Jobs - Get

Hizmet:: Machine Learning

API Sürümü:: 2025-06-01

Ada/id'ye göre bir İş alır.

GET https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/jobs/{id}?api-version=2025-06-01

URI Parametreleri

Name	İçinde	Gerekli	Tür	Description
id	path	True	string	İşin adı ve tanımlayıcısı. Bu büyük/küçük harfe duyarlıdır.
resourceGroupName	path	True	string minLength: 1 maxLength: 90	Kaynak grubunun adı. Ad büyük/küçük harfe duyarsız.
subscriptionId	path	True	string minLength: 1	Hedef aboneliğin kimliği.
workspaceName	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$	Azure Machine Learning çalışma alanının adı.
api-version	query	True	string minLength: 1	Bu işlem için kullanılacak API sürümü.

Yanıtlar

Name	Tür	Description
200 OK	JobBaseResource	Başarı
Other Status Codes	ErrorResponse	Hata

Örnekler

Get AutoML Job.

Get Command Job.

Get Pipeline Job.

Get Sweep Job.

Get AutoML Job.

Örnek isteği

HTTP

GET https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-06-01

Örnek yanıt

Durum kodu:: 200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "Scheduled",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "isArchived": false,
    "identity": {
      "identityType": "AMLToken"
    },
    "jobType": "AutoML",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "taskDetails": {
      "taskType": "ImageClassification",
      "limitSettings": {
        "maxTrials": 2
      },
      "targetColumnName": "string",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ]
    },
    "outputs": {
      "string": {
        "description": "string",
        "uri": "string",
        "mode": "ReadWriteMount",
        "jobOutputType": "uri_file"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

Get Command Job.

Örnek isteği

HTTP

GET https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-06-01

Örnek yanıt

Durum kodu:: 200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Command",
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "8385cf05-78c0-41ef-b31d-36796a678e19": null
        }
      }
    },
    "codeId": "string",
    "command": "string",
    "environmentId": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "distribution": {
      "distributionType": "TensorFlow",
      "workerCount": 1,
      "parameterServerCount": 1
    },
    "limits": {
      "timeout": "PT5M",
      "jobLimitsType": "Command"
    },
    "environmentVariables": {
      "string": "string"
    },
    "identity": {
      "identityType": "AMLToken"
    },
    "parameters": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Get Pipeline Job.

Örnek isteği

HTTP

GET https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-06-01

Örnek yanıt

Durum kodu:: 200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Pipeline",
    "settings": {},
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Get Sweep Job.

Örnek isteği

HTTP

GET https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-06-01

Örnek yanıt

Durum kodu:: 200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "status": "NotStarted",
    "experimentName": "string",
    "services": {
      "string": {
        "jobServiceType": "string",
        "port": 1,
        "endpoint": "string",
        "status": "string",
        "errorMessage": "string",
        "properties": {
          "string": "string"
        }
      }
    },
    "computeId": "string",
    "jobType": "Sweep",
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "limits": {
      "jobLimitsType": "Sweep",
      "maxTotalTrials": 1,
      "maxConcurrentTrials": 1,
      "trialTimeout": "PT1S"
    },
    "earlyTermination": {
      "evaluationInterval": 1,
      "delayEvaluation": 1,
      "policyType": "MedianStopping"
    },
    "objective": {
      "primaryMetric": "string",
      "goal": "Minimize"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    },
    "searchSpace": {
      "string": {}
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Tanımlar

Name	Description
AllNodes	Tüm düğümler, hizmetin işin tüm düğümlerinde çalıştırılacağı anlamına gelir
AmlToken	AML Belirteci kimlik yapılandırması.
AutoForecastHorizon	Sistem tarafından otomatik olarak belirlenen tahmin ufku.
AutoMLJob	AutoMLJob sınıfı. Sınıflandırma/Regresyon gibi AutoML görevlerini yürütmek için bu sınıfı kullanın. Desteklenen tüm görevler için bkz. TaskType sabit listesi.
AutoNCrossValidations	N-Cross doğrulamaları otomatik olarak belirlenir.
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	Hedef gecikmeleri sıralı penceresi otomatik olarak belirlenir.
AzureDevOpsWebhook	Azure DevOps'a özgü web kancası ayrıntıları
BanditPolicy	Slack ölçütlerine ve değerlendirme için sıklık ve gecikme aralığına göre erken sonlandırma ilkesi tanımlar
BayesianSamplingAlgorithm	Önceki değerlere göre değerler oluşturan bir Örnekleme Algoritması tanımlar
BlockedTransformers	AutoML tarafından desteklenen tüm sınıflandırma modelleri için numaralandırma.
Classification	AutoML Tablosundaki sınıflandırma görevi dikey.
ClassificationModels	AutoML tarafından desteklenen tüm sınıflandırma modelleri için numaralandırma.
ClassificationMultilabelPrimaryMetrics	Çok etiketli sınıflandırma görevleri için birincil ölçümler.
ClassificationPrimaryMetrics	Sınıflandırma görevleri için birincil ölçümler.
ClassificationTrainingSettings	Sınıflandırma Eğitimi ile ilgili yapılandırma.
CommandJob	Komut işi tanımı.
CommandJobLimits	Command İşi sınır sınıfı.
createdByType	Kaynağı oluşturan kimliğin türü.
CustomForecastHorizon	Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku.
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	N-Cross doğrulamaları kullanıcı tarafından belirtilir.
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	İş dağıtım türünü belirlemek için sabit listesi.
EarlyTerminationPolicyType
EmailNotificationEnableType	E-posta bildirim türünü belirlemek için sabit listesi.
ErrorAdditionalInfo	Kaynak yönetimi hatası ek bilgileri.
ErrorDetail	Hata ayrıntısı.
ErrorResponse	Hata yanıtı
FeatureLags	Sayısal özellikler için gecikme oluşturma bayrağı.
FeaturizationMode	Özellik geliştirme modu - Veri özellik geliştirme modunu belirler.
ForecastHorizonMode	Tahmin ufku seçim modunu belirlemek için sabit listesi.
Forecasting	AutoML Tablosu dikeyinde tahmin görevi.
ForecastingModels	AutoML tarafından desteklenen tüm tahmin modelleri için sabit listesi.
ForecastingPrimaryMetrics	Tahmin görevi için birincil ölçümler.
ForecastingSettings	Belirli parametreleri tahmin etme.
ForecastingTrainingSettings	Eğitimle ilgili yapılandırmayı tahmin etme.
Goal	Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar
GridSamplingAlgorithm	Boşluktaki her değer bileşimini kapsamlı bir şekilde oluşturan bir Örnekleme Algoritması tanımlar
IdentityConfigurationType	Kimlik çerçevesini belirlemek için sabit listesi.
ImageClassification	Görüntü Sınıflandırma. Çok sınıflı görüntü sınıflandırması, bir görüntü bir sınıf kümesinden yalnızca tek bir etiketle sınıflandırıldığında kullanılır. Örneğin, her görüntü bir 'kedi' veya 'köpek' ya da 'ördek' görüntüsü olarak sınıflandırılır.
ImageClassificationMultilabel	Görüntü Sınıflandırma Multilabel. Çok etiketli görüntü sınıflandırması, bir resim bir etiket kümesinden bir veya daha fazla etikete sahip olduğunda kullanılır; örneğin, bir resim hem 'kedi' hem de 'köpek' ile etiketlenebilir.
ImageInstanceSegmentation	Görüntü Örneği Segmentasyonu. Örnek segmentasyonu, bir görüntüdeki nesneleri piksel düzeyinde tanımlamak için kullanılır ve görüntüdeki her nesnenin çevresine bir çokgen çizilir.
ImageLimitSettings	AutoML işi için ayarları sınırlayın.
ImageModelDistributionSettingsClassification	Model ayarlarının değerlerini süpürmek için dağıtım ifadeleri. Bazı örnekler şunlardır: ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection	Model ayarlarının değerlerini süpürmek için dağıtım ifadeleri. Bazı örnekler şunlardır: ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification	Modeli eğiten ayarlar. Kullanılabilir ayarlar hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsObjectDetection	Modeli eğiten ayarlar. Kullanılabilir ayarlar hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageObjectDetection	Görüntü Nesnesi Algılama. Nesne algılama, görüntüdeki nesneleri tanımlamak ve sınırlayıcı kutu ile her nesneyi bulmak için kullanılır; örneğin, bir görüntüdeki tüm köpek ve kedileri bulun ve her birinin çevresine bir sınırlayıcı kutu çizin.
ImageSweepSettings	Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.
InputDeliveryMode	Giriş veri teslim modunu belirlemek için sabit listesi.
InstanceSegmentationPrimaryMetrics	InstanceSegmentation görevleri için birincil ölçümler.
JobBaseResource	Azure Resource Manager kaynak zarfı.
JobInputType	İş Giriş Türünü belirlemek için sabit listesi.
JobLimitsType
JobOutputType	İş Çıkış Türünü belirlemek için sabit listesi.
JobResourceConfiguration
JobService	İş uç noktası tanımı
JobStatus	İşin durumu.
JobTier	İş katmanını belirlemek için Enum.
JobType	İşin türünü belirlemek için sabit listesi.
LearningRateScheduler	Öğrenme hızı zamanlayıcı sabit listesi.
LiteralJobInput	Değişmez değer giriş türü.
LogVerbosity	Günlük ayrıntı düzeyini ayarlamak için sabit listesi.
ManagedIdentity	Yönetilen kimlik yapılandırması.
MedianStoppingPolicy	Tüm çalıştırmaların birincil ölçümünün çalışan ortalamalarını temel alan bir erken sonlandırma ilkesi tanımlar
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	Görüntü modeli boyutu.
Mpi	MPI dağıtım yapılandırması.
NCrossValidationsMode	N-Cross doğrulama değerinin nasıl belirleneceğini belirler.
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	İş yürütme kısıtlamaları.
NodesValueType	Düğümler değeri için numaralandırılmış türler
NotificationSetting	Bildirim için yapılandırma.
ObjectDetectionPrimaryMetrics	Image ObjectDetection görevi için birincil ölçümler.
Objective	İyileştirme hedefi.
OutputDeliveryMode	Çıkış veri teslim modu sabit listeleri.
PipelineJob	İşlem Hattı İşi tanımı: MFE öznitelikleri için genel tanımlar.
PyTorch	PyTorch dağıtım yapılandırması.
QueueSettings
RandomSamplingAlgorithm	Rastgele değer oluşturan bir Örnekleme Algoritması tanımlar
RandomSamplingAlgorithmRule	Belirli bir rastgele algoritma türü
Regression	AutoML Tablosunda dikey regresyon görevi.
RegressionModels	AutoML tarafından desteklenen tüm Regresyon modelleri için sabit listesi.
RegressionPrimaryMetrics	Regresyon görevi için birincil ölçümler.
RegressionTrainingSettings	Regresyon Eğitimi ile ilgili yapılandırma.
SamplingAlgorithmType
SeasonalityMode	Mevsimsellik modunu tahmin etme.
ShortSeriesHandlingConfiguration	AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.
SparkJob	Spark iş tanımı.
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	StackEnsemble çalıştırmasını özelleştirmek için ayarı ilerler.
StackMetaLearnerType	Meta öğrenen, tek tek heterojen modellerin çıkışı üzerinde eğitilmiş bir modeldir. Varsayılan meta öğrenenler, sınıflandırma görevleri için LogisticRegression (veya çapraz doğrulama etkinse LogisticRegressionCV) ve regresyon/tahmin görevleri için ElasticNet 'tir (veya çapraz doğrulama etkinse ElasticNetCV). Bu parametre şu dizelerden biri olabilir: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor veya LinearRegression
StochasticOptimizer	Görüntü modelleri için stokastik iyileştirici.
SweepJob	Süpürme işi tanımı.
SweepJobLimits	Süpürme İşi sınır sınıfı.
systemData	Kaynağın oluşturulması ve son değiştirilmesiyle ilgili meta veriler.
TableVerticalFeaturizationSettings	Özellik Kazandırma Yapılandırması.
TableVerticalLimitSettings	İş yürütme kısıtlamaları.
TargetAggregationFunction	Hedef toplama işlevi.
TargetLagsMode	Hedef gecikmeler seçim modları.
TargetRollingWindowSizeMode	Hedef sıralı pencereler boyut modu.
TaskType	AutoMLjob Görev türü.
TensorFlow	TensorFlow dağıtım yapılandırması.
TextClassification	AutoML NLP dikeyde Metin Sınıflandırma görevi. NLP - Doğal Dil İşleme.
TextClassificationMultilabel	AutoML NLP dikeyde Metin Sınıflandırması Çok etiketli görev. NLP - Doğal Dil İşleme.
TextNer	AutoML NLP dikeyde görevi Text-NER. NER - Adlandırılmış Varlık Tanıma. NLP - Doğal Dil İşleme.
TrialComponent	Deneme bileşeni tanımı.
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	Her değerlendirme aralığında belirli bir çalıştırma yüzdesini iptal eden bir erken sonlandırma ilkesi tanımlar.
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	Kullanıcı kimliği yapılandırması.
UseStl	Zaman serisi hedef sütununun STL Ayrıştırma'sını yapılandırın.
ValidationMetricType	Görüntü görevlerinde doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.
WebhookType	Web kancası geri çağırma hizmeti türünü belirlemek için sabit listesi.

