Microsoft.MachineLearningServices workspaces/schedules 2023-08-01-preview

[アーティクル]
08/01/2024

Bicep リソース定義

ワークスペース/スケジュールリソースの種類は、次をターゲットとする操作でデプロイできます。

リソースグループの - リソースグループのデプロイコマンド参照

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の Bicep をテンプレートに追加します。

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview' = {
  name: 'string'
  parent: resourceSymbolicName
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {}
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

ScheduleActionBase オブジェクト

actionType プロパティを設定して、オブジェクトの種類を指定します。

CreateJobの場合は、次を使用します。

  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    notificationSetting: {
      emailOn: [
        'string'
      ]
      emails: [
        'string'
      ]
      webhooks: {
        {customized property}: {
          eventType: 'string'
          webhookType: 'string'
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties: {
      {customized property}: 'string'
    }
    secretsConfiguration: {
      {customized property}: {
        uri: 'string'
        workspaceSecretName: 'string'
      }
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {}
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }

CreateMonitorの場合は、次のコマンドを使用します。

  actionType: 'CreateMonitor'
  monitorDefinition: {
    alertNotificationSettings: {
      emailNotificationSettings: {
        emails: [
          'string'
        ]
      }
    }
    computeConfiguration: {
      computeType: 'string'
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget: {
      deploymentId: 'string'
      modelId: 'string'
      taskType: 'string'
    }
    signals: {
      {customized property}: {
        notificationTypes: [
          'string'
        ]
        properties: {
          {customized property}: 'string'
        }
        signalType: 'string'
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

ImportDataをする場合は、次のコマンドを使用します。

  actionType: 'ImportData'
  dataImportDefinition: {
    assetName: 'string'
    autoDeleteSetting: {
      condition: 'string'
      value: 'string'
    }
    dataType: 'string'
    dataUri: 'string'
    description: 'string'
    intellectualProperty: {
      protectionLevel: 'string'
      publisher: 'string'
    }
    isAnonymous: bool
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    source: {
      connection: 'string'
      sourceType: 'string'
      // For remaining properties, see DataImportSource objects
    }
    stage: 'string'
    tags: {}
  }

InvokeBatchEndpointの場合は、次の値を使用します。

  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any()

JobBaseProperties オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  jobType: 'AutoML'
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any()
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  jobType: 'Command'
  autologgerSettings: {
    mlflowAutologger: 'string'
  }
  codeId: 'string'
  command: 'string'
  distribution: {
    distributionType: 'string'
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any()
    }
    shmSize: 'string'
  }

ラベル付けの場合は、次を使用します。

  jobType: 'Labeling'
  dataConfiguration: {
    dataId: 'string'
    incrementalDataRefresh: 'string'
  }
  jobInstructions: {
    uri: 'string'
  }
  labelCategories: {
    {customized property}: {
      classes: {
        {customized property}: {
          displayName: 'string'
          subclasses: {
            {customized property}: {}
        }
      }
      displayName: 'string'
      multiSelect: 'string'
    }
  }
  labelingJobMediaProperties: {
    mediaType: 'string'
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration: {
    mlAssist: 'string'
    // For remaining properties, see MLAssistConfiguration objects
  }

パイプラインの場合は、次を使用します。

  jobType: 'Pipeline'
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jobs: {
    {customized property}: any()
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  settings: any()
  sourceJobId: 'string'

Sparkの場合は、次の値を使用します。

  jobType: 'Spark'
  archives: [
    'string'
  ]
  args: 'string'
  codeId: 'string'
  conf: {
    {customized property}: 'string'
  }
  entry: {
    sparkJobEntryType: 'string'
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  files: [
    'string'
  ]
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  jars: [
    'string'
  ]
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles: [
    'string'
  ]
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    instanceType: 'string'
    runtimeVersion: 'string'
  }

スイープの場合は、次を使用します。

  jobType: 'Sweep'
  componentConfiguration: {
    pipelineSettings: any()
  }
  earlyTermination: {
    delayEvaluation: int
    evaluationInterval: int
    policyType: 'string'
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  limits: {
    jobLimitsType: 'string'
    maxConcurrentTrials: int
    maxTotalTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  objective: {
    goal: 'string'
    primaryMetric: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
    priority: int
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    locations: [
      'string'
    ]
    maxInstanceCount: int
    properties: {
      {customized property}: any()
    }
    shmSize: 'string'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any()
  trial: {
    codeId: 'string'
    command: 'string'
    distribution: {
      distributionType: 'string'
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId: 'string'
    environmentVariables: {
      {customized property}: 'string'
    }
    resources: {
      dockerArgs: 'string'
      instanceCount: int
      instanceType: 'string'
      locations: [
        'string'
      ]
      maxInstanceCount: int
      properties: {
        {customized property}: any()
      }
      shmSize: 'string'
    }
  }

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenをする場合は、次を使用します。

  identityType: 'AMLToken'

マネージドの場合は、次を使用します。

  identityType: 'Managed'
  clientId: 'string'
  objectId: 'string'
  resourceId: 'string'

UserIdentityの場合は、次の値を使用します。

  identityType: 'UserIdentity'

Webhook オブジェクト

webhookType プロパティを設定して、オブジェクトの種類を指定します。

AzureDevOpsをする場合は、次のコマンドを使用します。

  webhookType: 'AzureDevOps'

Nodes オブジェクト

nodesValueType プロパティを設定して、オブジェクトの種類を指定します。

[すべてのをする場合は、次を使用します。

  nodesValueType: 'All'

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

custom_modelの場合は、次を使用します。

  jobOutputType: 'custom_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

mlflow_modelの場合は、次を使用します。

  jobOutputType: 'mlflow_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

mltableをする場合は、次を使用します。

  jobOutputType: 'mltable'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

triton_modelの場合は、次を使用します。

  jobOutputType: 'triton_model'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

uri_fileの場合は、次を使用します。

  jobOutputType: 'uri_file'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

uri_folderの場合は、次を使用します。

  jobOutputType: 'uri_folder'
  assetName: 'string'
  assetVersion: 'string'
  autoDeleteSetting: {
    condition: 'string'
    value: 'string'
  }
  mode: 'string'
  uri: 'string'

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  taskType: 'Classification'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

予測の場合は、次の値を使用します。

  taskType: 'Forecasting'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: 'string'
    featuresUnknownAtForecastTime: [
      'string'
    ]
    forecastHorizon: {
      mode: 'string'
      // For remaining properties, see ForecastHorizon objects
    }
    frequency: 'string'
    seasonality: {
      mode: 'string'
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig: 'string'
    targetAggregateFunction: 'string'
    targetLags: {
      mode: 'string'
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize: {
      mode: 'string'
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName: 'string'
    timeSeriesIdColumnNames: [
      'string'
    ]
    useStl: 'string'
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

ImageClassificationの場合は、次を使用します。

  taskType: 'ImageClassification'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

ImageClassificationMultilabelをする場合は、次を使用します。

  taskType: 'ImageClassificationMultilabel'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    momentum: int
    nesterov: bool
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    trainingBatchSize: int
    trainingCropSize: int
    validationBatchSize: int
    validationCropSize: int
    validationResizeSize: int
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
    weightedLoss: int
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      momentum: 'string'
      nesterov: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      trainingBatchSize: 'string'
      trainingCropSize: 'string'
      validationBatchSize: 'string'
      validationCropSize: 'string'
      validationResizeSize: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
      weightedLoss: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

ImageInstanceSegmentationをする場合は、次を使用します。

  taskType: 'ImageInstanceSegmentation'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    logTrainingMetrics: 'string'
    logValidationLoss: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

ImageObjectDetectionの場合は、次の値を使用します。

  taskType: 'ImageObjectDetection'
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  modelSettings: {
    advancedSettings: 'string'
    amsGradient: bool
    augmentations: 'string'
    beta1: int
    beta2: int
    boxDetectionsPerImage: int
    boxScoreThreshold: int
    checkpointFrequency: int
    checkpointModel: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    checkpointRunId: 'string'
    distributed: bool
    earlyStopping: bool
    earlyStoppingDelay: int
    earlyStoppingPatience: int
    enableOnnxNormalization: bool
    evaluationFrequency: int
    gradientAccumulationStep: int
    imageSize: int
    layersToFreeze: int
    learningRate: int
    learningRateScheduler: 'string'
    logTrainingMetrics: 'string'
    logValidationLoss: 'string'
    maxSize: int
    minSize: int
    modelName: 'string'
    modelSize: 'string'
    momentum: int
    multiScale: bool
    nesterov: bool
    nmsIouThreshold: int
    numberOfEpochs: int
    numberOfWorkers: int
    optimizer: 'string'
    randomSeed: int
    stepLRGamma: int
    stepLRStepSize: int
    tileGridSize: 'string'
    tileOverlapRatio: int
    tilePredictionsNmsThreshold: int
    trainingBatchSize: int
    validationBatchSize: int
    validationIouThreshold: int
    validationMetricType: 'string'
    warmupCosineLRCycles: int
    warmupCosineLRWarmupEpochs: int
    weightDecay: int
  }
  primaryMetric: 'MeanAveragePrecision'
  searchSpace: [
    {
      amsGradient: 'string'
      augmentations: 'string'
      beta1: 'string'
      beta2: 'string'
      boxDetectionsPerImage: 'string'
      boxScoreThreshold: 'string'
      distributed: 'string'
      earlyStopping: 'string'
      earlyStoppingDelay: 'string'
      earlyStoppingPatience: 'string'
      enableOnnxNormalization: 'string'
      evaluationFrequency: 'string'
      gradientAccumulationStep: 'string'
      imageSize: 'string'
      layersToFreeze: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      maxSize: 'string'
      minSize: 'string'
      modelName: 'string'
      modelSize: 'string'
      momentum: 'string'
      multiScale: 'string'
      nesterov: 'string'
      nmsIouThreshold: 'string'
      numberOfEpochs: 'string'
      numberOfWorkers: 'string'
      optimizer: 'string'
      randomSeed: 'string'
      stepLRGamma: 'string'
      stepLRStepSize: 'string'
      tileGridSize: 'string'
      tileOverlapRatio: 'string'
      tilePredictionsNmsThreshold: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      validationIouThreshold: 'string'
      validationMetricType: 'string'
      warmupCosineLRCycles: 'string'
      warmupCosineLRWarmupEpochs: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int

