Veri girişi ve çıkışı

  • Makale

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Not

uygulama hedefi: yalnızca Machine Learning Studio (klasik)

benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.

bu makalede, Machine Learning Studio 'da (klasik) veri ve modelleri içeri ve dışarı aktarmak için kullanabileceğiniz modüller listelenmektedir.

Modülleri kullanmanın yanı sıra, bilgisayarınızdaki veya ağınızdaki yerel dosyalardaki veri kümelerini doğrudan karşıya yükleyebilir ve indirebilirsiniz. daha fazla bilgi için bkz. var olan verileri Machine Learning denemenize Upload.

Machine Learning Studio 'da (klasik) veri ve modelleri içeri ve dışarı aktarmak için kullanabileceğiniz kaynaklardan bazıları aşağıda verilmiştir:

  • Azure SQL Veritabanı, Azure SQL Data Warehouse, Azure Depolama ve Azure Cosmos DB gibi buluttaki kaynaklardan veri alın. ayrıca, bir genel web URL 'si olarak sunulan verileri içeri aktarabilir, bir Hive sorgusu kullanarak Hadoop 'dan veri alabilir veya şirket içi SQL sunucusunu sorgulayabilirsiniz.
  • Resim sınıflandırma görevlerinde kullanmak için Azure Blob depolamadan bir görüntü koleksiyonu yükleyin.
  • Karşıya yüklediğiniz sıkıştırılmış dosyalardaki verileri Machine Learning ayıklayın. Denemeleri içinde veri kümelerini kullanabilirsiniz.
  • Machine Learning Studio (klasik) kullanıcı arabirimine yazarak küçük veri kümeleri oluşturun. Bu, küçük test veri kümeleri oluşturmak için kullanışlı olabilir.
  • sonuçlarınızı veya ara verilerinizi Azure tablo depolama, Blob depolama, SQL veritabanı veya Hive sorgusuna kaydedin.
  • Bir URL veya blob depolamadan eğitilen bir model alın ve bunu bir deneyde kullanın.

Not

bu gruptaki modüller yalnızca Machine Learning Studio 'dan veya sürümünden (klasik) veri taşır. İçeri veya dışarı aktarma işlemi sırasında verileri filtrelemek, dönüştürmek veya dönüştürmek için modülleri kullanamazsınız.

Machine Learning Studio 'da (klasik) verilerinizi dönüştürme ve filtreleme hakkında daha fazla bilgi için bkz. veri dönüştürme.

Kaynaklar

Aşağıdaki makalelerde makine öğreniminde yaygın veri senaryoları tanıtılmaktadır:

Başlarken

Bulutta makine öğrenimi verilerini yönetmeyi öğrenin. Bu makaledeki bilgiler, sektör standardı olan net/DM 'yi temel alır. bu makalede, Azure hdınsight ve SQL Veritabanı gibi bulut veri çözümleriyle makine öğrenmesinin tümleştirmesini gösteren uçtan uca izlenecek yollar sunulmaktadır.

Bu makalede, verilerinizi Azure 'a almanın yanı sıra bir deneme oluşturma açıklanır.

Gelişmiş veri bilimi

Machine Learning Python istemci kitaplığını yüklemeyi öğrenin ve ardından meta verilere erişmek ve veri kümeleriyle çalışmak için onu kullanın.

Örnek deneyler

Modül listesi

Veri girişi ve çıkış kategorisi aşağıdaki modülleri içerir:

  • Verileri el Ile girin: değer yazarak küçük veri kümeleri oluşturmanızı sağlar.
  • verileri dışarı aktarma: bir veri kümesini web url 'lerine veya Azure 'da tablolar, bloblar veya SQL veritabanı gibi çeşitli bulut tabanlı depolama formlarına yazar.
  • verileri içeri aktarma: tablo depolama, Blob depolama, SQL Veritabanı, SQL Data Warehouse, Azure Cosmos DB veya Hive sorgusu gibi Azure 'daki dış kaynaklardan verileri web 'de ve çeşitli bulut tabanlı depolama biçimlerinden yükler. ayrıca, verileri şirket içi SQL Server veritabanından içeri aktarabilirsiniz.
  • Eğitilen model: bir URL 'Den veya blob depolamadan, Puanlama denebir deneyde kullanılmak üzere eğitilen bir model alır.
  • Sıkıştırılmış veri kümeleriniaçın: sıkıştırılmış bir veri kümesini sıkıştırılmış biçimde açar ve ardından veri kümesini çalışma alanınıza ekler.

Ayrıca bkz.