AllNodes

Object

Tüm düğümler, hizmetin işin tüm düğümlerinde çalıştırılacağı anlamına gelir

Name	Tür	Description
nodesValueType	string: All	[Gerekli] Düğümler değerinin türü

AmlToken

Object

AML Belirteci kimlik yapılandırması.

Name	Tür	Description
identityType	string: AMLToken	[Gerekli] Kimlik çerçevesinin türünü belirtir.

AutoForecastHorizon

Object

Sistem tarafından otomatik olarak belirlenen tahmin ufku.

Name	Tür	Description
mode	string: Auto	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.

AutoMLJob

Object

AutoMLJob sınıfı. Sınıflandırma/Regresyon gibi AutoML görevlerini yürütmek için bu sınıfı kullanın. Desteklenen tüm görevler için bkz. TaskType sabit listesi.

Name	Tür	Default value	Description
componentId	string		Bileşen kaynağının ARM kaynak kimliği.
computeId	string		İşlem kaynağının ARM kaynak kimliği.
description	string		Varlık açıklaması metni.
displayName	string		İşin görünen adı.
environmentId	string		İşin Ortam belirtiminin ARM kaynak kimliği. Bu, sağlanmazsa, automl işi çalıştırırken bunu varsayılan olarak Üretim AutoML seçilmiş ortam sürümü olarak sağlayacak isteğe bağlı bir değerdir.
environmentVariables	object		İşe dahil edilen ortam değişkenleri.
experimentName	string	Default	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olur.
isArchived	boolean	False	Varlık arşivlenmiş mi?
jobType	string: AutoML		[Gerekli] İşin türünü belirtir.
notificationSetting	NotificationSetting		İş için bildirim ayarı
outputs	object		İşte kullanılan çıktı veri bağlamalarının eşlemesi.
properties	object		Varlık özelliği sözlüğü.
queueSettings	QueueSettings		İş için kuyruk ayarları
resources	JobResourceConfiguration	{}	İş için İşlem Kaynağı yapılandırması.
services	<string, JobService>		JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç nokta değerine sahip olur.
status	JobStatus		İşin durumu.
tags	object		Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[Gerekli] Bu, Tablolardan/NLP/Görüntüden biri olabilecek senaryoları temsil eder

AutoNCrossValidations

Object

N-Cross doğrulamaları otomatik olarak belirlenir.

Name	Tür	Description
mode	string: Auto	[Gerekli] N-Cross doğrulamalarını belirleme modu.

AutoSeasonality

Object

Name	Tür	Description
mode	string: Auto	[Gerekli] Mevsimsellik modu.

AutoTargetLags

Object

Name	Tür	Description
mode	string: Auto	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel

AutoTargetRollingWindowSize

Object

Hedef gecikmeleri sıralı penceresi otomatik olarak belirlenir.

Name	Tür	Description
mode	string: Auto	[Gerekli] TargetRollingWindowSiz algılama modu.

AzureDevOpsWebhook

Object

Azure DevOps'a özgü web kancası ayrıntıları

Name	Tür	Description
eventType	string	Belirtilen bildirim olayında geri çağırma gönderme
webhookType	string: AzureDevOps	[Gerekli] Geri çağırma göndermek için hizmet türünü belirtir

BanditPolicy

Object

Slack ölçütlerine ve değerlendirme için sıklık ve gecikme aralığına göre erken sonlandırma ilkesi tanımlar

Name	Tür	Default value	Description
delayEvaluation	integer (int32)	0	İlk değerlendirmenin geciktirilme aralığı sayısı.
evaluationInterval	integer (int32)	0	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).
policyType	string: Bandit		[Gerekli] İlke yapılandırmasının adı
slackAmount	number (float)	0	En iyi performans gösteren çalıştırmadan mutlak mesafeye izin verilir.
slackFactor	number (float)	0	İzin verilen uzaklık ile en iyi performansa sahip çalıştırmanın oranı.

BayesianSamplingAlgorithm

Object

Önceki değerlere göre değerler oluşturan bir Örnekleme Algoritması tanımlar

Name	Tür	Description
samplingAlgorithmType	string: Bayesian	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma

BlockedTransformers

Listeleme

AutoML tarafından desteklenen tüm sınıflandırma modelleri için numaralandırma.

Değer	Description
CatTargetEncoder	Kategorik veriler için hedef kodlama.
CountVectorizer	Sayı Vektörleştiricisi, metin belgeleri koleksiyonunu belirteç sayıları matrisine dönüştürür.
HashOneHotEncoder	One Hot Encoder karmasını oluşturmak, kategorik değişkenleri sınırlı sayıda yeni özelliğe dönüştürebilir. Bu genellikle yüksek kardinaliteli kategorik özellikler için kullanılır.
LabelEncoder	Etiket kodlayıcı, etiketleri/kategorik değişkenleri sayısal bir biçimde dönüştürür.
NaiveBayes	Naive Bayes, kategorik olarak dağıtılmış ayrık özelliklerin sınıflandırılması için kullanılan bir sınıftır.
OneHotEncoder	Ohe sık erişimli kodlama, ikili özellik dönüşümü oluşturur.
TextTargetEncoder	Metin verileri için hedef kodlama.
TfIdf	Tf-Idf teriminin kısaltması, terim sıklığı süreleri ters belge sıklığıdır. Bu, belgelerden gelen bilgileri tanımlamaya yönelik yaygın bir terim ağırlık düzenidir.
WoETargetEncoder	Kanıt Ağırlığı kodlaması, kategorik değişkenleri kodlamak için kullanılan bir tekniktir. Ağırlık oluşturmak için P(1)/P(0) doğal günlüğünü kullanır.
WordEmbedding	Sözcük ekleme, sözcükleri veya tümcecikleri vektör veya sayı dizisi olarak temsil eder.

Classification

Object

AutoML Tablosundaki sınıflandırma görevi dikey.

Name	Tür	Default value	Description
cvSplitColumnNames	string[]		CVSplit verileri için kullanılacak sütunlar.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
limitSettings	TableVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Doğrulama veri kümesi sağlanmadığında eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı.
positiveLabel	string		İkili ölçüm hesaplaması için pozitif etiket.
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	Görevin birincil ölçümü.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: Classification		[Gerekli] AutoMLjob için görev türü.
testData	MLTableJobInput		Veri girişini test edin.
testDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
trainingSettings	ClassificationTrainingSettings		AutoML İşi için eğitim aşamasına yönelik girişler.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
weightColumnName	string		Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.

ClassificationModels

Listeleme

AutoML tarafından desteklenen tüm sınıflandırma modelleri için numaralandırma.

Değer	Description
BernoulliNaiveBayes	Çok değişkenli Bernoulli modelleri için Naive Bayes sınıflandırıcısı.
DecisionTree	Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden elde edilen basit karar kurallarını öğrenerek hedef değişkenin değerini tahmin eden bir model oluşturmaktır.
ExtremeRandomTrees	Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir grup makine öğrenmesi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritmasıyla ilgilidir.
GradientBoosting	Hafta öğrencilerini güçlü bir öğrenciye geçirme tekniğine Boosting adı verilir. Gradyan artırma algoritması işlemi bu yürütme teorisi üzerinde çalışır.
KNN	K-nearest neighbors (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliği' kullanır ve bu da yeni veri noktasına eğitim kümesindeki noktaların ne kadar yakın olduğuna bağlı olarak bir değer atanacağı anlamına gelir.
LightGBM	LightGBM, ağaç tabanlı öğrenme algoritmaları kullanan bir gradyan artırma çerçevesidir.
LinearSVM	Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenmesi modelidir. Her kategori için bir SVM model kümesi etiketli eğitim verileri verdikten sonra, yeni metinleri kategorilere ayırabilir. Doğrusal SVM, giriş verileri doğrusal olduğunda en iyi performansı gösterir; yani veriler çizilmiş bir grafikteki sınıflandırılmış değerler arasında düz çizgi çizilerek kolayca sınıflandırılabilir.
LogisticRegression	Lojistik regresyon temel bir sınıflandırma tekniğidir. Doğrusal sınıflandırıcı grubuna aittir ve polinomsal ve doğrusal regresyona biraz benzer. Lojistik regresyon hızlı ve nispeten karmaşık değildir ve sonuçları yorumlamak sizin için uygundur. Temelde ikili sınıflandırma için bir yöntem olsa da, çok sınıflı sorunlara da uygulanabilir.
MultinomialNaiveBayes	Çok terimli Naive Bayes sınıflandırıcısı, ayrık özelliklerle sınıflandırma için uygundur (örneğin, metin sınıflandırması için sözcük sayıları). Çok terimli dağılım normalde tamsayı özellik sayılarını gerektirir. Ancak pratikte tf-idf gibi kesirli sayılar da çalışabilir.
RandomForest	Rastgele orman denetimli bir öğrenme algoritmasıdır. İnşa ettiği "orman", genellikle "torbalama" yöntemiyle eğitilen bir karar ağaçları topluluğudur. Bagging yönteminin genel fikri, öğrenme modellerinin bir bileşiminin genel sonucu artırmasıdır.
SGD	SGD: Stokastik gradyan azalma genellikle makine öğrenmesi uygulamalarında tahmin edilen ve gerçek çıkışlar arasında en uygun olan model parametrelerini bulmak için kullanılan bir iyileştirme algoritmasıdır.
SVM	Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenmesi modelidir. Her kategori için bir SVM model kümesi etiketli eğitim verileri verdikten sonra, yeni metinleri kategorilere ayırabilir.
XGBoostClassifier	XGBoost: Aşırı Gradyan Artırma Algoritması. Bu algoritma, hedef sütun değerlerinin ayrı sınıf değerlerine bölünebildiği yapılandırılmış veriler için kullanılır.

ClassificationMultilabelPrimaryMetrics

Listeleme

Çok etiketli sınıflandırma görevleri için birincil ölçümler.

Değer	Description
AUCWeighted	AUC, eğrinin altındaki Alan'dır. Bu ölçüm, her sınıf için puanın aritmetik ortalamasını temsil eder ve her sınıftaki gerçek örneklerin sayısına göre ağırlıklandırılır.
Accuracy	Doğruluk, gerçek sınıf etiketleriyle tam olarak eşleşen tahminlerin oranıdır.
AveragePrecisionScoreWeighted	Her sınıf için ortalama duyarlık puanının aritmetik ortalaması, her sınıftaki gerçek örneklerin sayısına göre ağırlıklıdır.
IOU	Birleşim Üzerinde Kesişim. Tahminlerin kesişimi, tahminlerin birleşimine bölünür.
NormMacroRecall	Normalleştirilmiş makro geri çağırma makro ortalaması alınır ve normalleştirilir, böylece rastgele performansın puanı 0, mükemmel performansın puanı 1 olur.
PrecisionScoreWeighted	Her sınıf için aritmetik duyarlık ortalaması, her sınıftaki gerçek örneklerin sayısına göre ağırlıklıdır.

ClassificationPrimaryMetrics

Listeleme

Sınıflandırma görevleri için birincil ölçümler.

Değer	Description
AUCWeighted	AUC, eğrinin altındaki Alan'dır. Bu ölçüm, her sınıf için puanın aritmetik ortalamasını temsil eder ve her sınıftaki gerçek örneklerin sayısına göre ağırlıklandırılır.
Accuracy	Doğruluk, gerçek sınıf etiketleriyle tam olarak eşleşen tahminlerin oranıdır.
AveragePrecisionScoreWeighted	Her sınıf için ortalama duyarlık puanının aritmetik ortalaması, her sınıftaki gerçek örneklerin sayısına göre ağırlıklıdır.
NormMacroRecall	Normalleştirilmiş makro geri çağırma makro ortalaması alınır ve normalleştirilir, böylece rastgele performansın puanı 0, mükemmel performansın puanı 1 olur.
PrecisionScoreWeighted	Her sınıf için aritmetik duyarlık ortalaması, her sınıftaki gerçek örneklerin sayısına göre ağırlıklıdır.

ClassificationTrainingSettings

Object

Sınıflandırma Eğitimi ile ilgili yapılandırma.