回帰の場合は、次の値を使用します。

  taskType: 'Regression'
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any()
        }
      ]
    }
  }
  fixedParameters: {
    booster: 'string'
    boostingType: 'string'
    growPolicy: 'string'
    learningRate: int
    maxBin: int
    maxDepth: int
    maxLeaves: int
    minDataInLeaf: int
    minSplitGain: int
    modelName: 'string'
    nEstimators: int
    numLeaves: int
    preprocessorName: 'string'
    regAlpha: int
    regLambda: int
    subsample: int
    subsampleFreq: int
    treeMethod: 'string'
    withMean: bool
    withStd: bool
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxNodes: int
    maxTrials: int
    sweepConcurrentTrials: int
    sweepTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      booster: 'string'
      boostingType: 'string'
      growPolicy: 'string'
      learningRate: 'string'
      maxBin: 'string'
      maxDepth: 'string'
      maxLeaves: 'string'
      minDataInLeaf: 'string'
      minSplitGain: 'string'
      modelName: 'string'
      nEstimators: 'string'
      numLeaves: 'string'
      preprocessorName: 'string'
      regAlpha: 'string'
      regLambda: 'string'
      subsample: 'string'
      subsampleFreq: 'string'
      treeMethod: 'string'
      withMean: 'string'
      withStd: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  testData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  testDataSize: int
  trainingSettings: {
    allowedTrainingAlgorithms: [
      'string'
    ]
    blockedTrainingAlgorithms: [
      'string'
    ]
    enableDnnTraining: bool
    enableModelExplainability: bool
    enableOnnxCompatibleModels: bool
    enableStackEnsemble: bool
    enableVoteEnsemble: bool
    ensembleModelDownloadTimeout: 'string'
    stackEnsembleSettings: {
      stackMetaLearnerKWargs: any()
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
    trainingMode: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'

TextClassificationの場合は、次を使用します。

  taskType: 'TextClassification'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  primaryMetric: 'string'
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

TextClassificationMultilabelをする場合は、次を使用します。

  taskType: 'TextClassificationMultilabel'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

TextNERの場合は、次を使用します。

  taskType: 'TextNER'
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  fixedParameters: {
    gradientAccumulationSteps: int
    learningRate: int
    learningRateScheduler: 'string'
    modelName: 'string'
    numberOfEpochs: int
    trainingBatchSize: int
    validationBatchSize: int
    warmupRatio: int
    weightDecay: int
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxNodes: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  searchSpace: [
    {
      gradientAccumulationSteps: 'string'
      learningRate: 'string'
      learningRateScheduler: 'string'
      modelName: 'string'
      numberOfEpochs: 'string'
      trainingBatchSize: 'string'
      validationBatchSize: 'string'
      warmupRatio: 'string'
      weightDecay: 'string'
    }
  ]
  sweepSettings: {
    earlyTermination: {
      delayEvaluation: int
      evaluationInterval: int
      policyType: 'string'
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm: 'string'
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムをする場合は、次の値を使用します。

  mode: 'Custom'
  value: int

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int

MedianStopping の場合は、次の値を使用します。

  policyType: 'MedianStopping'

TruncationSelectionの場合は、次のコマンドを使用します。

  policyType: 'TruncationSelection'
  truncationPercentage: int

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムをする場合は、次の値を使用します。

  mode: 'Custom'
  value: int

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムをする場合は、次の値を使用します。

  mode: 'Custom'
  value: int

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムをする場合は、次の値を使用します。

  mode: 'Custom'
  values: [
    int
  ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode: 'Auto'

カスタムをする場合は、次の値を使用します。

  mode: 'Custom'
  value: int

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

  distributionType: 'Mpi'
  processCountPerInstance: int

PyTorchをする場合は、次を使用します。

  distributionType: 'PyTorch'
  processCountPerInstance: int

Rayの場合は、次を使用します。

  distributionType: 'Ray'
  address: 'string'
  dashboardPort: int
  headNodeAdditionalArgs: 'string'
  includeDashboard: bool
  port: int
  workerNodeAdditionalArgs: 'string'

TensorFlowの場合は、次を使用します。

  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

custom_modelの場合は、次を使用します。

  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'

リテラルの場合は、次の値を使用します。

  jobInputType: 'literal'
  value: 'string'

mlflow_modelの場合は、次を使用します。

  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'

mltableをする場合は、次を使用します。

  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'

triton_modelの場合は、次を使用します。

  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'

uri_fileの場合は、次を使用します。

  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'

uri_folderの場合は、次を使用します。

  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'

LabelingJobMediaProperties オブジェクト

mediaType プロパティを設定して、オブジェクトの種類を指定します。

Imageの場合は、次を使用します。

  mediaType: 'Image'
  annotationType: 'string'

テキストの場合は、次を使用します。

  mediaType: 'Text'
  annotationType: 'string'

MLAssistConfiguration オブジェクト

mlAssist プロパティを設定して、オブジェクトの種類を指定します。

無効の場合は、次の値を使用します。

  mlAssist: 'Disabled'

[有効の場合は、次を使用します。

  mlAssist: 'Enabled'
  inferencingComputeBinding: 'string'
  trainingComputeBinding: 'string'

SparkJobEntry オブジェクト

sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。

SparkJobPythonEntryの場合は、次の値を使用します。

  sparkJobEntryType: 'SparkJobPythonEntry'
  file: 'string'

SparkJobScalaEntryの場合は、次の値を使用します。

  sparkJobEntryType: 'SparkJobScalaEntry'
  className: 'string'

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアンの場合は、次を使用します。

  samplingAlgorithmType: 'Bayesian'

Gridの場合は、次を使用します。

  samplingAlgorithmType: 'Grid'

ランダムには、次の値を使用します。

  samplingAlgorithmType: 'Random'
  logbase: 'string'
  rule: 'string'
  seed: int

MonitorComputeConfigurationBase オブジェクト

computeType プロパティを設定して、オブジェクトの種類を指定します。

ServerlessSparkの場合は、次を使用します。

  computeType: 'ServerlessSpark'
  computeIdentity: {
    computeIdentityType: 'string'
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  instanceType: 'string'
  runtimeVersion: 'string'

MonitorComputeIdentityBase オブジェクト

computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。

AmlTokenの場合は、次を使用します。

  computeIdentityType: 'AmlToken'

ManagedIdentityの場合は、次の値を使用します。

  computeIdentityType: 'ManagedIdentity'
  identity: {
    type: 'string'
    userAssignedIdentities: {
      {customized property}: {}
    }
  }

MonitoringSignalBase オブジェクト

signalType プロパティを設定して、オブジェクトの種類を指定します。

カスタムをする場合は、次の値を使用します。

  signalType: 'Custom'
  componentId: 'string'
  inputAssets: {
    {customized property}: {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs: {
    {customized property}: {
      description: 'string'
      jobInputType: 'string'
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  workspaceConnection: {
    environmentVariables: {
      {customized property}: 'string'
    }
    secrets: {
      {customized property}: 'string'
    }
  }

DataDriftの場合は、次の値を使用します。

  signalType: 'DataDrift'
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }

DataQualityの場合は、次の値を使用します。

  signalType: 'DataQuality'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  features: {
    filterType: 'string'
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }

FeatureAttributionDriftをする場合は、次のコマンドを使用します。

  signalType: 'FeatureAttributionDrift'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'NormalizedDiscountedCumulativeGain'
    threshold: {
      value: int
    }
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }

GenerationSafetyQualityの場合は、次の値を使用します。

  signalType: 'GenerationSafetyQuality'
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int
  workspaceConnectionId: 'string'

GenerationTokenStatisticsの場合は、次を使用します。

  signalType: 'GenerationTokenStatistics'
  metricThresholds: [
    {
      metric: 'string'
      threshold: {
        value: int
      }
    }
  ]
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate: int

ModelPerformanceの場合は、次の値を使用します。

  signalType: 'ModelPerformance'
  dataSegment: {
    feature: 'string'
    values: [
      'string'
    ]
  }
  metricThreshold: {
    threshold: {
      value: int
    }
    modelType: 'string'
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData: [
    {
      columns: {
        {customized property}: 'string'
      }
      dataContext: 'string'
      jobInputType: 'string'
      uri: 'string'
      inputDataType: 'string'
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }

PredictionDriftの場合は、次の値を使用します。

  signalType: 'PredictionDrift'
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  metricThresholds: [
    {
      threshold: {
        value: int
      }
      dataType: 'string'
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData: {
    columns: {
      {customized property}: 'string'
    }
    dataContext: 'string'
    jobInputType: 'string'
    uri: 'string'
    inputDataType: 'string'
    // For remaining properties, see MonitoringInputDataBase objects
  }

MonitoringInputDataBase オブジェクト

inputDataType プロパティを設定して、オブジェクトの種類を指定します。

固定の場合は、次の値を使用します。

  inputDataType: 'Fixed'

ローリングの場合は、次を使用します。

  inputDataType: 'Rolling'
  preprocessingComponentId: 'string'
  windowOffset: 'string'
  windowSize: 'string'

静的をする場合は、次を使用します。

  inputDataType: 'Static'
  preprocessingComponentId: 'string'
  windowEnd: 'string'
  windowStart: 'string'

MonitoringFeatureFilterBase オブジェクト

filterType プロパティを設定して、オブジェクトの種類を指定します。

AllFeaturesをする場合は、次を使用します。

  filterType: 'AllFeatures'

FeatureSubsetをする場合は、次を使用します。

  filterType: 'FeatureSubset'
  features: [
    'string'
  ]

TopNByAttributionをする場合は、次のコマンドを使用します。

  filterType: 'TopNByAttribution'
  top: int

DataDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType: 'Categorical'
  metric: 'string'

数値の場合は、次の値を使用します。

  dataType: 'Numerical'
  metric: 'string'

DataQualityMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType: 'Categorical'
  metric: 'string'

数値の場合は、次の値を使用します。

  dataType: 'Numerical'
  metric: 'string'

ModelPerformanceMetricThresholdBase オブジェクト

modelType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  modelType: 'Classification'
  metric: 'string'

回帰の場合は、次の値を使用します。

  modelType: 'Regression'
  metric: 'string'

PredictionDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType: 'Categorical'
  metric: 'string'

数値の場合は、次の値を使用します。

  dataType: 'Numerical'
  metric: 'string'

DataImportSource オブジェクト

sourceType プロパティを設定して、オブジェクトの種類を指定します。

データベースの場合は、次を使用します。

  sourceType: 'database'
  query: 'string'
  storedProcedure: 'string'
  storedProcedureParams: [
    {
      {customized property}: 'string'
    }
  ]
  tableName: 'string'

file_systemの場合は、次を使用します。

  sourceType: 'file_system'
  path: 'string'

TriggerBase オブジェクト

triggerType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  triggerType: 'Cron'
  expression: 'string'

繰り返しの場合は、次の値を使用します。

  triggerType: 'Recurrence'
  frequency: 'string'
  interval: int
  schedule: {
    hours: [
      int
    ]
    minutes: [
      int
    ]
    monthDays: [
      int
    ]
    weekDays: [
      'string'
    ]
  }

プロパティ値

workspaces/schedules

名前	形容	価値
名前	リソース名 Bicepで子リソースの名前と種類設定する方法を参照してください。	string (必須)
親	Bicep では、子リソースの親リソースを指定できます。このプロパティを追加する必要があるのは、子リソースが親リソースの外部で宣言されている場合のみです。詳細については、「親リソースの外部子リソース」を参照してください。	種類のリソースのシンボリック名: ワークスペース
プロパティ	[必須]エンティティの追加の属性。	ScheduleProperties (必須)

ScheduleProperties

名前	形容	価値
アクション	[必須]スケジュールのアクションを指定します	ScheduleActionBase (必須)
形容	資産の説明テキスト。	糸
displayName	スケジュールの表示名。	糸
isEnabled	スケジュールは有効になっていますか?	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
トリガー	[必須]トリガーの詳細を指定します	TriggerBase (必須)

ScheduleActionBase

名前	形容	価値
actionType	オブジェクトの種類を設定する	CreateJob の CreateMonitor ImportData の InvokeBatchEndpoint (必須)

JobScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'CreateJob' (必須)
jobDefinition	[必須]スケジュールアクション定義の詳細を定義します。	JobBaseProperties (必須)

JobBaseProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML のコマンドラベル付けパイプラインの Spark スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken をするマネージドの UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

NotificationSetting

名前	形容	価値
emailOn	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: 'JobCancelled' 'JobCompleted' 'JobFailed'
emails	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	string[]
webhooks	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks

名前	形容	価値
{カスタマイズされたプロパティ}		Webhook

Webhook

名前	形容	価値
eventType	指定した通知イベントのコールバックを送信する	糸
webhookType	オブジェクトの種類を設定する	AzureDevOps (必須)

AzureDevOpsWebhook

名前	形容	価値
webhookType	[必須]コールバックを送信するサービスの種類を指定します	'AzureDevOps' (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

JobBaseSecretsConfiguration

名前	形容	価値
{カスタマイズされたプロパティ}		SecretConfiguration

SecretConfiguration

名前	形容	価値
uri	シークレット URI。サンプル URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	糸
workspaceSecretName	ワークスペースキーコンテナー内のシークレットの名前。	糸

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
ノード	ユーザーがサービスを開始するノード。ノードが設定されていないか、null に設定されていない場合、サービスはリーダーノードでのみ開始されます。	ノード
港	ユーザーによって設定されたエンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

ノード

名前	形容	価値
nodesValueType	オブジェクトの種類を設定する	すべての (必須)

AllNodes

名前	形容	価値
nodesValueType	[必須]ノード値の型	'All' (必須)

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'AutoML' (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データバインディングのマッピング。	AutoMLJobOutputs の
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	custom_model mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'custom_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

AutoDeleteSetting

名前	形容	価値
条件	資産の有効期限が切れているかどうかを確認するタイミング	'CreatedGreaterThan' 'LastAccessedGreaterThan'
価値	有効期限条件の値。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'mlflow_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'mltable' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'triton_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'uri_file' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'uri_folder' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

QueueSettings

名前	形容	価値
jobTier	コンピューティングジョブレベルを制御します。	'Basic' 'Null' 'Premium' 'Spot' 'Standard'
優先権	コンピューティングでのジョブの優先順位を制御します。	int

JobResourceConfiguration

名前	形容	価値
dockerArgs	Docker run コマンドに渡す追加の引数。これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。	糸
instanceCount	コンピューティング先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
場所	ジョブを実行できる場所。	string[]
maxInstanceCount	コンピューティング先で使用できるインスタンスまたはノードの最大数 (省略可能)。エラスティックトレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。	int
プロパティ	追加のプロパティバッグ。	ResourceConfigurationProperties
shmSize	Docker コンテナーの共有メモリブロックのサイズ。これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。	糸制約：パターン = `\d+[bBkKmMgG]`

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}		Bicep の場合は、any() 関数を使用できます。

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning'
targetColumnName	ターゲット列名: 予測値列です。分類タスクのコンテキストではラベル列名とも呼ばれます。	糸
trainingData	[必須]トレーニングデータの入力。	MLTableJobInput の (必須)
taskType	オブジェクトの種類を設定する	分類予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
positiveLabel	バイナリメトリック計算の正のラベル。	糸
primaryMetric	タスクのプライマリメトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ClassificationTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	次のいずれかを含む文字列配列: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキストデータに役立つデータセット言語。	糸
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	'Auto' 'Custom' 'Off'
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマーコンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマーロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。必要な入力は、JSON 形式のキーと値のペアのディクショナリです。	Bicep の場合は、any() 関数を使用できます。

TableFixedParameters

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	int
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	int
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	int
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	int
minDataInLeaf	リーフあたりのデータの最小数。	int
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	int
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	int
numLeaves	葉の数を指定します。	int
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	int
regLambda	重みの L2 正則化項。	int
subsample	トレーニングインスタンスのサブサンプル比率。	int
subsampleFreq	サブサンプルの頻度。	int
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	bool
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	bool

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	反復回数。	int
sweepConcurrentTrials	ユーザーがトリガーする同時スイープ実行の数。	int
sweepTrials	ユーザーがトリガーするスイープ実行の数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Auto' (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Custom' (必須)
価値	[必須]N クロス検証値。	int (必須)

TableParameterSubspace

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	糸
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	糸
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	糸
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	糸
minDataInLeaf	リーフあたりのデータの最小数。	糸
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	糸
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	糸
numLeaves	葉の数を指定します。	糸
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	糸
regLambda	重みの L2 正則化項。	糸
subsample	トレーニングインスタンスのサブサンプル比率。	糸
subsampleFreq	サブサンプルの頻度	糸
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	糸
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	糸

TableSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'Bandit' (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'MedianStopping' (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ClassificationTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。	Bicep の場合は、any() 関数を使用できます。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニングセット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。対してたとえば、日次データの `CVStepSize` = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	'Auto' 'None'
featuresUnknownAtForecastTime	予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。	string[]
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリングウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。複数の系列を作成するために使用できます。グレインが定義されていない場合、データセットは 1 つの時系列であると見なされます。このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	'None' 'Season' 'SeasonTrend'

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Auto' (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Custom' (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Auto' (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Custom' (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	'Auto' (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	'Custom' (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Auto' (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Custom' (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ForecastingTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

MLFlowModelJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
logTrainingMetrics	トレーニングメトリックのコンピューティングとログ記録を有効にします。	'Disable' 'Enable'
logValidationLoss	コンピューティングとログの検証の損失を有効にします。	'Disable' 'Enable'
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

RegressionTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリメトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキストデータに役立つデータセット言語。	糸

NlpFixedParameters

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	int
learningRate	トレーニング手順の学習率。	int
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	'Constant' 'ConstantWithWarmup' 'Cosine' 'CosineWithRestarts' 'Linear' 'None' '多項式'
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	int
trainingBatchSize	トレーニング手順のバッチサイズ。	int
validationBatchSize	評価中に使用するバッチサイズ。	int
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	int
weightDecay	トレーニング手順の重量の減衰。	int

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	個々の HD 試用版のタイムアウト。	糸

NlpParameterSubspace

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	糸
learningRate	トレーニング手順の学習率。	糸
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	糸
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	糸
trainingBatchSize	トレーニング手順のバッチサイズ。	糸
validationBatchSize	評価中に使用するバッチサイズ。	糸
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	糸
weightDecay	トレーニング手順の重量の減衰。	糸

NlpSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Command' (必須)
autologgerSettings	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	AutologgerSettings
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データバインディングのマッピング。	CommandJobInputs
切り	コマンドジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データバインディングのマッピング。	CommandJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

AutologgerSettings

名前	形容	価値
mlflowAutologger	[必須]mlflow 自動ロガーが有効かどうかを示します。	'Disabled' 'Enabled' (必須)

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch をする Ray TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'Mpi' (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'PyTorch' (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

鱏

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'Ray' (必須)
住所	Ray ヘッドノードのアドレス。	糸
dashboardPort	ダッシュボードサーバーをバインドするポート。	int
headNodeAdditionalArgs	ヘッドノードの光線開始に渡される追加の引数。	糸
includeDashboard	Ray ダッシュボード GUI を開始するには、この引数を指定します。	bool
港	ヘッドレイプロセスのポート。	int
workerNodeAdditionalArgs	ワーカーノードで光線開始に渡される追加の引数。	糸

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'TensorFlow' (必須)
parameterServerCount	パラメーターサーバータスクの数。	int
workerCount	ワーカーの数。指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	custom_model リテラル mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'literal' (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'triton_model' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'uri_file' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

LabelingJobProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
dataConfiguration	ジョブで使用されるデータの構成。	labelingDataConfiguration の
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
jobInstructions	ジョブのラベル付け命令。	LabelingJobInstructions の
jobType	[必須]ジョブの種類を指定します。	'AutoML' 'Command' 'Labeling' 'Pipeline' 'Spark' 'Sweep' (必須)
labelCategories	ジョブのカテゴリにラベルを付けます。	LabelingJobLabelCategories の
labelingJobMediaProperties	ジョブ内のメディアの種類固有のプロパティ。	labelingJobMediaProperties の
mlAssistConfiguration	ジョブでの MLAssist 機能の構成。	MLAssistConfiguration
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

