Выполнение конвейеров Azure Machine Learning в Azure Data Factory и Synapse Analytics

ПРИМЕНИМО К: Azure Data Factory Azure Synapse Analytics

Совет

Data Factory в Microsoft Fabric — это следующее поколение Azure Data Factory с более простой архитектурой, встроенным ИИ и новыми функциями. Если вы не знакомы с интеграцией данных, начните с Fabric Data Factory. Существующие рабочие нагрузки ADF могут обновляться до Fabric для доступа к новым возможностям в области обработки и анализа данных, аналитики в режиме реального времени и отчетов.

Запустите конвейеры Azure Machine Learning в качестве шага в конвейерах Azure Data Factory и Synapse Analytics. Действие Machine Learning Execute Pipeline позволяет выполнять сценарии пакетного прогноза, такие как выявление возможных дефолтов по кредитам, определение тональности и анализ шаблонов поведения клиентов.

В приведенном ниже шестиминутном видеоролике рассказывается об этой функции и представлена демонстрация ее возможностей.

Создание действия выполнения конвейера машинного обучения с пользовательским интерфейсом

Чтобы использовать действие Machine Learning Execute Pipeline в конвейере, выполните следующие действия:

  1. Найдите Machine Learning в области действий конвейера и перетащите действие "Выполнение конвейера Machine Learning" на холст конвейера.

  2. Выберите новое действие Выполнение конвейера Machine Learning на холсте, если оно еще не выбрано, и вкладку Settings, чтобы изменить его параметры.

    Показывает пользовательский интерфейс для активности выполнения конвейера машинного обучения.

  3. Выберите существующую или создайте связанную службу Azure Machine Learning и укажите сведения о конвейере и эксперименте, а также все параметры конвейера или назначения пути данных, необходимые для конвейера.

Синтаксис

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

Свойства типа

Свойство Описание Допустимые значения Обязательное поле
имя Имя действия в конвейере. Строка Да
тип Тип действия — "AzureMLExecutePipeline" Строка Да
linkedServiceName Связанная служба с Azure Machine Learning Ссылка на связанную службу Да
mlPipelineId Идентификатор опубликованного конвейера Azure Machine Learning Строка (или выражение с типом результата "строка") Да
название эксперимента Имя эксперимента журнала выполнения запуска конвейера Machine Learning Строка (или выражение с типом результата "строка") Нет
mlPipelineParameters Пары "ключ-значение", которые должны быть переданы в опубликованную конечную точку конвейера машинного обучения Azure. Ключи должны соответствовать именам параметров конвейера, определенных в опубликованном конвейере Machine Learning Объект с парами "ключ-значение" (или выражение с объектом типа результат) Нет
mlParentRunId Идентификатор родительского запуска конвейера Azure Machine Learning Строка (или выражение с типом результата "строка") Нет
dataPathAssignments Словарь, используемый для изменения путей данных в Azure Machine Learning. Включает переключение каналов данных Объект с парами ключ-значение Нет
continueOnStepFailure Продолжать ли выполнение других шагов в конвейере машинного обучения, если один из шагов завершится сбоем boolean Нет

Примечание.

Чтобы заполнить выпадающий список для имени и идентификатора конвейера в Machine Learning, пользователю необходимо иметь разрешение на просмотр списка конвейеров машинного обучения. Пользовательский интерфейс вызывает интерфейсы API AzureMLService напрямую, используя учетные данные пользователя, вошедшего в систему. Время обнаружения элементов выпадающего списка значительно увеличится при использовании частных конечных точек.

Связанный контент

Ознакомьтесь со следующими ссылками, в которых описаны способы преобразования данных другими способами:

  • Last updated on