Name	Tür	Default value	Description
allowedTrainingAlgorithms	ClassificationModels[]		Sınıflandırma görevi için izin verilen modeller.
blockedTrainingAlgorithms	ClassificationModels[]		Sınıflandırma görevi için engellenen modeller.
enableDnnTraining	boolean	False	DNN modelleri önerisini etkinleştirin.
enableModelExplainability	boolean	True	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.
enableOnnxCompatibleModels	boolean	False	Onnx uyumlu modelleri etkinleştirme bayrağı.
enableStackEnsemble	boolean	True	Yığın grubu çalıştırmasını etkinleştirin.
enableVoteEnsemble	boolean	True	Oylama grubu çalıştırmasını etkinleştirin.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalara ait birden çok uygun model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.
stackEnsembleSettings	StackEnsembleSettings		Yığın grubu çalıştırması için yığın grubu ayarları.

CommandJob

Object

Komut işi tanımı.

Name	Tür	Default value	Description
codeId	string		Kod varlığının ARM kaynak kimliği.
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] İşin başlangıcında yürütülecek komut. örneğin. "python train.py"
componentId	string		Bileşen kaynağının ARM kaynak kimliği.
computeId	string		İşlem kaynağının ARM kaynak kimliği.
description	string		Varlık açıklaması metni.
displayName	string		İşin görünen adı.
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği.
environmentVariables	object		İşe dahil edilen ortam değişkenleri.
experimentName	string	Default	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olur.
inputs	object		İşte kullanılan giriş veri bağlamalarının eşlemesi.
isArchived	boolean	False	Varlık arşivlenmiş mi?
jobType	string: Command		[Gerekli] İşin türünü belirtir.
limits	CommandJobLimits		Komut İşi sınırı.
notificationSetting	NotificationSetting		İş için bildirim ayarı
outputs	object		İşte kullanılan çıktı veri bağlamalarının eşlemesi.
parameters	object		Giriş parametreleri.
properties	object		Varlık özelliği sözlüğü.
queueSettings	QueueSettings		İş için kuyruk ayarları
resources	JobResourceConfiguration	{}	İş için İşlem Kaynağı yapılandırması.
services	<string, JobService>		JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç nokta değerine sahip olur.
status	JobStatus		İşin durumu.
tags	object		Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.

CommandJobLimits

Object

Command İşi sınır sınıfı.

Name	Tür	Description
jobLimitsType	string: Command	[Gerekli] JobLimit türü.
timeout	string (duration)	ISO 8601 biçimindeki maksimum çalıştırma süresi, işin iptal edilmesinden sonra. Yalnızca Saniye kadar düşük duyarlıklı süreyi destekler.

createdByType

Listeleme

Kaynağı oluşturan kimliğin türü.

Değer	Description
Application
Key
ManagedIdentity
User

CustomForecastHorizon

Object

Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku.

Name	Tür	Description
mode	string: Custom	[Gerekli] Tahmin ufku değeri seçim modunu ayarlayın.
value	integer (int32)	[Gerekli] Tahmin ufuk değeri.

CustomModelJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: custom_model		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

CustomModelJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: custom_model		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

CustomNCrossValidations

Object

N-Cross doğrulamaları kullanıcı tarafından belirtilir.

Name	Tür	Description
mode	string: Custom	[Gerekli] N-Cross doğrulamalarını belirleme modu.
value	integer (int32)	[Gerekli] N-Cross doğrulama değeri.

CustomSeasonality

Object

Name	Tür	Description
mode	string: Custom	[Gerekli] Mevsimsellik modu.
value	integer (int32)	[Gerekli] Mevsimsellik değeri.

CustomTargetLags

Object

Name	Tür	Description
mode	string: Custom	[Gerekli] Hedef gecikme modunu ayarlama - Otomatik/Özel
values	integer[] (int32)	[Gerekli] Hedef gecikme değerlerini ayarlayın.

CustomTargetRollingWindowSize

Object

Name	Tür	Description
mode	string: Custom	[Gerekli] TargetRollingWindowSiz algılama modu.
value	integer (int32)	[Gerekli] TargetRollingWindowSize değeri.

DistributionType

Listeleme

İş dağıtım türünü belirlemek için sabit listesi.

Değer	Description
Mpi
PyTorch
TensorFlow

EarlyTerminationPolicyType

Listeleme

Değer	Description
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

Listeleme

E-posta bildirim türünü belirlemek için sabit listesi.

Değer	Description
JobCancelled
JobCompleted
JobFailed

ErrorAdditionalInfo

Object

Kaynak yönetimi hatası ek bilgileri.

Name	Tür	Description
info	object	Ek bilgiler.
type	string	Ek bilgi türü.

ErrorDetail

Object

Hata ayrıntısı.

Name	Tür	Description
additionalInfo	ErrorAdditionalInfo[]	Hata ek bilgileri.
code	string	Hata kodu.
details	ErrorDetail[]	Hata ayrıntıları.
message	string	Hata iletisi.
target	string	Hata hedefi.

ErrorResponse

Object

Hata yanıtı

Name	Tür	Description
error	ErrorDetail	Hata nesnesi.

FeatureLags

Listeleme

Sayısal özellikler için gecikme oluşturma bayrağı.

Değer	Description
Auto	Sistem otomatik olarak özellik gecikmeleri oluşturur.
None	Özellik gecikmesi oluşturulmaz.

FeaturizationMode

Listeleme

Özellik geliştirme modu - Veri özellik geliştirme modunu belirler.

Değer	Description
Auto	Otomatik mod, sistem herhangi bir özel özellik özelliği girişi olmadan özellik kazandırma gerçekleştirir.
Custom	Özel özellik kazandırma.
Off	Özellik belirleme kapalı. 'Tahmin' görevi bu değeri kullanamaz.

ForecastHorizonMode

Listeleme

Tahmin ufku seçim modunu belirlemek için sabit listesi.

Değer	Description
Auto	Otomatik olarak belirlenecek tahmin ufku.
Custom	Özel tahmin ufkunu kullanın.

Forecasting

Object

AutoML Tablosu dikeyinde tahmin görevi.

Name	Tür	Default value	Description
cvSplitColumnNames	string[]		CVSplit verileri için kullanılacak sütunlar.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
forecastingSettings	ForecastingSettings		Göreve özgü girişleri tahmin etme.
limitSettings	TableVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Doğrulama veri kümesi sağlanmadığında eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı.
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	Tahmin görevi için birincil ölçüm.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: Forecasting		[Gerekli] AutoMLjob için görev türü.
testData	MLTableJobInput		Veri girişini test edin.
testDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
trainingSettings	ForecastingTrainingSettings		AutoML İşi için eğitim aşamasına yönelik girişler.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
weightColumnName	string		Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.

ForecastingModels

Listeleme

AutoML tarafından desteklenen tüm tahmin modelleri için sabit listesi.

Değer	Description
Arimax	Açıklayıcı Değişken (ARIMAX) modeliyle Otomatik Regresyona Dayalı Tümleşik Hareketli Ortalama, bir veya daha fazla otomatik regresyon (AR) terimi ve/veya bir veya daha fazla hareketli ortalama (MA) terimiyle birden çok regresyon modeli olarak görüntülenebilir. Bu yöntem, verilerin sabit/sabit olmayan ve herhangi bir veri deseni türüyle (örneğin, düzey/eğilim/mevsimsellik/döngüsellik) çok değişkenli olduğunu tahmin etme için uygundur.
AutoArima	Otomatik Otomatik Kayıt Tümleşik Hareketli Ortalama (ARIMA) modeli, verileri yorumlamak ve gelecekteki tahminlerde bulunmak için zaman serisi verilerini ve istatistiksel analizi kullanır. Bu model, geçmiş değerleri üzerinde zaman serisi verilerini kullanarak verileri açıklamayı amaçlar ve tahminlerde bulunmak için doğrusal regresyon kullanır.
Average	Ortalama tahmin modeli, eğitim verilerindeki her zaman serisi için hedef değerlerin ortalamasını ileri taşıyarak tahminlerde bulunur.
DecisionTree	Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden elde edilen basit karar kurallarını öğrenerek hedef değişkenin değerini tahmin eden bir model oluşturmaktır.
ElasticNet	Elastik ağ, özellikle L1 ve L2 ceza işlevleri olmak üzere iki popüler cezayı birleştiren popüler bir düzenli doğrusal regresyon türüdür.
ExponentialSmoothing	Üstel düzeltme, sistematik bir eğilim veya mevsimsel bileşene sahip verileri desteklemek üzere genişletilebilen tek değişkenli veriler için bir zaman serisi tahmin yöntemidir.
ExtremeRandomTrees	Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir grup makine öğrenmesi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritmasıyla ilgilidir.
GradientBoosting	Hafta öğrencilerini güçlü bir öğrenciye geçirme tekniğine Boosting adı verilir. Gradyan artırma algoritması işlemi bu yürütme teorisi üzerinde çalışır.
KNN	K-nearest neighbors (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliği' kullanır ve bu da yeni veri noktasına eğitim kümesindeki noktaların ne kadar yakın olduğuna bağlı olarak bir değer atanacağı anlamına gelir.
LassoLars	Kement modeli En Küçük Açı Regresyonu a.k.a. Lars ile uyum sağlar. Normalleştirici olarak önce L1 ile eğitilen bir Doğrusal Modeldir.
LightGBM	LightGBM, ağaç tabanlı öğrenme algoritmaları kullanan bir gradyan artırma çerçevesidir.
Naive	Naive tahmin modeli, eğitim verilerindeki her zaman serisi için en son hedef değeri ileri taşıyarak tahminlerde bulunur.
Prophet	Kahin, doğrusal olmayan eğilimlerin yıllık, haftalık ve günlük mevsimsellik ile tatil etkilerine uygun olduğu bir ekleme modeline dayalı olarak zaman serisi verilerini tahmin etme yordamıdır. En iyi şekilde, güçlü mevsimsel etkileri olan zaman serileri ve birkaç mevsim geçmiş verilerle çalışır. Kahin, eksik verilere ve eğilimdeki değişimlere karşı güçlüdür ve genellikle aykırı değerleri iyi işler.
RandomForest	Rastgele orman denetimli bir öğrenme algoritmasıdır. İnşa ettiği "orman", genellikle "torbalama" yöntemiyle eğitilen bir karar ağaçları topluluğudur. Bagging yönteminin genel fikri, öğrenme modellerinin bir bileşiminin genel sonucu artırmasıdır.
SGD	SGD: Stokastik gradyan azalma genellikle makine öğrenmesi uygulamalarında tahmin edilen ve gerçek çıkışlar arasında en uygun olan model parametrelerini bulmak için kullanılan bir iyileştirme algoritmasıdır. Bu basit ama güçlü bir teknik.
SeasonalAverage	Mevsimsel Ortalama tahmin modeli, eğitim verilerindeki her zaman serisi için en son veri sezonunun ortalama değerini ileri taşıyarak tahminlerde bulunur.
SeasonalNaive	Mevsimsel Naive tahmin modeli, eğitim verilerindeki her zaman serisi için hedef değerlerin en son sezonunu ileri taşıyarak tahminlerde bulunur.
TCNForecaster	TCNForecaster: ZamanSal Konvolusyon Ağları Tahmincisi. TODO: Kısa bir giriş için tahmin ekibine sorun.
XGBoostRegressor	XGBoostRegressor: Extreme Gradyan Artırma Regresörü, temel öğrenci grubu kullanan denetimli bir makine öğrenmesi modelidir.

ForecastingPrimaryMetrics

Listeleme

Tahmin görevi için birincil ölçümler.

Değer	Description
NormalizedMeanAbsoluteError	Normalleştirilmiş Ortalama Mutlak Hata (NMAE), (saat) serisinin Ortalama Mutlak Hata (MAE) değerini farklı ölçeklerle karşılaştırmak için bir doğrulama ölçümüdür.
NormalizedRootMeanSquaredError	RMSE Normalleştirilmiş Kök Ortalama Kare Hatası (NRMSE), farklı ölçeklere sahip modeller arasındaki karşılaştırmayı kolaylaştırır.
R2Score	R2 puanı, tahmin tabanlı makine öğrenmesi modellerine yönelik performans değerlendirme ölçülerinden biridir.
SpearmanCorrelation	Spearman'ın korelasyon derece katsayısı, derece bağıntısının parametrik olmayan bir ölçüsüdür.

ForecastingSettings

Object

Belirli parametreleri tahmin etme.