LabelingDataConfiguration

名前	形容	価値
dataId	ラベル付けを実行するデータ資産のリソース ID。	糸
incrementalDataRefresh	増分データ更新を有効にするかどうかを示します。	'Disabled' 'Enabled'

LabelingJobInstructions

名前	形容	価値
uri	ラベラーの詳細なラベル付け手順を含むページへのリンク。	糸

LabelingJobLabelCategories

名前	形容	価値
{カスタマイズされたプロパティ}		LabelCategory

LabelCategory

名前	形容	価値
クラス	このカテゴリのラベルクラスのディクショナリ。	LabelCategoryClasses
displayName	ラベルカテゴリの表示名。	糸
multiSelect	このカテゴリの複数のクラスを選択できるかどうかを示します。	'Disabled' 'Enabled'

LabelCategoryClasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelClass

名前	形容	価値
displayName	ラベルクラスの表示名。	糸
サブクラス	ラベルクラスのサブクラスのディクショナリ。	LabelClassSubclasses

LabelClassSubclasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelingJobMediaProperties

名前	形容	価値
mediaType	オブジェクトの種類を設定する	イメージテキスト (必須)

LabelingJobImageProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	'Image' (必須)
annotationType	画像ラベル付けジョブの注釈の種類。	'BoundingBox' 'Classification' 'InstanceSegmentation'

LabelingJobTextProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	'Text' (必須)
annotationType	テキストラベル付けジョブの注釈の種類。	'Classification' 'NamedEntityRecognition'

MLAssistConfiguration

名前	形容	価値
mlAssist	オブジェクトの種類を設定する	Disabled Enabled (必須)

MLAssistConfigurationDisabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	'Disabled' (必須)

MLAssistConfigurationEnabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	'Enabled' (必須)
inferencingComputeBinding	[必須]推論で使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
trainingComputeBinding	[必須]トレーニングで使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
入力	パイプラインジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
出力	パイプラインジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。	Bicep の場合は、any() 関数を使用できます。
sourceJobId	ソースジョブの ARM リソース ID。	糸

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}		Bicep の場合は、any() 関数を使用できます。

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Spark' (必須)
史料	ジョブで使用されるアーカイブファイル。	string[]
args	ジョブの引数。	糸
codeId	[必須]コード資産の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
conf	Spark で構成されたプロパティ。	SparkJobConf の
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。	糸
environmentVariables	ジョブに含まれる環境変数。	SparkJobEnvironmentVariables
ファイル	ジョブで使用されるファイル。	string[]
入力	ジョブで使用される入力データバインディングのマッピング。	SparkJobInputs の
瓶	ジョブで使用される Jar ファイル。	string[]
出力	ジョブで使用される出力データバインディングのマッピング。	SparkJobOutputs
pyFiles	ジョブで使用される Python ファイル。	string[]
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	SparkResourceConfiguration の

SparkJobConf

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobEntry

名前	形容	価値
sparkJobEntryType	オブジェクトの種類を設定する	SparkJobPythonEntry の SparkJobScalaEntry (必須)

SparkJobPythonEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	'SparkJobPythonEntry' (必須)
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobScalaEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	'SparkJobScalaEntry' (必須)
className	[必須]エントリポイントとして使用される Scala クラス名。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SparkJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkResourceConfiguration

名前	形容	価値
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
runtimeVersion	ジョブに使用される Spark ランタイムのバージョン。	糸

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Sweep' (必須)
componentConfiguration	コンポーネントに対するスイープのコンポーネント構成	ComponentConfiguration
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データバインディングのマッピング。	SweepJobInputs
切り	スイープジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データバインディングのマッピング。	SweepJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。ディクショナリキーはパラメーターの名前です	Bicep の場合は、any() 関数を使用できます。(必須)
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

ComponentConfiguration

名前	形容	価値
pipelineSettings	ContinueRunOnStepFailure などのパイプライン設定。	Bicep の場合は、any() 関数を使用できます。

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	int
maxTotalTrials	スイープジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	'最大化' '最小化' (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダムの (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Bayesian' (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Grid' (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Random' (必須)
logbase	ログベースのランダムサンプリングのベースとして使用する文字列形式の省略可能な正の数または e	糸
支配	ランダムアルゴリズムの特定の種類	'Random' 'Sobol'
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CreateMonitorAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'CreateMonitor' (必須)
monitorDefinition	[必須]モニターを定義します。	MonitorDefinition (必須)

MonitorDefinition

名前	形容	価値
alertNotificationSettings	モニターの通知設定。	MonitorNotificationSettings
computeConfiguration	[必須]監視ジョブを実行するコンピューティングリソースの ARM リソース ID。	MonitorComputeConfigurationBase (必須)
monitoringTarget	このモニターの対象となるモデルまたはデプロイの ARM リソース ID。	MonitoringTarget
信号	[必須]監視する信号。	MonitorDefinitionSignals (必須)

MonitorNotificationSettings

名前	形容	価値
emailNotificationSettings	AML 通知の電子メール設定。	MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

名前	形容	価値
emails	これは、合計で 499 文字の制限がある電子メール受信者リストです。	string[]

MonitorComputeConfigurationBase

名前	形容	価値
computeType	オブジェクトの種類を設定する	ServerlessSpark (必須)

MonitorServerlessSparkCompute

名前	形容	価値
computeType	[必須]監視するシグナルの種類を指定します。	'ServerlessSpark' (必須)
computeIdentity	[必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。	MonitorComputeIdentityBase (必須)
instanceType	[必須]Spark ジョブを実行しているインスタンスの種類。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
runtimeVersion	[必須]Spark ランタイムのバージョン。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

MonitorComputeIdentityBase

名前	形容	価値
computeIdentityType	オブジェクトの種類を設定する	AmlToken をする ManagedIdentity (必須)

AmlTokenComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	'AmlToken' (必須)

ManagedComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	'ManagedIdentity' (必須)
同一性	マネージドサービス ID (システム割り当て ID またはユーザー割り当て ID)	ManagedServiceIdentity の

ManagedServiceIdentity

名前	形容	価値
種類	マネージドサービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。	'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (必須)
userAssignedIdentities	リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリキーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。	UserAssignedIdentities の

UserAssignedIdentities

名前	形容	価値
{カスタマイズされたプロパティ}		UserAssignedIdentity の

UserAssignedIdentity

このオブジェクトには、配置時に設定するプロパティは含まれません。すべてのプロパティは ReadOnly です。

MonitoringTarget

名前	形容	価値
deploymentId	このモニターの対象となるデプロイの ARM リソース ID。	糸
modelId	このモニターの対象となるモデルの ARM リソース ID。	糸
taskType	[必須]モデルの機械学習タスクの種類。	'Classification' 'QuestionAnswering' 'Regression' (必須)

MonitorDefinitionSignals

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringSignalBase

MonitoringSignalBase

名前	形容	価値
notificationTypes	このシグナルの現在の通知モード。	次のいずれかを含む文字列配列: 'AmlNotification' 'AzureMonitor'
プロパティ	プロパティディクショナリ。プロパティは追加できますが、削除または変更することはできません。	MonitoringSignalBaseProperties の
signalType	オブジェクトの種類を設定する	カスタムの DataDrift DataQuality FeatureAttributionDrift の GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須)

MonitoringSignalBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CustomMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'Custom' (必須)
componentId	[必須]カスタムメトリックの計算に使用されるコンポーネントリソースの ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputAssets	入力として取得する資産の監視。キーはコンポーネント入力ポート名、値はデータ資産です。	CustomMonitoringSignalInputAssets
入力	入力として受け取る追加のコンポーネントパラメーター。キーはコンポーネントリテラル入力ポート名、値はパラメーター値です。	CustomMonitoringSignalInputs の
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	CustomMetricThreshold[] (必須)
workspaceConnection	[必須]計算するメトリックとそれに関連するしきい値の一覧。	MonitoringWorkspaceConnection (必須)

CustomMonitoringSignalInputAssets

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringInputDataBase の

MonitoringInputDataBase

名前	形容	価値
列	列名と特殊用途のマッピング。	MonitoringInputDataBaseColumns
dataContext	データソースのコンテキストメタデータ。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputDataType	オブジェクトの種類を設定する	固定ローリング静的の (必須)

MonitoringInputDataBaseColumns

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FixedInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Fixed' (必須)

RollingInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Rolling' (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowOffset	[必須]データウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。	string (必須)
windowSize	[必須]末尾のデータウィンドウのサイズ。	string (必須)

StaticInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Static' (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowEnd	[必須]データウィンドウの終了日。	string (必須)
windowStart	[必須]データウィンドウの開始日。	string (必須)

CustomMonitoringSignalInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

CustomMetricThreshold

名前	形容	価値
メトリック	[必須]計算するユーザー定義メトリック。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

MonitoringThreshold

名前	形容	価値
価値	しきい値。 null の場合、既定値はメトリックの種類によって異なります。	int

MonitoringWorkspaceConnection

名前	形容	価値
environmentVariables	送信されたジョブに環境変数として格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は環境変数キーです。	MonitoringWorkspaceConnectionEnvironmentVariables
秘密	送信されたジョブにシークレットとして格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は秘密鍵です。	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

MonitoringWorkspaceConnectionSecrets

名前	形容	価値
{カスタマイズされたプロパティ}		糸

DataDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'DataDrift' (必須)
dataSegment	データ作成のサブセットのスコープに使用されるデータセグメント。	MonitoringDataSegment
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	ドリフトを計算するフィーチャを識別する機能フィルター。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

MonitoringDataSegment

名前	形容	価値
特徴	データをセグメント化する機能。	糸
価値観	特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。	string[]

DataDriftMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

FeatureImportanceSettings

名前	形容	価値
モード	特徴の重要度を計算するための操作モード。	'Disabled' 'Enabled'
targetColumn	入力データ資産内のターゲット列の名前。	糸

MonitoringFeatureFilterBase

名前	形容	価値
filterType	オブジェクトの種類を設定する	AllFeatures をする FeatureSubset の TopNByAttribution (必須)

AllFeatures

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'AllFeatures' (必須)

FeatureSubset

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'FeatureSubset' (必須)
顔立ち	[必須]含める機能の一覧。	string[] (必須)

