Sdílet prostřednictvím

Spouštění kanálů Azure Machine Learning ve službě Azure Data Factory a Synapse Analytics

  • Článek

PLATÍ PRO: Azure Data Factory Azure Synapse Analytics

Tip

Vyzkoušejte si službu Data Factory v Microsoft Fabric, řešení pro analýzy typu all-in-one pro podniky. Microsoft Fabric zahrnuje všechno od přesunu dat až po datové vědy, analýzy v reálném čase, business intelligence a vytváření sestav. Přečtěte si, jak začít používat novou zkušební verzi zdarma.

Kanály Azure Machine Learning můžete spouštět jako krok v kanálech Azure Data Factory a Synapse Analytics. Aktivita Execute Pipeline služby Machine Learning umožňuje realizovat scénáře dávkových předpovědí, jako je identifikace půjček, u nichž hrozí insolvence dlužníka, zjišťování mínění nebo analýza vzorců chování zákazníků.

Následující video obsahuje šestiminutový úvod a ukázku této funkce.

Vytvoření aktivity kanálu spuštění machine learningu pomocí uživatelského rozhraní

Pokud chcete v kanálu použít aktivitu kanálu spuštění machine learningu, proveďte následující kroky:

  1. Vyhledejte Machine Learning v podokně Aktivity kanálu a přetáhněte aktivitu kanálu spuštění služby Machine Learning na plátno kanálu.

  2. Pokud ještě není vybraná, vyberte novou aktivitu kanálu spuštění služby Machine Learning na plátně a na kartě Nastavení upravte podrobnosti.

    Zobrazuje uživatelské rozhraní aktivity kanálu spuštění služby Machine Learning.

  3. Vyberte existující nebo vytvořte novou propojenou službu Azure Machine Learning a zadejte podrobnosti o kanálu a experimentu a všechny parametry kanálu nebo přiřazení cesty k datům vyžadované pro kanál.

Syntaxe

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

Vlastnosti typu

Vlastnost Popis Povolené hodnoty Požaduje se
name Název aktivity v kanálu String Ano
type Typ aktivity je AzureMLExecutePipeline. String Ano
linkedServiceName Propojená služba se službou Azure Machine Learning Odkaz na propojenou službu Ano
mlPipelineId ID publikovaného kanálu služby Azure Machine Learning Řetězec (nebo výraz s typem výsledku řetězce) Ano
experimentName Název experimentu historie spuštění kanálu Machine Learning Řetězec (nebo výraz s typem výsledku řetězce) No
mlPipelineParameters Klíč, páry hodnot, které se mají předávat do publikovaného koncového bodu kanálu služby Azure Machine Learning Klíče musí odpovídat názvům parametrů kanálu definovaných v publikovaném kanálu Machine Learning. Objekt s páry klíč-hodnota (nebo výraz s objektem resultType) No
mlParentRunId ID spuštění nadřazeného kanálu Azure Machine Learning Řetězec (nebo výraz s typem výsledku řetězce) No
dataPathAssignments Slovník používaný ke změně cest k datům ve službě Azure Machine Learning. Povolí přepínání cest k datům. Objekt s páry klíč-hodnota No
continueOnStepFailure Jestli chcete pokračovat ve spouštění dalších kroků v kanálu Machine Learning, pokud se krok nezdaří boolean No

Poznámka:

Pokud chcete naplnit položky rozevíracího seznamu v názvu a ID kanálu služby Machine Learning, musí mít uživatel oprávnění k výpisu kanálů ML. Uživatelské rozhraní volá rozhraní API služby AzureMLService přímo pomocí přihlašovacích údajů přihlášeného uživatele. Doba zjišťování pro položky rozevíracího seznamu by při použití privátních koncových bodů byla mnohem delší.

Související obsah

Podívejte se na následující články, které vysvětlují, jak transformovat data jinými způsoby: