. İşlem hatlarını ve işlem kaynaklarını doğrudan tarayıcıdan silebilirsiniz. Bu kaynaklar için söz konusu kaynağa gidin ve Sil'i seçin.
Veri varlıklarının ve arşiv işlerinin kaydını silebilirsiniz, ancak bu işlemler verileri silmez. Verileri tamamen kaldırmak için veri varlıkları ve iş verileri depolama düzeyinde silinmesini gerektirir. Depolama düzeyi silme işlemi daha önce açıklandığı gibi portalda gerçekleşir. Azure Machine Learning stüdyosu tek tek silme işlemini işleyebilir. İş silme işlemi bu işin verilerini siler.
Azure Machine Learning stüdyosu deneysel işlerden eğitim yapıtı indirme işlemlerini işleyebilir. İlgili İşi seçin. Çıkış + günlükler'i seçin ve indirmek istediğiniz yapıtlara gidin. ... ve İndir'i veya Tümünü indir'i seçin.
Kayıtlı bir modeli indirmek için Model'e gidin ve İndir'i seçin.
Python SDK'sını kullanarak kaynakları dışarı aktarma ve silme
Belirli bir işin çıkışlarını şu şekilde indirebilirsiniz:
# Retrieved from Azure Machine Learning web UI
run_id = 'aaaaaaaa-bbbb-cccc-dddd-0123456789AB'
experiment = ws.experiments['my-experiment']
run = next(run for run in ex.get_runs() if run.id == run_id)
metrics_output_port = run.get_pipeline_output('metrics_output')
model_output_port = run.get_pipeline_output('model_output')
metrics_output_port.download('.', show_progress=True)
model_output_port.download('.', show_progress=True)
Aşağıdaki makine öğrenmesi kaynakları Python SDK'sı kullanılarak silinebilir:
| Tür | İşlev Çağrısı | Notlar |
|---|---|---|
Workspace |
delete |
Silme işlemini art arda eklemek için kullanın delete-dependent-resources |
Model |
delete |
|
ComputeTarget |
delete |
|
WebService |
delete |
Sonraki adımlar
Çalışma alanını yönetme hakkında daha fazla bilgi edinin.