TopNFeaturesByAttribution

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'TopNByAttribution' (必須)
ページのトップへ	含める上位の特徴の数。	int

DataDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリデータドリフトメトリック。	'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須)

NumericalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値データドリフトメトリック。	'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須)

DataQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'DataQuality' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	誤差を計算する特徴。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataQualityMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

DataQualityMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

DataQualityMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリ別データ品質メトリック。	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須)

NumericalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値データ品質メトリック。	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須)

FeatureAttributionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'FeatureAttributionDrift' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	FeatureAttributionMetricThreshold (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

FeatureAttributionMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリック。	'NormalizedDiscountedCumulativeGain' (必須)
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'GenerationSafetyQuality' (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationSafetyQualityMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)
workspaceConnectionId	コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。	糸

GenerationSafetyQualityMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationTokenUsageSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'GenerationTokenStatistics' (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationTokenUsageMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)

GenerationTokenUsageMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	'TotalTokenCount' 'TotalTokenCountPerGroup' (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

ModelPerformanceSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'ModelPerformance' (必須)
dataSegment	データセグメント。	MonitoringDataSegment
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	ModelPerformanceMetricThresholdBase (必須)
productionData	[必須]パフォーマンスが計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。	MonitoringInputDataBase (必須)

ModelPerformanceMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
modelType	オブジェクトの種類を設定する	分類回帰 (必須)

ClassificationModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	'Classification' (必須)
メトリック	[必須]計算する分類モデルのパフォーマンス。	'Accuracy' 'Precision' 'Recall' (必須)

RegressionModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	'Regression' (必須)
メトリック	[必須]計算する回帰モデルのパフォーマンスメトリック。	'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (必須)

PredictionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'PredictionDrift' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	PredictionDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

PredictionDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリ予測誤差メトリック。	'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須)

NumericalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値予測誤差メトリック。	'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須)

ImportDataAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'ImportData' (必須)
dataImportDefinition	[必須]スケジュールアクション定義の詳細を定義します。	DataImport (必須)

DataImport

名前	形容	価値
assetName	作成するデータインポートジョブの資産の名前	糸
autoDeleteSetting	マネージドデータ資産のライフサイクル設定を指定します。	AutoDeleteSetting の
dataType	[必須]データの種類を指定します。	'mltable' 'uri_file' 'uri_folder' (必須)
dataUri	[必須]データの URI。例: `https://go.microsoft.com/fwlink/?linkid=2202330`	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
形容	資産の説明テキスト。	糸
intellectualProperty	知的財産の詳細。データが知的財産である場合に使用されます。	IntellectualProperty
isAnonymous	名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます	bool
isArchived	資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
源	インポート元の資産のソースデータ	DataImportSource の
舞台	このデータ資産に割り当てられたデータライフサイクルのステージ	糸
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

IntellectualProperty

名前	形容	価値
protectionLevel	知的財産の保護レベル。	'All' 'None'
発行者	[必須]知的財産の発行元。レジストリ発行者名と同じである必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

DataImportSource

名前	形容	価値
接続	データインポートソースストレージのワークスペース接続	糸
sourceType	オブジェクトの種類を設定する	データベースをする file_system (必須)

DatabaseSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	'database' (必須)
クエリ	データインポートデータベースソースの SQL Query ステートメント	糸
storedProcedure	データインポートデータベースソースの SQL StoredProcedure	糸
storedProcedureParams	SQL StoredProcedure パラメーター	DatabaseSourceStoredProcedureParamsItem[]
tableName	データインポートデータベースソースのテーブルの名前	糸

DatabaseSourceStoredProcedureParamsItem

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FileSystemSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	'file_system' (必須)
パス	データインポート FileSystem ソースのパス	糸

EndpointScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'InvokeBatchEndpoint' (必須)
endpointInvocationDefinition	[必須]スケジュールアクション定義の詳細を定義します。 {see href="TBD" /}	Bicep の場合は、any() 関数を使用できます。(必須)

TriggerBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones />	糸
triggerType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronTrigger

名前	形容	価値
triggerType	[必須]	'Cron' (必須)
表現	[必須]スケジュールの cron 式を指定します。式は NCronTab 形式に従う必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

RecurrenceTrigger

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
周波数	[必須]スケジュールをトリガーする頻度。	'Day' 'Hour' 'Minute' 'Month' 'Week' (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
計画	繰り返しスケジュール。	RecurrenceSchedule
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones	糸
triggerType	[必須]	'Cron' 'Recurrence' (必須)

RecurrenceSchedule

名前	形容	価値
時間	[必須]スケジュールの時間の一覧。	int[] (必須)
議事録	[必須]スケジュールの分の一覧。	int[] (必須)
monthDays	スケジュールの月日の一覧	int[]
平日	スケジュールの日数の一覧。	次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday'

ARM テンプレートリソース定義

ワークスペース/スケジュールリソースの種類は、次をターゲットとする操作でデプロイできます。

リソースグループの - リソースグループのデプロイコマンド参照

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の JSON をテンプレートに追加します。

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2023-08-01-preview",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {},
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

ScheduleActionBase オブジェクト

actionType プロパティを設定して、オブジェクトの種類を指定します。

CreateJobの場合は、次を使用します。

  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "notificationSetting": {
      "emailOn": [ "string" ],
      "emails": [ "string" ],
      "webhooks": {
        "{customized property}": {
          "eventType": "string",
          "webhookType": "string"
          // For remaining properties, see Webhook objects
        }
      }
    },
    "properties": {
      "{customized property}": "string"
    },
    "secretsConfiguration": {
      "{customized property}": {
        "uri": "string",
        "workspaceSecretName": "string"
      }
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {},
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }

CreateMonitorの場合は、次のコマンドを使用します。

  "actionType": "CreateMonitor",
  "monitorDefinition": {
    "alertNotificationSettings": {
      "emailNotificationSettings": {
        "emails": [ "string" ]
      }
    },
    "computeConfiguration": {
      "computeType": "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    },
    "monitoringTarget": {
      "deploymentId": "string",
      "modelId": "string",
      "taskType": "string"
    },
    "signals": {
      "{customized property}": {
        "notificationTypes": [ "string" ],
        "properties": {
          "{customized property}": "string"
        },
        "signalType": "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

ImportDataをする場合は、次のコマンドを使用します。

  "actionType": "ImportData",
  "dataImportDefinition": {
    "assetName": "string",
    "autoDeleteSetting": {
      "condition": "string",
      "value": "string"
    },
    "dataType": "string",
    "dataUri": "string",
    "description": "string",
    "intellectualProperty": {
      "protectionLevel": "string",
      "publisher": "string"
    },
    "isAnonymous": "bool",
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "source": {
      "connection": "string",
      "sourceType": "string"
      // For remaining properties, see DataImportSource objects
    },
    "stage": "string",
    "tags": {}
  }

InvokeBatchEndpointの場合は、次の値を使用します。

  "actionType": "InvokeBatchEndpoint",
  "endpointInvocationDefinition": {}

JobBaseProperties オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  "jobType": "AutoML",
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "taskDetails": {
    "logVerbosity": "string",
    "targetColumnName": "string",
    "trainingData": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "taskType": "string"
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  "jobType": "Command",
  "autologgerSettings": {
    "mlflowAutologger": "string"
  },
  "codeId": "string",
  "command": "string",
  "distribution": {
    "distributionType": "string"
    // For remaining properties, see DistributionConfiguration objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }

ラベル付けの場合は、次を使用します。

  "jobType": "Labeling",
  "dataConfiguration": {
    "dataId": "string",
    "incrementalDataRefresh": "string"
  },
  "jobInstructions": {
    "uri": "string"
  },
  "labelCategories": {
    "{customized property}": {
      "classes": {
        "{customized property}": {
          "displayName": "string",
          "subclasses": {
            "{customized property}": {}
        }
      },
      "displayName": "string",
      "multiSelect": "string"
    }
  },
  "labelingJobMediaProperties": {
    "mediaType": "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  },
  "mlAssistConfiguration": {
    "mlAssist": "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

パイプラインの場合は、次を使用します。

  "jobType": "Pipeline",
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jobs": {
    "{customized property}": {}
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "settings": {},
  "sourceJobId": "string"

Sparkの場合は、次の値を使用します。

  "jobType": "Spark",
  "archives": [ "string" ],
  "args": "string",
  "codeId": "string",
  "conf": {
    "{customized property}": "string"
  },
  "entry": {
    "sparkJobEntryType": "string"
    // For remaining properties, see SparkJobEntry objects
  },
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "files": [ "string" ],
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "jars": [ "string" ],
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "pyFiles": [ "string" ],
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "instanceType": "string",
    "runtimeVersion": "string"
  }

スイープの場合は、次を使用します。

  "jobType": "Sweep",
  "componentConfiguration": {
    "pipelineSettings": {}
  },
  "earlyTermination": {
    "delayEvaluation": "int",
    "evaluationInterval": "int",
    "policyType": "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "limits": {
    "jobLimitsType": "string",
    "maxConcurrentTrials": "int",
    "maxTotalTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "objective": {
    "goal": "string",
    "primaryMetric": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string",
    "priority": "int"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "locations": [ "string" ],
    "maxInstanceCount": "int",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  },
  "samplingAlgorithm": {
    "samplingAlgorithmType": "string"
    // For remaining properties, see SamplingAlgorithm objects
  },
  "searchSpace": {},
  "trial": {
    "codeId": "string",
    "command": "string",
    "distribution": {
      "distributionType": "string"
      // For remaining properties, see DistributionConfiguration objects
    },
    "environmentId": "string",
    "environmentVariables": {
      "{customized property}": "string"
    },
    "resources": {
      "dockerArgs": "string",
      "instanceCount": "int",
      "instanceType": "string",
      "locations": [ "string" ],
      "maxInstanceCount": "int",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenをする場合は、次を使用します。

  "identityType": "AMLToken"

マネージドの場合は、次を使用します。

  "identityType": "Managed",
  "clientId": "string",
  "objectId": "string",
  "resourceId": "string"

UserIdentityの場合は、次の値を使用します。

  "identityType": "UserIdentity"