Name	Tür	Default value	Description
countryOrRegionForHolidays	string		Tahmin görevleri için tatiller için ülke veya bölge. Bunlar ISO 3166 iki harfli ülke/bölge kodları olmalıdır, örneğin 'ABD' veya 'GB'.
cvStepSize	integer (int32)		Bir CV katlama ile bir sonraki katlamanın başlangıç zamanı arasındaki dönem sayısı. Örneğin, günlük veriler için `CVStepSize` = 3 ise, her katlamanın başlangıç süresi üç gün arayla olur.
featureLags	FeatureLags	None	'auto' veya null ile sayısal özellikler için gecikme oluşturma bayrağı.
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon	{"Mode": "Custom", "Value": 1}	Zaman serisi sıklığı birimlerinde istenen maksimum tahmin ufku.
frequency	string		Tahmin yaparken, bu parametre tahminin istendiği dönemi (örneğin, günlük, haftalık, yıllık vb.) temsil eder. Tahmin sıklığı varsayılan olarak veri kümesi sıklığıdır.
seasonality	Seasonality: AutoSeasonality CustomSeasonality	{"Mode": "Auto"}	Zaman serisi mevsimselliğini, seri sıklığının tamsayı katı olarak ayarlayın. Mevsimsellik 'otomatik' olarak ayarlanırsa çıkarım yapılır.
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.
targetAggregateFunction	TargetAggregationFunction	None	Kullanıcı tarafından belirtilen sıklık düzeyine uyacak şekilde zaman serisi hedef sütununu toplamak için kullanılacak işlev. TargetAggregateFunction değeri 'Yok' olarak ayarlanmamışsa ancak freq parametresi ayarlanmamışsa hata oluşur. Olası hedef toplama işlevleri şunlardır: "sum", "max", "min" ve "mean".
targetLags	TargetLags: AutoTargetLags CustomTargetLags		Hedef sütundan gecikmeye neden olacak geçmiş dönemlerin sayısı.
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		Hedef sütunun sıralı pencere ortalamasını oluşturmak için kullanılan geçmiş dönemlerin sayısı.
timeColumnName	string		Saat sütununun adı. Bu parametre, zaman serisini oluşturmak ve sıklığını çıkarsamak için kullanılan giriş verilerinde tarih saat sütununu belirtmek için tahmin yaparken gereklidir.
timeSeriesIdColumnNames	string[]		Zaman zamanlarını gruplandırmak için kullanılan sütunların adları. Birden çok seri oluşturmak için kullanılabilir. Tanecik tanımlanmamışsa, veri kümesinin tek bir zaman serisi olduğu varsayılır. Bu parametre, görev türü tahmini ile kullanılır.
useStl	UseStl	None	Zaman serisi hedef sütununun STL Ayrıştırma'sını yapılandırın.

ForecastingTrainingSettings

Object

Eğitimle ilgili yapılandırmayı tahmin etme.

Name	Tür	Default value	Description
allowedTrainingAlgorithms	ForecastingModels[]		Tahmin görevi için izin verilen modeller.
blockedTrainingAlgorithms	ForecastingModels[]		Tahmin görevi için engellenen modeller.
enableDnnTraining	boolean	False	DNN modelleri önerisini etkinleştirin.
enableModelExplainability	boolean	True	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.
enableOnnxCompatibleModels	boolean	False	Onnx uyumlu modelleri etkinleştirme bayrağı.
enableStackEnsemble	boolean	True	Yığın grubu çalıştırmasını etkinleştirin.
enableVoteEnsemble	boolean	True	Oylama grubu çalıştırmasını etkinleştirin.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalara ait birden çok uygun model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.
stackEnsembleSettings	StackEnsembleSettings		Yığın grubu çalıştırması için yığın grubu ayarları.

Goal

Listeleme

Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar

Değer	Description
Maximize
Minimize

GridSamplingAlgorithm

Object

Boşluktaki her değer bileşimini kapsamlı bir şekilde oluşturan bir Örnekleme Algoritması tanımlar

Name	Tür	Description
samplingAlgorithmType	string: Grid	[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma

IdentityConfigurationType

Listeleme

Kimlik çerçevesini belirlemek için sabit listesi.

Değer	Description
AMLToken
Managed
UserIdentity

ImageClassification

Object

Görüntü Sınıflandırma. Çok sınıflı görüntü sınıflandırması, bir görüntü bir sınıf kümesinden yalnızca tek bir etiketle sınıflandırıldığında kullanılır. Örneğin, her görüntü bir 'kedi' veya 'köpek' ya da 'ördek' görüntüsü olarak sınıflandırılır.

Name	Tür	Default value	Description
limitSettings	ImageLimitSettings		[Gerekli] AutoML işi için ayarları sınırlayın.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
modelSettings	ImageModelSettingsClassification		Modeli eğiten ayarlar.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Bu görev için iyileştirmeye yönelik birincil ölçüm.
searchSpace	ImageModelDistributionSettingsClassification[]		Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.
sweepSettings	ImageSweepSettings		Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: ImageClassification		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.

ImageClassificationMultilabel

Object

Görüntü Sınıflandırma Multilabel. Çok etiketli görüntü sınıflandırması, bir resim bir etiket kümesinden bir veya daha fazla etikete sahip olduğunda kullanılır; örneğin, bir resim hem 'kedi' hem de 'köpek' ile etiketlenebilir.

Name	Tür	Default value	Description
limitSettings	ImageLimitSettings		[Gerekli] AutoML işi için ayarları sınırlayın.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
modelSettings	ImageModelSettingsClassification		Modeli eğiten ayarlar.
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	Bu görev için iyileştirmeye yönelik birincil ölçüm.
searchSpace	ImageModelDistributionSettingsClassification[]		Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.
sweepSettings	ImageSweepSettings		Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: ImageClassificationMultilabel		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.

ImageInstanceSegmentation

Object

Görüntü Örneği Segmentasyonu. Örnek segmentasyonu, bir görüntüdeki nesneleri piksel düzeyinde tanımlamak için kullanılır ve görüntüdeki her nesnenin çevresine bir çokgen çizilir.

Name	Tür	Default value	Description
limitSettings	ImageLimitSettings		[Gerekli] AutoML işi için ayarları sınırlayın.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
modelSettings	ImageModelSettingsObjectDetection		Modeli eğiten ayarlar.
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	Bu görev için iyileştirmeye yönelik birincil ölçüm.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.
sweepSettings	ImageSweepSettings		Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: ImageInstanceSegmentation		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.

ImageLimitSettings

Object

AutoML işi için ayarları sınırlayın.

Name	Tür	Default value	Description
maxConcurrentTrials	integer (int32)	1	En fazla eşzamanlı AutoML yinelemesi sayısı.
maxTrials	integer (int32)	1	AutoML yineleme sayısı üst sınırı.
timeout	string (duration)	P7D	AutoML işi zaman aşımı.

ImageModelDistributionSettingsClassification

Object

Model ayarlarının değerlerini süpürmek için dağıtım ifadeleri. Bazı örnekler şunlardır:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name	Tür	Description
amsGradient	string	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.
augmentations	string	Artırmaları kullanma ayarları.
beta1	string	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.
beta2	string	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.
distributed	string	Distributer eğitiminin kullanılıp kullanılmaymayacağı.
earlyStopping	string	Eğitim sırasında erken durdurma mantığını etkinleştirin.
earlyStoppingDelay	string	Birincil ölçüm geliştirmesinin erken durdurulması için izlenmeden önce beklenebilmesi için en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
earlyStoppingPatience	string	Çalıştırma durdurulmadan önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
enableOnnxNormalization	string	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.
evaluationFrequency	string	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.
gradientAccumulationStep	string	Gradyan birikimi, bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirmeden yapılandırılmış sayıda "GradAccumulationStep" adımı çalıştırma ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanları kullanma anlamına gelir. Pozitif bir tamsayı olmalıdır.
layersToFreeze	string	Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, katman0 ve katman1'in donması anlamına gelir. Desteklenen modellerin tam listesi ve katman donmasıyla ilgili ayrıntılar için bkz. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.
learningRateScheduler	string	Öğrenme oranı zamanlayıcı türü. 'warmup_cosine' veya 'step' olmalıdır.
modelName	string	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	string	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.
nesterov	string	İyileştirici 'sgd' olduğunda nesterov özelliğini etkinleştirin.
numberOfEpochs	string	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.
numberOfWorkers	string	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.
optimizer	string	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.
randomSeed	string	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.
stepLRGamma	string	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.
stepLRStepSize	string	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutu değeri. Pozitif bir tamsayı olmalıdır.
trainingBatchSize	string	Eğitim veri kümesi boyutu. Pozitif bir tamsayı olmalıdır.
trainingCropSize	string	Eğitim veri kümesinin sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.
validationBatchSize	string	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
validationCropSize	string	Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.
validationResizeSize	string	Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.
warmupCosineLRCycles	string	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.
warmupCosineLRWarmupEpochs	string	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.
weightDecay	string	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda kilo bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.
weightedLoss	string	Ağırlıklı kayıp. Kabul edilen değerler, ağırlıksız kayıp için 0'dır. 1 sqrt ile ağırlıklı kayıp için. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0, 1 veya 2 olmalıdır.

ImageModelDistributionSettingsObjectDetection

Object

Model ayarlarının değerlerini süpürmek için dağıtım ifadeleri. Bazı örnekler şunlardır:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name	Tür	Description
amsGradient	string	İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.
augmentations	string	Artırmaları kullanma ayarları.
beta1	string	İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.
beta2	string	İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.
boxDetectionsPerImage	string	Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
boxScoreThreshold	string	Çıkarım sırasında, yalnızca Sınıflandırma puanı BoxScoreThreshold'tan büyük olan teklifleri döndürür. [0, 1] aralığında bir float olmalıdır.
distributed	string	Distributer eğitiminin kullanılıp kullanılmaymayacağı.
earlyStopping	string	Eğitim sırasında erken durdurma mantığını etkinleştirin.
earlyStoppingDelay	string	Birincil ölçüm geliştirmesinin erken durdurulması için izlenmeden önce beklenebilmesi için en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
earlyStoppingPatience	string	Çalıştırma durdurulmadan önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
enableOnnxNormalization	string	ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.
evaluationFrequency	string	Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.
gradientAccumulationStep	string	Gradyan birikimi, bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirmeden yapılandırılmış sayıda "GradAccumulationStep" adımı çalıştırma ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanları kullanma anlamına gelir. Pozitif bir tamsayı olmalıdır.
imageSize	string	Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
layersToFreeze	string	Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, katman0 ve katman1'in donması anlamına gelir. Desteklenen modellerin tam listesi ve katman donmasıyla ilgili ayrıntılar için bkz. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	string	İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.
learningRateScheduler	string	Öğrenme oranı zamanlayıcı türü. 'warmup_cosine' veya 'step' olmalıdır.
maxSize	string	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
minSize	string	Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
modelName	string	Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	string	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
momentum	string	İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.
multiScale	string	Görüntü boyutunu +/- 50%değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
nesterov	string	İyileştirici 'sgd' olduğunda nesterov özelliğini etkinleştirin.
nmsIouThreshold	string	NMS'de işlem sonrası çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında kayan olmalıdır.
numberOfEpochs	string	Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.
numberOfWorkers	string	Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.
optimizer	string	İyileştirici türü. 'sgd', 'adam' veya 'adamw' olmalıdır.
randomSeed	string	Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.
stepLRGamma	string	Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.
stepLRStepSize	string	Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutu değeri. Pozitif bir tamsayı olmalıdır.
tileGridSize	string	Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: Küçük nesne algılama mantığını etkinleştirmek için TileGridSize Yok olmamalıdır. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
tileOverlapRatio	string	Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
tilePredictionsNmsThreshold	string	Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kayan olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez. NMS: Maksimum olmayan gizleme
trainingBatchSize	string	Eğitim veri kümesi boyutu. Pozitif bir tamsayı olmalıdır.
validationBatchSize	string	Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
validationIouThreshold	string	Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kayan olmalıdır.
validationMetricType	string	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi. 'none', 'coco', 'voc' veya 'coco_voc' olmalıdır.
warmupCosineLRCycles	string	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.
warmupCosineLRWarmupEpochs	string	Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.
weightDecay	string	İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda kilo bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.

ImageModelSettingsClassification

Object

Modeli eğiten ayarlar. Kullanılabilir ayarlar hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name	Tür	Default value	Description
advancedSettings	string		Gelişmiş senaryolar için ayarlar.
amsGradient	boolean		İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.
augmentations	string		Artırmaları kullanma ayarları.
beta1	number (float)		İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.
beta2	number (float)		İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.
checkpointFrequency	integer (int32)		Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.
checkpointModel	MLFlowModelJobInput		Artımlı eğitim için önceden eğitilmiş denetim noktası modeli.
checkpointRunId	string		Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.
distributed	boolean		Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.
earlyStopping	boolean		Eğitim sırasında erken durdurma mantığını etkinleştirin.
earlyStoppingDelay	integer (int32)		Birincil ölçüm geliştirmesinin erken durdurulması için izlenmeden önce beklenebilmesi için en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
earlyStoppingPatience	integer (int32)		Çalıştırma durdurulmadan önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
enableOnnxNormalization	boolean		ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.
evaluationFrequency	integer (int32)		Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.
gradientAccumulationStep	integer (int32)		Gradyan birikimi, bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirmeden yapılandırılmış sayıda "GradAccumulationStep" adımı çalıştırma ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanları kullanma anlamına gelir. Pozitif bir tamsayı olmalıdır.
layersToFreeze	integer (int32)		Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, katman0 ve katman1'in donması anlamına gelir. Desteklenen modellerin tam listesi ve katman donmasıyla ilgili ayrıntılar için bkz. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.
learningRateScheduler	LearningRateScheduler	None	Öğrenme oranı zamanlayıcı türü. 'warmup_cosine' veya 'step' olmalıdır.
modelName	string		Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
momentum	number (float)		İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.
nesterov	boolean		İyileştirici 'sgd' olduğunda nesterov özelliğini etkinleştirin.
numberOfEpochs	integer (int32)		Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.
numberOfWorkers	integer (int32)		Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.
optimizer	StochasticOptimizer	None	İyileştirici türü.
randomSeed	integer (int32)		Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.
stepLRGamma	number (float)		Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.
stepLRStepSize	integer (int32)		Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutu değeri. Pozitif bir tamsayı olmalıdır.
trainingBatchSize	integer (int32)		Eğitim veri kümesi boyutu. Pozitif bir tamsayı olmalıdır.
trainingCropSize	integer (int32)		Eğitim veri kümesinin sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.
validationBatchSize	integer (int32)		Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
validationCropSize	integer (int32)		Doğrulama veri kümesi için sinir ağına giriş olan görüntü kırpma boyutu. Pozitif bir tamsayı olmalıdır.
validationResizeSize	integer (int32)		Doğrulama veri kümesi için kırpmadan önce yeniden boyutlandırılan görüntü boyutu. Pozitif bir tamsayı olmalıdır.
warmupCosineLRCycles	number (float)		Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.
warmupCosineLRWarmupEpochs	integer (int32)		Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.
weightDecay	number (float)		İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda kilo bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.
weightedLoss	integer (int32)		Ağırlıklı kayıp. Kabul edilen değerler, ağırlıksız kayıp için 0'dır. 1 sqrt ile ağırlıklı kayıp için. (class_weights). class_weights ile ağırlıklı kayıp için 2. 0, 1 veya 2 olmalıdır.

ImageModelSettingsObjectDetection

Object

Name	Tür	Default value	Description
advancedSettings	string		Gelişmiş senaryolar için ayarlar.
amsGradient	boolean		İyileştirici 'adam' veya 'adamw' olduğunda AMSGrad'ı etkinleştirin.
augmentations	string		Artırmaları kullanma ayarları.
beta1	number (float)		İyileştirici 'adam' veya 'adamw' olduğunda 'beta1' değeri. [0, 1] aralığında bir float olmalıdır.
beta2	number (float)		İyileştirici 'adam' veya 'adamw' olduğunda 'beta2' değeri. [0, 1] aralığında bir float olmalıdır.
boxDetectionsPerImage	integer (int32)		Tüm sınıflar için görüntü başına en fazla algılama sayısı. Pozitif bir tamsayı olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
boxScoreThreshold	number (float)		Çıkarım sırasında, yalnızca Sınıflandırma puanı BoxScoreThreshold'tan büyük olan teklifleri döndürür. [0, 1] aralığında bir float olmalıdır.
checkpointFrequency	integer (int32)		Model denetim noktalarını depolama sıklığı. Pozitif bir tamsayı olmalıdır.
checkpointModel	MLFlowModelJobInput		Artımlı eğitim için önceden eğitilmiş denetim noktası modeli.
checkpointRunId	string		Artımlı eğitim için önceden eğitilmiş bir denetim noktası olan önceki çalıştırmanın kimliği.
distributed	boolean		Dağıtılmış eğitimin kullanılıp kullanılmaymayacağı.
earlyStopping	boolean		Eğitim sırasında erken durdurma mantığını etkinleştirin.
earlyStoppingDelay	integer (int32)		Birincil ölçüm geliştirmesinin erken durdurulması için izlenmeden önce beklenebilmesi için en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
earlyStoppingPatience	integer (int32)		Çalıştırma durdurulmadan önce birincil ölçüm geliştirmesi yapılmadan en az dönem veya doğrulama değerlendirmesi sayısı. Pozitif bir tamsayı olmalıdır.
enableOnnxNormalization	boolean		ONNX modelini dışarı aktarırken normalleştirmeyi etkinleştirin.
evaluationFrequency	integer (int32)		Ölçüm puanlarını almak için doğrulama veri kümesini değerlendirme sıklığı. Pozitif bir tamsayı olmalıdır.
gradientAccumulationStep	integer (int32)		Gradyan birikimi, bu adımların gradyanlarını biriktirirken model ağırlıklarını güncelleştirmeden yapılandırılmış sayıda "GradAccumulationStep" adımı çalıştırma ve ardından ağırlık güncelleştirmelerini hesaplamak için birikmiş gradyanları kullanma anlamına gelir. Pozitif bir tamsayı olmalıdır.
imageSize	integer (int32)		Tren ve doğrulama için görüntü boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
layersToFreeze	integer (int32)		Model için donacak katman sayısı. Pozitif bir tamsayı olmalıdır. Örneğin, 'seresnext' için değer olarak 2 geçirmek, katman0 ve katman1'in donması anlamına gelir. Desteklenen modellerin tam listesi ve katman donmasıyla ilgili ayrıntılar için bkz. https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
learningRate	number (float)		İlk öğrenme oranı. [0, 1] aralığında bir float olmalıdır.
learningRateScheduler	LearningRateScheduler	None	Öğrenme oranı zamanlayıcı türü. 'warmup_cosine' veya 'step' olmalıdır.
maxSize	integer (int32)		Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün maksimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
minSize	integer (int32)		Omurgaya beslemeden önce yeniden ölçeklendirilecek görüntünün minimum boyutu. Pozitif bir tamsayı olmalıdır. Not: Boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
modelName	string		Eğitim için kullanılacak modelin adı. Kullanılabilir modeller hakkında daha fazla bilgi için lütfen resmi belgeleri ziyaret edin: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
modelSize	ModelSize	None	Model boyutu. 'Küçük', 'orta', 'büyük' veya 'xlarge' olmalıdır. Not: Model boyutu çok büyükse eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
momentum	number (float)		İyileştirici 'sgd' olduğunda momentum değeri. [0, 1] aralığında bir float olmalıdır.
multiScale	boolean		Görüntü boyutunu +/- 50%değiştirerek çok ölçekli görüntüyü etkinleştirin. Not: Yeterli GPU belleği yoksa eğitim çalıştırması CUDA OOM'a alınabilir. Not: Bu ayarlar yalnızca 'yolov5' algoritması için desteklenir.
nesterov	boolean		İyileştirici 'sgd' olduğunda nesterov özelliğini etkinleştirin.
nmsIouThreshold	number (float)		NMS'de işlem sonrası çıkarım sırasında kullanılan IOU eşiği. [0, 1] aralığında bir float olmalıdır.
numberOfEpochs	integer (int32)		Eğitim dönemlerinin sayısı. Pozitif bir tamsayı olmalıdır.
numberOfWorkers	integer (int32)		Veri yükleyici çalışanlarının sayısı. Negatif olmayan bir tamsayı olmalıdır.
optimizer	StochasticOptimizer	None	İyileştirici türü.
randomSeed	integer (int32)		Belirlenmci eğitim kullanılırken kullanılacak rastgele tohum.
stepLRGamma	number (float)		Öğrenme hızı zamanlayıcı 'step' olduğunda gama değeri. [0, 1] aralığında bir float olmalıdır.
stepLRStepSize	integer (int32)		Öğrenme hızı zamanlayıcısı 'step' olduğunda adım boyutu değeri. Pozitif bir tamsayı olmalıdır.
tileGridSize	string		Her görüntüyü döşemek için kullanılacak kılavuz boyutu. Not: Küçük nesne algılama mantığını etkinleştirmek için TileGridSize Yok olmamalıdır. mxn biçiminde iki tamsayı içeren bir dize. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
tileOverlapRatio	number (float)		Her boyuttaki bitişik kutucuklar arasındaki çakışma oranı. [0, 1) aralığında kaydırılmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
tilePredictionsNmsThreshold	number (float)		Kutucuklardan ve görüntüden tahminleri birleştirirken NMS gerçekleştirmek için kullanılacak IOU eşiği. Doğrulama/çıkarımda kullanılır. [0, 1] aralığında kayan olmalıdır. Not: Bu ayarlar 'yolov5' algoritması için desteklenmez.
trainingBatchSize	integer (int32)		Eğitim veri kümesi boyutu. Pozitif bir tamsayı olmalıdır.
validationBatchSize	integer (int32)		Doğrulama toplu iş boyutu. Pozitif bir tamsayı olmalıdır.
validationIouThreshold	number (float)		Doğrulama ölçümü hesaplanırken kullanılacak IOU eşiği. [0, 1] aralığında kayan olmalıdır.
validationMetricType	ValidationMetricType	None	Doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.
warmupCosineLRCycles	number (float)		Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda kosinüs döngüsünün değeri. [0, 1] aralığında bir float olmalıdır.
warmupCosineLRWarmupEpochs	integer (int32)		Öğrenme hızı zamanlayıcısı 'warmup_cosine' olduğunda ısınma dönemlerinin değeri. Pozitif bir tamsayı olmalıdır.
weightDecay	number (float)		İyileştirici 'sgd', 'adam' veya 'adamw' olduğunda kilo bozulmasının değeri. [0, 1] aralığında bir float olmalıdır.

ImageObjectDetection

Object

Görüntü Nesnesi Algılama. Nesne algılama, görüntüdeki nesneleri tanımlamak ve sınırlayıcı kutu ile her nesneyi bulmak için kullanılır; örneğin, bir görüntüdeki tüm köpek ve kedileri bulun ve her birinin çevresine bir sınırlayıcı kutu çizin.

Name	Tür	Default value	Description
limitSettings	ImageLimitSettings		[Gerekli] AutoML işi için ayarları sınırlayın.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
modelSettings	ImageModelSettingsObjectDetection		Modeli eğiten ayarlar.
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	Bu görev için iyileştirmeye yönelik birincil ölçüm.
searchSpace	ImageModelDistributionSettingsObjectDetection[]		Farklı model bileşimlerini ve hiper parametreleri örneklemek için arama alanı.
sweepSettings	ImageSweepSettings		Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: ImageObjectDetection		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.

ImageSweepSettings

Object

Model süpürme ve hiper parametre süpürme ile ilgili ayarlar.

Name	Tür	Description
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	Erken sonlandırma ilkesinin türü.
samplingAlgorithm	SamplingAlgorithmType	[Gerekli] Hiper parametre örnekleme algoritmalarının türü.

InputDeliveryMode

Listeleme

Giriş veri teslim modunu belirlemek için sabit listesi.

Değer	Description
Direct
Download
EvalDownload
EvalMount
ReadOnlyMount
ReadWriteMount

InstanceSegmentationPrimaryMetrics

Listeleme

InstanceSegmentation görevleri için birincil ölçümler.

Değer	Description
MeanAveragePrecision	Ortalama Ortalama Duyarlık (MAP), AP (Ortalama Duyarlık) ortalamasıdır. HER sınıf için AP hesaplanır ve MAP'yi almak için ortalaması alınır.

JobBaseResource

Object

Azure Resource Manager kaynak zarfı.

Name	Tür	Description
id	string	Kaynağın tam kaynak kimliği. Örn - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	Kaynağın adı
properties	JobBase: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[Gerekli] Varlığın ek öznitelikleri.
systemData	systemData	createdBy ve modifiedBy bilgilerini içeren Azure Resource Manager meta verileri.
type	string	Kaynağın türü. Örneğin, "Microsoft.Compute/virtualMachines" veya "Microsoft.Storage/storageAccounts"

JobInputType

Listeleme

İş Giriş Türünü belirlemek için sabit listesi.

Değer	Description
custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobLimitsType

Listeleme

Değer	Description
Command
Sweep

JobOutputType

Listeleme

İş Çıkış Türünü belirlemek için sabit listesi.