Webhook オブジェクト

webhookType プロパティを設定して、オブジェクトの種類を指定します。

AzureDevOpsをする場合は、次のコマンドを使用します。

  "webhookType": "AzureDevOps"

Nodes オブジェクト

nodesValueType プロパティを設定して、オブジェクトの種類を指定します。

[すべてのをする場合は、次を使用します。

  "nodesValueType": "All"

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

custom_modelの場合は、次を使用します。

  "jobOutputType": "custom_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

mlflow_modelの場合は、次を使用します。

  "jobOutputType": "mlflow_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

mltableをする場合は、次を使用します。

  "jobOutputType": "mltable",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

triton_modelの場合は、次を使用します。

  "jobOutputType": "triton_model",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

uri_fileの場合は、次を使用します。

  "jobOutputType": "uri_file",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

uri_folderの場合は、次を使用します。

  "jobOutputType": "uri_folder",
  "assetName": "string",
  "assetVersion": "string",
  "autoDeleteSetting": {
    "condition": "string",
    "value": "string"
  },
  "mode": "string",
  "uri": "string"

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  "taskType": "Classification",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

予測の場合は、次の値を使用します。

  "taskType": "Forecasting",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "string",
    "featuresUnknownAtForecastTime": [ "string" ],
    "forecastHorizon": {
      "mode": "string"
      // For remaining properties, see ForecastHorizon objects
    },
    "frequency": "string",
    "seasonality": {
      "mode": "string"
      // For remaining properties, see Seasonality objects
    },
    "shortSeriesHandlingConfig": "string",
    "targetAggregateFunction": "string",
    "targetLags": {
      "mode": "string"
      // For remaining properties, see TargetLags objects
    },
    "targetRollingWindowSize": {
      "mode": "string"
      // For remaining properties, see TargetRollingWindowSize objects
    },
    "timeColumnName": "string",
    "timeSeriesIdColumnNames": [ "string" ],
    "useStl": "string"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

ImageClassificationの場合は、次を使用します。

  "taskType": "ImageClassification",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

ImageClassificationMultilabelをする場合は、次を使用します。

  "taskType": "ImageClassificationMultilabel",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "momentum": "int",
    "nesterov": "bool",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "trainingBatchSize": "int",
    "trainingCropSize": "int",
    "validationBatchSize": "int",
    "validationCropSize": "int",
    "validationResizeSize": "int",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int",
    "weightedLoss": "int"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "momentum": "string",
      "nesterov": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "trainingBatchSize": "string",
      "trainingCropSize": "string",
      "validationBatchSize": "string",
      "validationCropSize": "string",
      "validationResizeSize": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string",
      "weightedLoss": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

ImageInstanceSegmentationをする場合は、次を使用します。

  "taskType": "ImageInstanceSegmentation",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "logTrainingMetrics": "string",
    "logValidationLoss": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

ImageObjectDetectionの場合は、次の値を使用します。

  "taskType": "ImageObjectDetection",
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "modelSettings": {
    "advancedSettings": "string",
    "amsGradient": "bool",
    "augmentations": "string",
    "beta1": "int",
    "beta2": "int",
    "boxDetectionsPerImage": "int",
    "boxScoreThreshold": "int",
    "checkpointFrequency": "int",
    "checkpointModel": {
      "description": "string",
      "jobInputType": "string",
      "mode": "string",
      "uri": "string"
    },
    "checkpointRunId": "string",
    "distributed": "bool",
    "earlyStopping": "bool",
    "earlyStoppingDelay": "int",
    "earlyStoppingPatience": "int",
    "enableOnnxNormalization": "bool",
    "evaluationFrequency": "int",
    "gradientAccumulationStep": "int",
    "imageSize": "int",
    "layersToFreeze": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "logTrainingMetrics": "string",
    "logValidationLoss": "string",
    "maxSize": "int",
    "minSize": "int",
    "modelName": "string",
    "modelSize": "string",
    "momentum": "int",
    "multiScale": "bool",
    "nesterov": "bool",
    "nmsIouThreshold": "int",
    "numberOfEpochs": "int",
    "numberOfWorkers": "int",
    "optimizer": "string",
    "randomSeed": "int",
    "stepLRGamma": "int",
    "stepLRStepSize": "int",
    "tileGridSize": "string",
    "tileOverlapRatio": "int",
    "tilePredictionsNmsThreshold": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "validationIouThreshold": "int",
    "validationMetricType": "string",
    "warmupCosineLRCycles": "int",
    "warmupCosineLRWarmupEpochs": "int",
    "weightDecay": "int"
  },
  "primaryMetric": "MeanAveragePrecision",
  "searchSpace": [
    {
      "amsGradient": "string",
      "augmentations": "string",
      "beta1": "string",
      "beta2": "string",
      "boxDetectionsPerImage": "string",
      "boxScoreThreshold": "string",
      "distributed": "string",
      "earlyStopping": "string",
      "earlyStoppingDelay": "string",
      "earlyStoppingPatience": "string",
      "enableOnnxNormalization": "string",
      "evaluationFrequency": "string",
      "gradientAccumulationStep": "string",
      "imageSize": "string",
      "layersToFreeze": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "maxSize": "string",
      "minSize": "string",
      "modelName": "string",
      "modelSize": "string",
      "momentum": "string",
      "multiScale": "string",
      "nesterov": "string",
      "nmsIouThreshold": "string",
      "numberOfEpochs": "string",
      "numberOfWorkers": "string",
      "optimizer": "string",
      "randomSeed": "string",
      "stepLRGamma": "string",
      "stepLRStepSize": "string",
      "tileGridSize": "string",
      "tileOverlapRatio": "string",
      "tilePredictionsNmsThreshold": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "validationIouThreshold": "string",
      "validationMetricType": "string",
      "warmupCosineLRCycles": "string",
      "warmupCosineLRWarmupEpochs": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"

回帰の場合は、次の値を使用します。

  "taskType": "Regression",
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "fixedParameters": {
    "booster": "string",
    "boostingType": "string",
    "growPolicy": "string",
    "learningRate": "int",
    "maxBin": "int",
    "maxDepth": "int",
    "maxLeaves": "int",
    "minDataInLeaf": "int",
    "minSplitGain": "int",
    "modelName": "string",
    "nEstimators": "int",
    "numLeaves": "int",
    "preprocessorName": "string",
    "regAlpha": "int",
    "regLambda": "int",
    "subsample": "int",
    "subsampleFreq": "int",
    "treeMethod": "string",
    "withMean": "bool",
    "withStd": "bool"
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "sweepConcurrentTrials": "int",
    "sweepTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "booster": "string",
      "boostingType": "string",
      "growPolicy": "string",
      "learningRate": "string",
      "maxBin": "string",
      "maxDepth": "string",
      "maxLeaves": "string",
      "minDataInLeaf": "string",
      "minSplitGain": "string",
      "modelName": "string",
      "nEstimators": "string",
      "numLeaves": "string",
      "preprocessorName": "string",
      "regAlpha": "string",
      "regLambda": "string",
      "subsample": "string",
      "subsampleFreq": "string",
      "treeMethod": "string",
      "withMean": "string",
      "withStd": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "testData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "testDataSize": "int",
  "trainingSettings": {
    "allowedTrainingAlgorithms": [ "string" ],
    "blockedTrainingAlgorithms": [ "string" ],
    "enableDnnTraining": "bool",
    "enableModelExplainability": "bool",
    "enableOnnxCompatibleModels": "bool",
    "enableStackEnsemble": "bool",
    "enableVoteEnsemble": "bool",
    "ensembleModelDownloadTimeout": "string",
    "stackEnsembleSettings": {
      "stackMetaLearnerKWargs": {},
      "stackMetaLearnerTrainPercentage": "int",
      "stackMetaLearnerType": "string"
    },
    "trainingMode": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"

TextClassificationの場合は、次を使用します。

  "taskType": "TextClassification",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "primaryMetric": "string",
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

TextClassificationMultilabelをする場合は、次を使用します。

  "taskType": "TextClassificationMultilabel",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

TextNERの場合は、次を使用します。

  "taskType": "TextNER",
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "fixedParameters": {
    "gradientAccumulationSteps": "int",
    "learningRate": "int",
    "learningRateScheduler": "string",
    "modelName": "string",
    "numberOfEpochs": "int",
    "trainingBatchSize": "int",
    "validationBatchSize": "int",
    "warmupRatio": "int",
    "weightDecay": "int"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxNodes": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "searchSpace": [
    {
      "gradientAccumulationSteps": "string",
      "learningRate": "string",
      "learningRateScheduler": "string",
      "modelName": "string",
      "numberOfEpochs": "string",
      "trainingBatchSize": "string",
      "validationBatchSize": "string",
      "warmupRatio": "string",
      "weightDecay": "string"
    }
  ],
  "sweepSettings": {
    "earlyTermination": {
      "delayEvaluation": "int",
      "evaluationInterval": "int",
      "policyType": "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    },
    "samplingAlgorithm": "string"
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムをする場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  "policyType": "Bandit",
  "slackAmount": "int",
  "slackFactor": "int"

MedianStopping の場合は、次の値を使用します。

  "policyType": "MedianStopping"

TruncationSelectionの場合は、次のコマンドを使用します。

  "policyType": "TruncationSelection",
  "truncationPercentage": "int"

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムをする場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムをする場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムをする場合は、次の値を使用します。

  "mode": "Custom",
  "values": [ "int" ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  "mode": "Auto"

カスタムをする場合は、次の値を使用します。

  "mode": "Custom",
  "value": "int"

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

  "distributionType": "Mpi",
  "processCountPerInstance": "int"

PyTorchをする場合は、次を使用します。

  "distributionType": "PyTorch",
  "processCountPerInstance": "int"

Rayの場合は、次を使用します。

  "distributionType": "Ray",
  "address": "string",
  "dashboardPort": "int",
  "headNodeAdditionalArgs": "string",
  "includeDashboard": "bool",
  "port": "int",
  "workerNodeAdditionalArgs": "string"

TensorFlowの場合は、次を使用します。

  "distributionType": "TensorFlow",
  "parameterServerCount": "int",
  "workerCount": "int"

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

custom_modelの場合は、次を使用します。

  "jobInputType": "custom_model",
  "mode": "string",
  "uri": "string"