Değer	Description
custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobResourceConfiguration

Object

Name	Tür	Default value	Description
dockerArgs	string		Docker çalıştırma komutuna geçirmek için ek bağımsız değişkenler. Bu, sistem tarafından önceden ayarlanmış olan veya bu bölümdeki parametreleri geçersiz kılar. Bu parametre yalnızca Azure ML işlem türleri için desteklenir.
instanceCount	integer (int32)	1	İşlem hedefi tarafından kullanılan isteğe bağlı örnek veya düğüm sayısı.
instanceType	string		İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü.
properties	object		Ek özellikler çantası.
shmSize	string pattern: \d+[bBkKmMgG]	2g	Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Bu, sayının 0'dan büyük olduğu (sayı)(birim) biçiminde ve birim b(bayt), k(kilobayt), m(megabayt) veya g(gigabayt) biçiminde olmalıdır.

JobService

Object

İş uç noktası tanımı

Name	Tür	Description
endpoint	string	Uç nokta url'si.
errorMessage	string	Hizmetteki herhangi bir hata.
jobServiceType	string	Uç nokta türü.
nodes	Nodes: AllNodes	Kullanıcının hizmeti başlatmak istediğiniz düğümler. Düğümler null olarak ayarlanmadıysa veya ayarlanmadıysa, hizmet yalnızca öncü düğümde başlatılır.
port	integer (int32)	Uç nokta için bağlantı noktası.
properties	object	Uç noktada ayarlanacağı ek özellikler.
status	string	Uç noktanın durumu.

JobStatus

Listeleme

İşin durumu.

Değer	Description
CancelRequested	İş için iptal istendi.
Canceled	İptal isteğinden sonra iş başarıyla iptal edilir.
Completed	İş başarıyla tamamlandı. Bu, hem işin kendisinin hem de çıktı toplama durumlarının başarıyla tamamlandığını yansıtır
Failed	İş başarısız oldu.
Finalizing	İş hedefte tamamlanır. Şu anda çıkış koleksiyonu durumunda.
NotResponding	Sinyal etkinleştirildiğinde, çalıştırma RunHistory'ye herhangi bir bilgi güncelleştirmiyorsa çalıştırma NotResponding durumuna geçer. NotResponding, katı geçiş emirlerinden muaf tutulan tek durumdur. Bir çalıştırma NotResponding'den önceki durumların herhangi birine gidebilir.
NotStarted	Çalıştırma henüz başlamadı.
Paused	İş kullanıcılar tarafından duraklatılır. Etiketleme işlerinde bazı ayarlamalar yalnızca duraklatılmış durumda yapılabilir.
Preparing	Çalıştırma ortamı hazırlanıyor.
Provisioning	(Şu anda kullanılmıyor) ES işlem hedefini oluşturuyorsa kullanılır.
Queued	İş, işlem hedefinde kuyruğa alınır. Örneğin BatchAI'de iş, tüm gerekli düğümlerin hazır olmasını beklerken kuyruğa alınmış durumdadır.
Running	İş işlem hedefinde çalışmaya başladı.
Starting	Çalıştırma başlatıldı. Kullanıcının bir çalıştırma kimliği var.
Unknown	Diğer tüm durumlara eşlenmemişse varsayılan iş durumu

JobTier

Listeleme

İş katmanını belirlemek için Enum.

Değer	Description
Basic
Null
Premium
Spot
Standard

JobType

Listeleme

İşin türünü belirlemek için sabit listesi.

Değer	Description
AutoML
Command
Pipeline
Spark
Sweep

LearningRateScheduler

Listeleme

Öğrenme hızı zamanlayıcı sabit listesi.

Değer	Description
None	Öğrenme oranı zamanlayıcı seçilmedi.
Step	Adım öğrenme hızı zamanlayıcı.
WarmupCosine	Isınma ile kosinüs tavlama.

LiteralJobInput

Object

Değişmez değer giriş türü.

Name	Tür	Description
description	string	Girişin açıklaması.
jobInputType	string: literal	[Gerekli] İşin türünü belirtir.
value	string minLength: 1 pattern: [a-zA-Z0-9_]	[Gerekli] Giriş için değişmez değer.

LogVerbosity

Listeleme

Günlük ayrıntı düzeyini ayarlamak için sabit listesi.

Değer	Description
Critical	Yalnızca kritik deyimler günlüğe kaydedildi.
Debug	Günlüğe kaydedilen günlük deyimlerinde hata ayıklama ve yukarıdakiler.
Error	Hata ve yukarıdaki günlük deyimleri günlüğe kaydedildi.
Info	Bilgiler ve yukarıdaki günlük deyimleri günlüğe kaydedildi.
NotSet	Hiçbir günlük kaydedilmedi.
Warning	Uyarı ve yukarıdaki günlük deyimleri günlüğe kaydedildi.

ManagedIdentity

Object

Yönetilen kimlik yapılandırması.

Name	Tür	Description
clientId	string (uuid)	İstemci kimliğine göre kullanıcı tarafından atanan bir kimlik belirtir. Sistem tarafından atananlar için bu alanı ayarlamayın.
identityType	string: Managed	[Gerekli] Kimlik çerçevesinin türünü belirtir.
objectId	string (uuid)	Nesne kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atananlar için bu alanı ayarlamayın.
resourceId	string	ARM kaynak kimliğine göre kullanıcı tarafından atanan kimliği belirtir. Sistem tarafından atananlar için bu alanı ayarlamayın.

MedianStoppingPolicy

Object

Tüm çalıştırmaların birincil ölçümünün çalışan ortalamalarını temel alan bir erken sonlandırma ilkesi tanımlar

Name	Tür	Default value	Description
delayEvaluation	integer (int32)	0	İlk değerlendirmenin geciktirilme aralığı sayısı.
evaluationInterval	integer (int32)	0	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).
policyType	string: MedianStopping		[Gerekli] İlke yapılandırmasının adı

MLFlowModelJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: mlflow_model		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

MLFlowModelJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: mlflow_model		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

MLTableJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: mltable		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

MLTableJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: mltable		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

ModelSize

Listeleme

Görüntü modeli boyutu.

Değer	Description
ExtraLarge	Ekstra büyük boyut.
Large	Büyük boyutlu.
Medium	Orta boy.
None	Değer seçilmedi.
Small	Küçük boyutlu.

Mpi

Object

MPI dağıtım yapılandırması.

Name	Tür	Description
distributionType	string: Mpi	[Gerekli] Dağıtım çerçevesinin türünü belirtir.
processCountPerInstance	integer (int32)	MPI düğümü başına işlem sayısı.

NCrossValidationsMode

Listeleme

N-Cross doğrulama değerinin nasıl belirleneceğini belirler.

Değer	Description
Auto	N-Cross doğrulama değerini otomatik olarak belirleyin. Yalnızca 'Tahmin' AutoML görevi için desteklenir.
Custom	Özel N-Cross doğrulama değeri kullanın.

NlpVerticalFeaturizationSettings

Object

Name	Tür	Description
datasetLanguage	string	Veri kümesi dili, metin verileri için kullanışlıdır.

NlpVerticalLimitSettings

Object

İş yürütme kısıtlamaları.

Name	Tür	Default value	Description
maxConcurrentTrials	integer (int32)	1	En Fazla Eşzamanlı AutoML yinelemesi.
maxTrials	integer (int32)	1	AutoML yinelemelerinin sayısı.
timeout	string (duration)	P7D	AutoML işi zaman aşımı.

NodesValueType

Listeleme

Düğümler değeri için numaralandırılmış türler

Değer	Description
All

NotificationSetting

Object

Bildirim için yapılandırma.

Name	Tür	Description
emailOn	EmailNotificationEnableType[]	Belirtilen bildirim türünde kullanıcıya e-posta bildirimi gönderme
emails	string[]	Bu, virgül ayırıcısı olan toplam 499 karakterlik bir sınırlamaya sahip e-posta alıcı listesidir
webhooks	object	Bir hizmete web kancası geri çağırması gönderme. Anahtar, web kancası için kullanıcı tarafından sağlanan bir addır.

ObjectDetectionPrimaryMetrics

Listeleme

Image ObjectDetection görevi için birincil ölçümler.

Değer	Description
MeanAveragePrecision	Ortalama Ortalama Duyarlık (MAP), AP (Ortalama Duyarlık) ortalamasıdır. HER sınıf için AP hesaplanır ve MAP'yi almak için ortalaması alınır.

Objective

Object

İyileştirme hedefi.

Name	Tür	Description
goal	Goal	[Gerekli] Hiper parametre ayarlama için desteklenen ölçüm hedeflerini tanımlar
primaryMetric	string minLength: 1 pattern: [a-zA-Z0-9_]	[Gerekli] İyileştirecek ölçümün adı.

OutputDeliveryMode

Listeleme

Çıkış veri teslim modu sabit listeleri.

Değer	Description
Direct
ReadWriteMount
Upload

PipelineJob

Object

İşlem Hattı İşi tanımı: MFE öznitelikleri için genel tanımlar.

Name	Tür	Default value	Description
componentId	string		Bileşen kaynağının ARM kaynak kimliği.
computeId	string		İşlem kaynağının ARM kaynak kimliği.
description	string		Varlık açıklaması metni.
displayName	string		İşin görünen adı.
experimentName	string	Default	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olur.
inputs	object		İşlem hattı işi için girişler.
isArchived	boolean	False	Varlık arşivlenmiş mi?
jobType	string: Pipeline		[Gerekli] İşin türünü belirtir.
jobs	object		İşler İşlem Hattı İşini oluşturur.
notificationSetting	NotificationSetting		İş için bildirim ayarı
outputs	object		İşlem hattı işinin çıkışları
properties	object		Varlık özelliği sözlüğü.
services	<string, JobService>		JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç nokta değerine sahip olur.
settings	object		ContinueRunOnStepFailure gibi öğeler için işlem hattı ayarları.
sourceJobId	string		Kaynak işin ARM kaynak kimliği.
status	JobStatus		İşin durumu.
tags	object		Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.

PyTorch

Object

PyTorch dağıtım yapılandırması.

Name	Tür	Description
distributionType	string: PyTorch	[Gerekli] Dağıtım çerçevesinin türünü belirtir.
processCountPerInstance	integer (int32)	Düğüm başına işlem sayısı.

QueueSettings

Object

Name	Tür	Default value	Description
jobTier	JobTier	Null	İşlem işi katmanını denetler

RandomSamplingAlgorithm

Object

Rastgele değer oluşturan bir Örnekleme Algoritması tanımlar

Name	Tür	Default value	Description
rule	RandomSamplingAlgorithmRule	Random	Belirli bir rastgele algoritma türü
samplingAlgorithmType	string: Random		[Gerekli] Yapılandırma özellikleriyle birlikte hiper parametre değerleri oluşturmak için kullanılan algoritma
seed	integer (int32)		Rastgele sayı oluşturma için çekirdek olarak kullanılacak isteğe bağlı tamsayı

RandomSamplingAlgorithmRule

Listeleme

Belirli bir rastgele algoritma türü

Değer	Description
Random
Sobol

Regression

Object

AutoML Tablosunda dikey regresyon görevi.

Name	Tür	Default value	Description
cvSplitColumnNames	string[]		CVSplit verileri için kullanılacak sütunlar.
featurizationSettings	TableVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
limitSettings	TableVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		Doğrulama veri kümesi sağlanmadığında eğitim veri kümesine uygulanacak çapraz doğrulama katlamalarının sayısı.
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	Regresyon görevi için birincil ölçüm.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: Regression		[Gerekli] AutoMLjob için görev türü.
testData	MLTableJobInput		Veri girişini test edin.
testDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken test veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
trainingSettings	RegressionTrainingSettings		AutoML İşi için eğitim aşamasına yönelik girişler.
validationData	MLTableJobInput		Doğrulama veri girişleri.
validationDataSize	number (double)		Doğrulama amacıyla bir kenara ayarlanması gereken eğitim veri kümesinin bölümü. Doğrulama veri kümesi sağlanmadığında (0,0 , 1,0) arasındaki değerler uygulanır.
weightColumnName	string		Örnek ağırlık sütununun adı. Otomatik ML, giriş olarak ağırlıklı bir sütunu destekler ve bu da verilerdeki satırların yukarı veya aşağı ağırlıklı olmasına neden olur.

RegressionModels

Listeleme

AutoML tarafından desteklenen tüm Regresyon modelleri için sabit listesi.

Değer	Description
DecisionTree	Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden elde edilen basit karar kurallarını öğrenerek hedef değişkenin değerini tahmin eden bir model oluşturmaktır.
ElasticNet	Elastik ağ, özellikle L1 ve L2 ceza işlevleri olmak üzere iki popüler cezayı birleştiren popüler bir düzenli doğrusal regresyon türüdür.
ExtremeRandomTrees	Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir grup makine öğrenmesi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritmasıyla ilgilidir.
GradientBoosting	Hafta öğrencilerini güçlü bir öğrenciye geçirme tekniğine Boosting adı verilir. Gradyan artırma algoritması işlemi bu yürütme teorisi üzerinde çalışır.
KNN	K-nearest neighbors (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliği' kullanır ve bu da yeni veri noktasına eğitim kümesindeki noktaların ne kadar yakın olduğuna bağlı olarak bir değer atanacağı anlamına gelir.
LassoLars	Kement modeli En Küçük Açı Regresyonu a.k.a. Lars ile uyum sağlar. Normalleştirici olarak önce L1 ile eğitilen bir Doğrusal Modeldir.
LightGBM	LightGBM, ağaç tabanlı öğrenme algoritmaları kullanan bir gradyan artırma çerçevesidir.
RandomForest	Rastgele orman denetimli bir öğrenme algoritmasıdır. İnşa ettiği "orman", genellikle "torbalama" yöntemiyle eğitilen bir karar ağaçları topluluğudur. Bagging yönteminin genel fikri, öğrenme modellerinin bir bileşiminin genel sonucu artırmasıdır.
SGD	SGD: Stokastik gradyan azalma genellikle makine öğrenmesi uygulamalarında tahmin edilen ve gerçek çıkışlar arasında en uygun olan model parametrelerini bulmak için kullanılan bir iyileştirme algoritmasıdır. Bu basit ama güçlü bir teknik.
XGBoostRegressor	XGBoostRegressor: Extreme Gradyan Artırma Regresörü, temel öğrenci grubu kullanan denetimli bir makine öğrenmesi modelidir.

RegressionPrimaryMetrics

Listeleme

Regresyon görevi için birincil ölçümler.

Değer	Description
NormalizedMeanAbsoluteError	Normalleştirilmiş Ortalama Mutlak Hata (NMAE), (saat) serisinin Ortalama Mutlak Hata (MAE) değerini farklı ölçeklerle karşılaştırmak için bir doğrulama ölçümüdür.
NormalizedRootMeanSquaredError	RMSE Normalleştirilmiş Kök Ortalama Kare Hatası (NRMSE), farklı ölçeklere sahip modeller arasındaki karşılaştırmayı kolaylaştırır.
R2Score	R2 puanı, tahmin tabanlı makine öğrenmesi modellerine yönelik performans değerlendirme ölçülerinden biridir.
SpearmanCorrelation	Spearman'ın korelasyon derece katsayısı, derece bağıntısınınparametrik olmayan bir ölçüsüdür.

RegressionTrainingSettings

Object

Regresyon Eğitimi ile ilgili yapılandırma.

Name	Tür	Default value	Description
allowedTrainingAlgorithms	RegressionModels[]		Regresyon görevi için izin verilen modeller.
blockedTrainingAlgorithms	RegressionModels[]		Regresyon görevi için engellenen modeller.
enableDnnTraining	boolean	False	DNN modelleri önerisini etkinleştirin.
enableModelExplainability	boolean	True	En iyi modelde açıklanabilirliği açmak için bayrak ekleyin.
enableOnnxCompatibleModels	boolean	False	Onnx uyumlu modelleri etkinleştirme bayrağı.
enableStackEnsemble	boolean	True	Yığın grubu çalıştırmasını etkinleştirin.
enableVoteEnsemble	boolean	True	Oylama grubu çalıştırmasını etkinleştirin.
ensembleModelDownloadTimeout	string (duration)	PT5M	VotingEnsemble ve StackEnsemble model oluşturma sırasında, önceki alt çalıştırmalara ait birden çok uygun model indirilir. Daha fazla zaman gerekiyorsa bu parametreyi 300 saniyeden daha yüksek bir değerle yapılandırın.
stackEnsembleSettings	StackEnsembleSettings		Yığın grubu çalıştırması için yığın grubu ayarları.

SamplingAlgorithmType

Listeleme

Değer	Description
Bayesian
Grid
Random

SeasonalityMode

Listeleme

Mevsimsellik modunu tahmin etme.

Değer	Description
Auto	Mevsimsellik otomatik olarak belirlenecek.
Custom	Özel mevsimsellik değerini kullanın.

ShortSeriesHandlingConfiguration

Listeleme

AutoML'nin kısa zaman serisini nasıl işleyeceklerini tanımlayan parametre.

Değer	Description
Auto	Uzun seri yoksa kısa seriler doldurulur, aksi takdirde kısa seriler bırakılır.
Drop	Tüm kısa seriler bırakılır.
None	No/null değerini temsil eder.
Pad	Tüm kısa seriler doldurulacak.

SparkJob

Object

Spark iş tanımı.

Name	Tür	Default value	Description
archives	string[]		İşte kullanılan dosyaları arşivleyin.
args	string		İşin bağımsız değişkenleri.
codeId	string (arm-id) minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] kod varlığının arm-id değeri.
componentId	string		Bileşen kaynağının ARM kaynak kimliği.
computeId	string		İşlem kaynağının ARM kaynak kimliği.
conf	object		Spark yapılandırılmış özellikleri.
description	string		Varlık açıklaması metni.
displayName	string		İşin görünen adı.
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[Gerekli] İşin başlangıcında yürütülecek giriş.
environmentId	string (arm-id)		İşin Ortam belirtiminin ARM kaynak kimliği.
environmentVariables	object		İşe dahil edilen ortam değişkenleri.
experimentName	string	Default	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.
files	string[]		İşte kullanılan dosyalar.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olur.
inputs	object		İşte kullanılan giriş veri bağlamalarının eşlemesi.
isArchived	boolean	False	Varlık arşivlenmiş mi?
jars	string[]		İşte kullanılan jar dosyaları.
jobType	string: Spark		[Gerekli] İşin türünü belirtir.
notificationSetting	NotificationSetting		İş için bildirim ayarı
outputs	object		İşte kullanılan çıktı veri bağlamalarının eşlemesi.
properties	object		Varlık özelliği sözlüğü.
pyFiles	string[]		İşte kullanılan Python dosyaları.
queueSettings	QueueSettings		İş için kuyruk ayarları
resources	SparkResourceConfiguration		İş için İşlem Kaynağı yapılandırması.
services	<string, JobService>		JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç nokta değerine sahip olur.
status	JobStatus		İşin durumu.
tags	object		Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.

SparkJobEntryType

Listeleme

Değer	Description
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

Object

Name	Tür	Description
file	string minLength: 1 pattern: [a-zA-Z0-9_]	[Gerekli] İş giriş noktası için göreli python dosya yolu.
sparkJobEntryType	string: SparkJobPythonEntry	[Gerekli] İşin giriş noktasının türü.

SparkJobScalaEntry

Object

Name	Tür	Description
className	string minLength: 1 pattern: [a-zA-Z0-9_]	[Gerekli] Giriş noktası olarak kullanılan Scala sınıf adı.
sparkJobEntryType	string: SparkJobScalaEntry	[Gerekli] İşin giriş noktasının türü.

SparkResourceConfiguration

Object

Name	Tür	Default value	Description
instanceType	string		İşlem hedefi tarafından desteklendiği şekilde kullanılan isteğe bağlı VM türü.
runtimeVersion	string	3.1	İş için kullanılan Spark çalışma zamanının sürümü.

StackEnsembleSettings

Object

StackEnsemble çalıştırmasını özelleştirmek için ayarı ilerler.

Name	Tür	Default value	Description
stackMetaLearnerKWargs	object		Meta öğrenicinin başlatıcısına geçirmek için isteğe bağlı parametreler.
stackMetaLearnerTrainPercentage	number (double)	0.2	Meta öğreniciyi eğitmek için ayrılacak eğitim kümesinin oranını (eğitim ve doğrulama türü seçerken) belirtir. Varsayılan değer 0,2'dir.
stackMetaLearnerType	StackMetaLearnerType	None	Meta öğrenen, tek tek heterojen modellerin çıkışı üzerinde eğitilmiş bir modeldir.

StackMetaLearnerType

Listeleme

Meta öğrenen, tek tek heterojen modellerin çıkışı üzerinde eğitilmiş bir modeldir. Varsayılan meta öğrenenler, sınıflandırma görevleri için LogisticRegression (veya çapraz doğrulama etkinse LogisticRegressionCV) ve regresyon/tahmin görevleri için ElasticNet 'tir (veya çapraz doğrulama etkinse ElasticNetCV). Bu parametre şu dizelerden biri olabilir: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor veya LinearRegression

Değer	Description
ElasticNet	Varsayılan meta öğrenenler regresyon görevi için LogisticRegression'dır.
ElasticNetCV	Varsayılan meta öğrenenler, CV açıkken regresyon görevi için LogisticRegression'dır.
LightGBMClassifier
LightGBMRegressor
LinearRegression
LogisticRegression	Varsayılan meta öğrenenler, sınıflandırma görevleri için LogisticRegression'dır.
LogisticRegressionCV	Varsayılan meta öğrenenler, CV açıkken sınıflandırma görevi için LogisticRegression'dır.
None

StochasticOptimizer

Listeleme

Görüntü modelleri için stokastik iyileştirici.

Değer	Description
Adam	Adem, anların uyarlamalı tahminlerine göre stokastik amaç işlevlerini iyileştirir algoritmasıdır
Adamw	AdamW, iyileştirici Adam'ın geliştirilmiş bir ağırlık çürümesi uygulamasına sahip olan bir çeşididir.
None	İyileştirici seçilmedi.
Sgd	Stokastik Gradyan Azalma iyileştiricisi.

SweepJob

Object

Süpürme işi tanımı.

Name	Tür	Default value	Description
componentId	string		Bileşen kaynağının ARM kaynak kimliği.
computeId	string		İşlem kaynağının ARM kaynak kimliği.
description	string		Varlık açıklaması metni.
displayName	string		İşin görünen adı.
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		Erken sonlandırma ilkeleri, düşük performanslı çalıştırmaların tamamlanmadan önce iptal edilmesine olanak tanır
experimentName	string	Default	İşin ait olduğu denemenin adı. Ayarlanmadıysa, iş "Varsayılan" denemesine yerleştirilir.
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		Kimlik yapılandırması. Ayarlanırsa, bu AmlToken, ManagedIdentity, UserIdentity veya null değerlerinden biri olmalıdır. Varsayılan değer null ise AmlToken olur.
inputs	object		İşte kullanılan giriş veri bağlamalarının eşlemesi.
isArchived	boolean	False	Varlık arşivlenmiş mi?
jobType	string: Sweep		[Gerekli] İşin türünü belirtir.
limits	SweepJobLimits	{}	Süpürme İşi sınırı.
notificationSetting	NotificationSetting		İş için bildirim ayarı
objective	Objective		[Gerekli] İyileştirme hedefi.
outputs	object		İşte kullanılan çıktı veri bağlamalarının eşlemesi.
properties	object		Varlık özelliği sözlüğü.
queueSettings	QueueSettings		İş için kuyruk ayarları
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[Gerekli] Hiper parametre örnekleme algoritması
searchSpace	object		[Gerekli] Her parametreyi ve dağılımını içeren bir sözlük. Sözlük anahtarı parametrenin adıdır
services	<string, JobService>		JobEndpoints listesi. Yerel işler için bir iş uç noktası FileStreamObject uç nokta değerine sahip olur.
status	JobStatus		İşin durumu.
tags	object		Etiket sözlüğü. Etiketler eklenebilir, kaldırılabilir ve güncelleştirilebilir.
trial	TrialComponent		[Gerekli] Deneme bileşeni tanımı.

SweepJobLimits

Object

Süpürme İşi sınır sınıfı.

Name	Tür	Description
jobLimitsType	string: Sweep	[Gerekli] JobLimit türü.
maxConcurrentTrials	integer (int32)	Süpürme İşi maksimum eşzamanlı deneme.
maxTotalTrials	integer (int32)	Süpürme İşi maksimum toplam deneme sayısı.
timeout	string (duration)	ISO 8601 biçimindeki maksimum çalıştırma süresi, işin iptal edilmesinden sonra. Yalnızca Saniye kadar düşük duyarlıklı süreyi destekler.
trialTimeout	string (duration)	Süpürme İşi Deneme zaman aşımı değeri.

systemData

Object

Kaynağın oluşturulması ve son değiştirilmesiyle ilgili meta veriler.

Name	Tür	Description
createdAt	string (date-time)	Kaynak oluşturma (UTC) zaman damgası.
createdBy	string	Kaynağı oluşturan kimlik.
createdByType	createdByType	Kaynağı oluşturan kimliğin türü.
lastModifiedAt	string (date-time)	Kaynağın son değişikliğinin zaman damgası (UTC)
lastModifiedBy	string	Kaynağı en son değiştiren kimlik.
lastModifiedByType	createdByType	Kaynağı en son değiştiren kimlik türü.