リテラルの場合は、次の値を使用します。

  "jobInputType": "literal",
  "value": "string"

mlflow_modelの場合は、次を使用します。

  "jobInputType": "mlflow_model",
  "mode": "string",
  "uri": "string"

mltableをする場合は、次を使用します。

  "jobInputType": "mltable",
  "mode": "string",
  "uri": "string"

triton_modelの場合は、次を使用します。

  "jobInputType": "triton_model",
  "mode": "string",
  "uri": "string"

uri_fileの場合は、次を使用します。

  "jobInputType": "uri_file",
  "mode": "string",
  "uri": "string"

uri_folderの場合は、次を使用します。

  "jobInputType": "uri_folder",
  "mode": "string",
  "uri": "string"

LabelingJobMediaProperties オブジェクト

mediaType プロパティを設定して、オブジェクトの種類を指定します。

Imageの場合は、次を使用します。

  "mediaType": "Image",
  "annotationType": "string"

テキストの場合は、次を使用します。

  "mediaType": "Text",
  "annotationType": "string"

MLAssistConfiguration オブジェクト

mlAssist プロパティを設定して、オブジェクトの種類を指定します。

無効の場合は、次の値を使用します。

  "mlAssist": "Disabled"

[有効の場合は、次を使用します。

  "mlAssist": "Enabled",
  "inferencingComputeBinding": "string",
  "trainingComputeBinding": "string"

SparkJobEntry オブジェクト

sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。

SparkJobPythonEntryの場合は、次の値を使用します。

  "sparkJobEntryType": "SparkJobPythonEntry",
  "file": "string"

SparkJobScalaEntryの場合は、次の値を使用します。

  "sparkJobEntryType": "SparkJobScalaEntry",
  "className": "string"

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアンの場合は、次を使用します。

  "samplingAlgorithmType": "Bayesian"

Gridの場合は、次を使用します。

  "samplingAlgorithmType": "Grid"

ランダムには、次の値を使用します。

  "samplingAlgorithmType": "Random",
  "logbase": "string",
  "rule": "string",
  "seed": "int"

MonitorComputeConfigurationBase オブジェクト

computeType プロパティを設定して、オブジェクトの種類を指定します。

ServerlessSparkの場合は、次を使用します。

  "computeType": "ServerlessSpark",
  "computeIdentity": {
    "computeIdentityType": "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  },
  "instanceType": "string",
  "runtimeVersion": "string"

MonitorComputeIdentityBase オブジェクト

computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。

AmlTokenの場合は、次を使用します。

  "computeIdentityType": "AmlToken"

ManagedIdentityの場合は、次の値を使用します。

  "computeIdentityType": "ManagedIdentity",
  "identity": {
    "type": "string",
    "userAssignedIdentities": {
      "{customized property}": {}
    }
  }

MonitoringSignalBase オブジェクト

signalType プロパティを設定して、オブジェクトの種類を指定します。

カスタムをする場合は、次の値を使用します。

  "signalType": "Custom",
  "componentId": "string",
  "inputAssets": {
    "{customized property}": {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  },
  "inputs": {
    "{customized property}": {
      "description": "string",
      "jobInputType": "string"
      // For remaining properties, see JobInput objects
    }
  },
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "workspaceConnection": {
    "environmentVariables": {
      "{customized property}": "string"
    },
    "secrets": {
      "{customized property}": "string"
    }
  }

DataDriftの場合は、次の値を使用します。

  "signalType": "DataDrift",
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [
    {
      "threshold": {
        "value": "int"
      },
      "dataType": "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

DataQualityの場合は、次の値を使用します。

  "signalType": "DataQuality",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "features": {
    "filterType": "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  },
  "metricThresholds": [
    {
      "threshold": {
        "value": "int"
      },
      "dataType": "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

FeatureAttributionDriftをする場合は、次のコマンドを使用します。

  "signalType": "FeatureAttributionDrift",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "NormalizedDiscountedCumulativeGain",
    "threshold": {
      "value": "int"
    }
  },
  "productionData": [
    {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

GenerationSafetyQualityの場合は、次の値を使用します。

  "signalType": "GenerationSafetyQuality",
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [
    {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ],
  "samplingRate": "int",
  "workspaceConnectionId": "string"

GenerationTokenStatisticsの場合は、次を使用します。

  "signalType": "GenerationTokenStatistics",
  "metricThresholds": [
    {
      "metric": "string",
      "threshold": {
        "value": "int"
      }
    }
  ],
  "productionData": [
    {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ],
  "samplingRate": "int"

ModelPerformanceの場合は、次の値を使用します。

  "signalType": "ModelPerformance",
  "dataSegment": {
    "feature": "string",
    "values": [ "string" ]
  },
  "metricThreshold": {
    "threshold": {
      "value": "int"
    },
    "modelType": "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  },
  "productionData": [
    {
      "columns": {
        "{customized property}": "string"
      },
      "dataContext": "string",
      "jobInputType": "string",
      "uri": "string",
      "inputDataType": "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ],
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

PredictionDriftの場合は、次の値を使用します。

  "signalType": "PredictionDrift",
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "metricThresholds": [
    {
      "threshold": {
        "value": "int"
      },
      "dataType": "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ],
  "productionData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  },
  "referenceData": {
    "columns": {
      "{customized property}": "string"
    },
    "dataContext": "string",
    "jobInputType": "string",
    "uri": "string",
    "inputDataType": "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

MonitoringInputDataBase オブジェクト

inputDataType プロパティを設定して、オブジェクトの種類を指定します。

固定の場合は、次の値を使用します。

  "inputDataType": "Fixed"

ローリングの場合は、次を使用します。

  "inputDataType": "Rolling",
  "preprocessingComponentId": "string",
  "windowOffset": "string",
  "windowSize": "string"

静的をする場合は、次を使用します。

  "inputDataType": "Static",
  "preprocessingComponentId": "string",
  "windowEnd": "string",
  "windowStart": "string"

MonitoringFeatureFilterBase オブジェクト

filterType プロパティを設定して、オブジェクトの種類を指定します。

AllFeaturesをする場合は、次を使用します。

  "filterType": "AllFeatures"

FeatureSubsetをする場合は、次を使用します。

  "filterType": "FeatureSubset",
  "features": [ "string" ]

TopNByAttributionをする場合は、次のコマンドを使用します。

  "filterType": "TopNByAttribution",
  "top": "int"

DataDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  "dataType": "Categorical",
  "metric": "string"

数値の場合は、次の値を使用します。

  "dataType": "Numerical",
  "metric": "string"

DataQualityMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  "dataType": "Categorical",
  "metric": "string"

数値の場合は、次の値を使用します。

  "dataType": "Numerical",
  "metric": "string"

ModelPerformanceMetricThresholdBase オブジェクト

modelType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  "modelType": "Classification",
  "metric": "string"

回帰の場合は、次の値を使用します。

  "modelType": "Regression",
  "metric": "string"

PredictionDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  "dataType": "Categorical",
  "metric": "string"

数値の場合は、次の値を使用します。

  "dataType": "Numerical",
  "metric": "string"

DataImportSource オブジェクト

sourceType プロパティを設定して、オブジェクトの種類を指定します。

データベースの場合は、次を使用します。

  "sourceType": "database",
  "query": "string",
  "storedProcedure": "string",
  "storedProcedureParams": [
    {
      "{customized property}": "string"
    }
  ],
  "tableName": "string"

file_systemの場合は、次を使用します。

  "sourceType": "file_system",
  "path": "string"

TriggerBase オブジェクト

triggerType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  "triggerType": "Cron",
  "expression": "string"

繰り返しの場合は、次の値を使用します。

  "triggerType": "Recurrence",
  "frequency": "string",
  "interval": "int",
  "schedule": {
    "hours": [ "int" ],
    "minutes": [ "int" ],
    "monthDays": [ "int" ],
    "weekDays": [ "string" ]
  }

プロパティ値

workspaces/schedules

名前	形容	価値
種類	リソースの種類	'Microsoft.MachineLearningServices/workspaces/schedules'
apiVersion	リソース API のバージョン	'2023-08-01-preview'
名前	リソース名 JSON ARM テンプレートで子リソースの名前と型設定する方法を参照してください。	string (必須)
プロパティ	[必須]エンティティの追加の属性。	ScheduleProperties (必須)

ScheduleProperties

名前	形容	価値
アクション	[必須]スケジュールのアクションを指定します	ScheduleActionBase (必須)
形容	資産の説明テキスト。	糸
displayName	スケジュールの表示名。	糸
isEnabled	スケジュールは有効になっていますか?	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
トリガー	[必須]トリガーの詳細を指定します	TriggerBase (必須)

ScheduleActionBase

名前	形容	価値
actionType	オブジェクトの種類を設定する	CreateJob の CreateMonitor ImportData の InvokeBatchEndpoint (必須)

JobScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'CreateJob' (必須)
jobDefinition	[必須]スケジュールアクション定義の詳細を定義します。	JobBaseProperties (必須)

JobBaseProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML のコマンドラベル付けパイプラインの Spark スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken をするマネージドの UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'AMLToken' (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'Managed' (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	'UserIdentity' (必須)

NotificationSetting

名前	形容	価値
emailOn	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: 'JobCancelled' 'JobCompleted' 'JobFailed'
emails	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	string[]
webhooks	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks

名前	形容	価値
{カスタマイズされたプロパティ}		Webhook

Webhook

名前	形容	価値
eventType	指定した通知イベントのコールバックを送信する	糸
webhookType	オブジェクトの種類を設定する	AzureDevOps (必須)

AzureDevOpsWebhook

名前	形容	価値
webhookType	[必須]コールバックを送信するサービスの種類を指定します	'AzureDevOps' (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

JobBaseSecretsConfiguration

名前	形容	価値
{カスタマイズされたプロパティ}		SecretConfiguration

SecretConfiguration

名前	形容	価値
uri	シークレット URI。サンプル URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	糸
workspaceSecretName	ワークスペースキーコンテナー内のシークレットの名前。	糸

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
ノード	ユーザーがサービスを開始するノード。ノードが設定されていないか、null に設定されていない場合、サービスはリーダーノードでのみ開始されます。	ノード
港	ユーザーによって設定されたエンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

ノード

名前	形容	価値
nodesValueType	オブジェクトの種類を設定する	すべての (必須)