TableVerticalFeaturizationSettings

Object

Özellik Kazandırma Yapılandırması.

Name	Tür	Default value	Description
blockedTransformers	BlockedTransformers[]		Bu transformatörler özellik kazandırmada kullanılmamalıdır.
columnNameAndTypes	object		Sütun adı ve türü sözlüğü (int, float, string, datetime vb.).
datasetLanguage	string		Veri kümesi dili, metin verileri için kullanışlıdır.
enableDnnFeaturization	boolean	False	Veri özelliği oluşturma için Dnn tabanlı özellik oluşturucuların kullanılıp kullanılmayacağını belirler.
mode	FeaturizationMode	Auto	Özellik geliştirme modu - Kullanıcı varsayılan 'Otomatik' modunu tutabilir ve AutoML özellik geliştirme aşamasında verilerin gerekli dönüşümüyle ilgilenir. 'Kapalı' seçilirse özellik kazandırma işlemi yapılmaz. 'Özel' seçilirse, kullanıcı özellik geliştirmenin nasıl yapıldığını özelleştirmek için ek girişler belirtebilir.
transformerParams	object		Kullanıcı, uygulanacağı sütunlar ve transformatör oluşturucu için parametrelerle birlikte kullanılacak ek transformatörleri belirtebilir.

TableVerticalLimitSettings

Object

İş yürütme kısıtlamaları.

Name	Tür	Default value	Description
enableEarlyTermination	boolean	True	Erken sonlandırmayı etkinleştirin, AutoMLJob'un son 20 yinelemede puan iyileştirmesi yoksa erken sonlandırılıp sonlandırılmayacağını belirler.
exitScore	number (double)		AutoML işinin çıkış puanı.
maxConcurrentTrials	integer (int32)	1	En Fazla Eşzamanlı yineleme.
maxCoresPerTrial	integer (int32)	-1	Yineleme başına maksimum çekirdek.
maxTrials	integer (int32)	1000	Yineleme sayısı.
timeout	string (duration)	PT6H	AutoML işi zaman aşımı.
trialTimeout	string (duration)	PT30M	Yineleme zaman aşımı.

TargetAggregationFunction

Listeleme

Hedef toplama işlevi.

Değer	Description
Max
Mean
Min
None	Değer kümesi yok değerini temsil edin.
Sum

TargetLagsMode

Listeleme

Hedef gecikmeler seçim modları.

Değer	Description
Auto	Otomatik olarak belirlenecek hedef gecikmeleri.
Custom	Özel hedef gecikmelerini kullanın.

TargetRollingWindowSizeMode

Listeleme

Hedef sıralı pencereler boyut modu.

Değer	Description
Auto	Sıralı pencerelerin boyutunu otomatik olarak belirleyin.
Custom	Belirtilen sıralı pencere boyutunu kullanın.

TaskType

Listeleme

AutoMLjob Görev türü.

Değer	Description
Classification	Makine öğrenmesinde ve istatistikte sınıflandırma, bilgisayar programının ona verilen verilerden ders aldığı ve yeni gözlemler veya sınıflandırmalar yapacağı denetimli bir öğrenme yaklaşımıdır.
Forecasting	Tahmin, zaman serisi verileriyle ilgilenen ve girişlere göre yakın gelecekteki değerleri tahmin etmek için kullanılabilecek tahmin modeli oluşturan özel bir regresyon görevi türüdür.
ImageClassification	Görüntü Sınıflandırma. Çok sınıflı görüntü sınıflandırması, bir görüntü bir sınıf kümesinden yalnızca tek bir etiketle sınıflandırıldığında kullanılır. Örneğin, her görüntü bir 'kedi' veya 'köpek' ya da 'ördek' görüntüsü olarak sınıflandırılır.
ImageClassificationMultilabel	Görüntü Sınıflandırma Multilabel. Çok etiketli görüntü sınıflandırması, bir resim bir etiket kümesinden bir veya daha fazla etikete sahip olduğunda kullanılır; örneğin, bir resim hem 'kedi' hem de 'köpek' ile etiketlenebilir.
ImageInstanceSegmentation	Görüntü Örneği Segmentasyonu. Örnek segmentasyonu, bir görüntüdeki nesneleri piksel düzeyinde tanımlamak için kullanılır ve görüntüdeki her nesnenin çevresine bir çokgen çizilir.
ImageObjectDetection	Görüntü Nesnesi Algılama. Nesne algılama, görüntüdeki nesneleri tanımlamak ve sınırlayıcı kutu ile her nesneyi bulmak için kullanılır; örneğin, bir görüntüdeki tüm köpek ve kedileri bulun ve her birinin çevresine bir sınırlayıcı kutu çizin.
Regression	Regresyon, giriş verilerini kullanarak değeri tahmin etmek anlamına gelir. Regresyon modelleri sürekli bir değeri tahmin etmek için kullanılır.
TextClassification	Metin sınıflandırması (metin etiketleme veya metin kategorisi olarak da bilinir), metinleri kategorilere ayırma işlemidir. Kategoriler birbirini dışlar.
TextClassificationMultilabel	Çok etiketli sınıflandırma görevi, her örneği bir hedef etiket grubuna (sıfır veya daha fazla) atar.
TextNER	Entity Recognition a.k.a. TextNER adlı metin. Adlandırılmış Varlık Tanıma (NER), serbest biçimli metin alma ve kişiler, konumlar, kuruluşlar ve daha fazlası gibi varlıkların oluşumlarını tanımlama özelliğidir.

TensorFlow

Object

TensorFlow dağıtım yapılandırması.

Name	Tür	Default value	Description
distributionType	string: TensorFlow		[Gerekli] Dağıtım çerçevesinin türünü belirtir.
parameterServerCount	integer (int32)	0	Parametre sunucusu görevlerinin sayısı.
workerCount	integer (int32)		çalışan sayısı. Belirtilmezse, varsayılan olarak örnek sayısı olur.

TextClassification

Object

AutoML NLP dikeyde Metin Sınıflandırma görevi. NLP - Doğal Dil İşleme.

Name	Tür	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
limitSettings	NlpVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Text-Classification görevi için birincil ölçüm.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: TextClassification		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.

TextClassificationMultilabel

Object

AutoML NLP dikeyde Metin Sınıflandırması Çok etiketli görev. NLP - Doğal Dil İşleme.

Name	Tür	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
limitSettings	NlpVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
primaryMetric	ClassificationMultilabelPrimaryMetrics		Text-Classification-Multilabel görevi için birincil ölçüm. Şu anda birincil ölçüm olarak yalnızca Doğruluk desteklenir, bu nedenle kullanıcının açıkça ayarlaması gerekmez.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: TextClassificationMultilabel		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.

TextNer

Object

AutoML NLP dikeyde görevi Text-NER. NER - Adlandırılmış Varlık Tanıma. NLP - Doğal Dil İşleme.

Name	Tür	Default value	Description
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML işi için gereken özellik kazandırma girişleri.
limitSettings	NlpVerticalLimitSettings		AutoMLjob için yürütme kısıtlamaları.
logVerbosity	LogVerbosity	Info	İşin ayrıntı düzeyini günlüğe kaydetme.
primaryMetric	ClassificationPrimaryMetrics		Text-NER görevi için birincil ölçüm. Text-NER için yalnızca 'Doğruluk' desteklenir, bu nedenle kullanıcının bunu açıkça ayarlaması gerekmez.
targetColumnName	string		Hedef sütun adı: Bu tahmin değerleri sütunudur. Sınıflandırma görevleri bağlamında etiket sütun adı olarak da bilinir.
taskType	string: TextNER		[Gerekli] AutoMLjob için görev türü.
trainingData	MLTableJobInput		[Gerekli] Eğitim veri girişi.
validationData	MLTableJobInput		Doğrulama veri girişleri.

TrialComponent

Object

Deneme bileşeni tanımı.

Name	Tür	Default value	Description
codeId	string		Kod varlığının ARM kaynak kimliği.
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] İşin başlangıcında yürütülecek komut. örneğin. "python train.py"
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		İşin dağıtım yapılandırması. Ayarlanırsa, bu Mpi, Tensorflow, PyTorch veya null değerlerinden biri olmalıdır.
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] İşin Ortam belirtiminin ARM kaynak kimliği.
environmentVariables	object		İşe dahil edilen ortam değişkenleri.
resources	JobResourceConfiguration	{}	İş için İşlem Kaynağı yapılandırması.

TritonModelJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: triton_model		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

TritonModelJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: triton_model		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

TruncationSelectionPolicy

Object

Her değerlendirme aralığında belirli bir çalıştırma yüzdesini iptal eden bir erken sonlandırma ilkesi tanımlar.

Name	Tür	Default value	Description
delayEvaluation	integer (int32)	0	İlk değerlendirmenin geciktirilme aralığı sayısı.
evaluationInterval	integer (int32)	0	İlke değerlendirmeleri arasındaki aralık (çalıştırma sayısı).
policyType	string: TruncationSelection		[Gerekli] İlke yapılandırmasının adı
truncationPercentage	integer (int32)	0	Her değerlendirme aralığında iptal edilecek çalıştırma yüzdesi.

UriFileJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: uri_file		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

UriFileJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: uri_file		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

UriFolderJobInput

Object

Name	Tür	Default value	Description
description	string		Girişin açıklaması.
jobInputType	string: uri_folder		[Gerekli] İşin türünü belirtir.
mode	InputDeliveryMode	ReadOnlyMount	Giriş Varlığı Teslim Modu.
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[Gerekli] Giriş Varlığı URI'si.

UriFolderJobOutput

Object

Name	Tür	Default value	Description
description	string		Çıktının açıklaması.
jobOutputType	string: uri_folder		[Gerekli] İşin türünü belirtir.
mode	OutputDeliveryMode	ReadWriteMount	Çıkış Varlığı Teslim Modu.
uri	string		Çıkış Varlığı URI'si.

UserIdentity

Object

Kullanıcı kimliği yapılandırması.

Name	Tür	Description
identityType	string: UserIdentity	[Gerekli] Kimlik çerçevesinin türünü belirtir.

UseStl

Listeleme

Zaman serisi hedef sütununun STL Ayrıştırma'sını yapılandırın.

Değer	Description
None	Ayrıştırma yok.
Season
SeasonTrend

ValidationMetricType

Listeleme

Görüntü görevlerinde doğrulama ölçümleri için kullanılacak ölçüm hesaplama yöntemi.

Değer	Description
Coco	Coco ölçümü.
CocoVoc	CocoVoc ölçümü.
None	Ölçüm yok.
Voc	Voc ölçümü.

WebhookType

Listeleme

Web kancası geri çağırma hizmeti türünü belirlemek için sabit listesi.

Değer	Description
AzureDevOps

Aracılığıyla paylaş

Jobs - Get

URI Parametreleri

Yanıtlar

Örnekler

Get AutoML Job.

Örnek isteği

Örnek yanıt

Get Command Job.

Örnek isteği

Örnek yanıt

Get Pipeline Job.

Örnek isteği

Örnek yanıt

Get Sweep Job.

Örnek isteği

Örnek yanıt

Tanımlar

AllNodes

AmlToken

AutoForecastHorizon

AutoMLJob

AutoNCrossValidations

AutoSeasonality

AutoTargetLags

AutoTargetRollingWindowSize

AzureDevOpsWebhook

BanditPolicy

BayesianSamplingAlgorithm

BlockedTransformers

Classification

ClassificationModels

ClassificationMultilabelPrimaryMetrics

ClassificationPrimaryMetrics

ClassificationTrainingSettings

CommandJob

CommandJobLimits

createdByType

CustomForecastHorizon

CustomModelJobInput

CustomModelJobOutput

CustomNCrossValidations

CustomSeasonality

CustomTargetLags

CustomTargetRollingWindowSize

DistributionType

EarlyTerminationPolicyType

EmailNotificationEnableType

ErrorAdditionalInfo

ErrorDetail

ErrorResponse

FeatureLags

FeaturizationMode

ForecastHorizonMode

Forecasting

ForecastingModels

ForecastingPrimaryMetrics

ForecastingSettings

ForecastingTrainingSettings

Goal

GridSamplingAlgorithm

IdentityConfigurationType

ImageClassification

ImageClassificationMultilabel

ImageInstanceSegmentation

ImageLimitSettings

ImageModelDistributionSettingsClassification

ImageModelDistributionSettingsObjectDetection

ImageModelSettingsClassification

ImageModelSettingsObjectDetection

ImageObjectDetection

ImageSweepSettings

InputDeliveryMode

InstanceSegmentationPrimaryMetrics

JobBaseResource

JobInputType

JobLimitsType

JobOutputType

JobResourceConfiguration

JobService