AllNodes

名前	形容	価値
nodesValueType	[必須]ノード値の型	'All' (必須)

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'AutoML' (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データバインディングのマッピング。	AutoMLJobOutputs の
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	custom_model mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'custom_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

AutoDeleteSetting

名前	形容	価値
条件	資産の有効期限が切れているかどうかを確認するタイミング	'CreatedGreaterThan' 'LastAccessedGreaterThan'
価値	有効期限条件の値。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'mlflow_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'mltable' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'triton_model' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'uri_file' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	'uri_folder' (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	'Direct' 'ReadWriteMount' 'Upload'
uri	出力アセット URI。	糸

QueueSettings

名前	形容	価値
jobTier	コンピューティングジョブレベルを制御します。	'Basic' 'Null' 'Premium' 'Spot' 'Standard'
優先権	コンピューティングでのジョブの優先順位を制御します。	int

JobResourceConfiguration

名前	形容	価値
dockerArgs	Docker run コマンドに渡す追加の引数。これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。	糸
instanceCount	コンピューティング先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
場所	ジョブを実行できる場所。	string[]
maxInstanceCount	コンピューティング先で使用できるインスタンスまたはノードの最大数 (省略可能)。エラスティックトレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。	int
プロパティ	追加のプロパティバッグ。	ResourceConfigurationProperties
shmSize	Docker コンテナーの共有メモリブロックのサイズ。これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。	糸制約：パターン = `\d+[bBkKmMgG]`

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	'Critical' 'Debug' 'Error' 'Info' 'NotSet' 'Warning'
targetColumnName	ターゲット列名: 予測値列です。分類タスクのコンテキストではラベル列名とも呼ばれます。	糸
trainingData	[必須]トレーニングデータの入力。	MLTableJobInput の (必須)
taskType	オブジェクトの種類を設定する	分類予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Classification' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
positiveLabel	バイナリメトリック計算の正のラベル。	糸
primaryMetric	タスクのプライマリメトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ClassificationTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	次のいずれかを含む文字列配列: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' 'NaiveBayes' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキストデータに役立つデータセット言語。	糸
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	'Auto' 'Custom' 'Off'
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマーコンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマーロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。必要な入力は、JSON 形式のキーと値のペアのディクショナリです。

TableFixedParameters

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	int
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	int
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	int
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	int
minDataInLeaf	リーフあたりのデータの最小数。	int
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	int
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	int
numLeaves	葉の数を指定します。	int
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	int
regLambda	重みの L2 正則化項。	int
subsample	トレーニングインスタンスのサブサンプル比率。	int
subsampleFreq	サブサンプルの頻度。	int
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	bool
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	bool

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	反復回数。	int
sweepConcurrentTrials	ユーザーがトリガーする同時スイープ実行の数。	int
sweepTrials	ユーザーがトリガーするスイープ実行の数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Auto' (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	'Custom' (必須)
価値	[必須]N クロス検証値。	int (必須)

TableParameterSubspace

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	糸
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	糸
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	糸
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	糸
minDataInLeaf	リーフあたりのデータの最小数。	糸
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	糸
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	糸
numLeaves	葉の数を指定します。	糸
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	糸
regLambda	重みの L2 正則化項。	糸
subsample	トレーニングインスタンスのサブサンプル比率。	糸
subsampleFreq	サブサンプルの頻度	糸
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	糸
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	糸

TableSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'Bandit' (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'MedianStopping' (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	'TruncationSelection' (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ClassificationTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'BernoulliNaiveBayes' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' 'MultinomialNaiveBayes' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニングセット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Forecasting' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	予測タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。対してたとえば、日次データの `CVStepSize` = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	'Auto' 'None'
featuresUnknownAtForecastTime	予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。	string[]
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリングウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。複数の系列を作成するために使用できます。グレインが定義されていない場合、データセットは 1 つの時系列であると見なされます。このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	'None' 'Season' 'SeasonTrend'

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Auto' (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	'Custom' (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Auto' (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	'Custom' (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	'Auto' (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	'Custom' (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Auto' (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	'Custom' (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ForecastingTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'Arimax' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'Naive' 'Prophet' 'RandomForest' 'SGD' 'SeasonalAverage' 'SeasonalNaive' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassification' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

MLFlowModelJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageClassificationMultilabel' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageInstanceSegmentation' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	'None' 'Step' 'WarmupCosine'
logTrainingMetrics	トレーニングメトリックのコンピューティングとログ記録を有効にします。	'Disable' 'Enable'
logValidationLoss	コンピューティングとログの検証の損失を有効にします。	'Disable' 'Enable'
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	'Adam' 'Adamw' 'None' 'Sgd'
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	'Coco' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'ImageObjectDetection' (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	'MeanAveragePrecision'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'Regression' (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	回帰タスクの主要メトリック。	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' 'スピアマンコレレーション'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

RegressionTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'なげなわ' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	'Auto' 'Distributed' 'NonDistributed'

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassification' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリメトリック。	'AUCWeighted' 'Accuracy' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキストデータに役立つデータセット言語。	糸

NlpFixedParameters

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	int
learningRate	トレーニング手順の学習率。	int
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	'Constant' 'ConstantWithWarmup' 'Cosine' 'CosineWithRestarts' 'Linear' 'None' '多項式'
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	int
trainingBatchSize	トレーニング手順のバッチサイズ。	int
validationBatchSize	評価中に使用するバッチサイズ。	int
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	int
weightDecay	トレーニング手順の重量の減衰。	int

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	個々の HD 試用版のタイムアウト。	糸

NlpParameterSubspace

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	糸
learningRate	トレーニング手順の学習率。	糸
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	糸
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	糸
trainingBatchSize	トレーニング手順のバッチサイズ。	糸
validationBatchSize	評価中に使用するバッチサイズ。	糸
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	糸
weightDecay	トレーニング手順の重量の減衰。	糸

NlpSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	'Bayesian' 'Grid' 'Random' (必須)

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextClassificationMultilabel' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	'TextNER' (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Command' (必須)
autologgerSettings	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	AutologgerSettings
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データバインディングのマッピング。	CommandJobInputs
切り	コマンドジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データバインディングのマッピング。	CommandJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

AutologgerSettings

名前	形容	価値
mlflowAutologger	[必須]mlflow 自動ロガーが有効かどうかを示します。	'Disabled' 'Enabled' (必須)

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch をする Ray TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'Mpi' (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'PyTorch' (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

鱏

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'Ray' (必須)
住所	Ray ヘッドノードのアドレス。	糸
dashboardPort	ダッシュボードサーバーをバインドするポート。	int
headNodeAdditionalArgs	ヘッドノードの光線開始に渡される追加の引数。	糸
includeDashboard	Ray ダッシュボード GUI を開始するには、この引数を指定します。	bool
港	ヘッドレイプロセスのポート。	int
workerNodeAdditionalArgs	ワーカーノードで光線開始に渡される追加の引数。	糸

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	'TensorFlow' (必須)
parameterServerCount	パラメーターサーバータスクの数。	int
workerCount	ワーカーの数。指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	custom_model リテラル mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'literal' (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'triton_model' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'uri_file' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	'uri_folder' (必須)
モード	入力資産配信モード。	'Direct' 'ダウンロード' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

LabelingJobProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
dataConfiguration	ジョブで使用されるデータの構成。	labelingDataConfiguration の
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
jobInstructions	ジョブのラベル付け命令。	LabelingJobInstructions の
jobType	[必須]ジョブの種類を指定します。	'AutoML' 'Command' 'Labeling' 'Pipeline' 'Spark' 'Sweep' (必須)
labelCategories	ジョブのカテゴリにラベルを付けます。	LabelingJobLabelCategories の
labelingJobMediaProperties	ジョブ内のメディアの種類固有のプロパティ。	labelingJobMediaProperties の
mlAssistConfiguration	ジョブでの MLAssist 機能の構成。	MLAssistConfiguration
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

LabelingDataConfiguration

名前	形容	価値
dataId	ラベル付けを実行するデータ資産のリソース ID。	糸
incrementalDataRefresh	増分データ更新を有効にするかどうかを示します。	'Disabled' 'Enabled'

LabelingJobInstructions

名前	形容	価値
uri	ラベラーの詳細なラベル付け手順を含むページへのリンク。	糸

LabelingJobLabelCategories

名前	形容	価値
{カスタマイズされたプロパティ}		LabelCategory

LabelCategory

名前	形容	価値
クラス	このカテゴリのラベルクラスのディクショナリ。	LabelCategoryClasses
displayName	ラベルカテゴリの表示名。	糸
multiSelect	このカテゴリの複数のクラスを選択できるかどうかを示します。	'Disabled' 'Enabled'

LabelCategoryClasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelClass

名前	形容	価値
displayName	ラベルクラスの表示名。	糸
サブクラス	ラベルクラスのサブクラスのディクショナリ。	LabelClassSubclasses

LabelClassSubclasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelingJobMediaProperties

名前	形容	価値
mediaType	オブジェクトの種類を設定する	イメージテキスト (必須)

LabelingJobImageProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	'Image' (必須)
annotationType	画像ラベル付けジョブの注釈の種類。	'BoundingBox' 'Classification' 'InstanceSegmentation'

LabelingJobTextProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	'Text' (必須)
annotationType	テキストラベル付けジョブの注釈の種類。	'Classification' 'NamedEntityRecognition'

MLAssistConfiguration

名前	形容	価値
mlAssist	オブジェクトの種類を設定する	Disabled Enabled (必須)

MLAssistConfigurationDisabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	'Disabled' (必須)

MLAssistConfigurationEnabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	'Enabled' (必須)
inferencingComputeBinding	[必須]推論で使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
trainingComputeBinding	[必須]トレーニングで使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Pipeline' (必須)
入力	パイプラインジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
出力	パイプラインジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。
sourceJobId	ソースジョブの ARM リソース ID。	糸

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Spark' (必須)
史料	ジョブで使用されるアーカイブファイル。	string[]
args	ジョブの引数。	糸
codeId	[必須]コード資産の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
conf	Spark で構成されたプロパティ。	SparkJobConf の
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。	糸
environmentVariables	ジョブに含まれる環境変数。	SparkJobEnvironmentVariables
ファイル	ジョブで使用されるファイル。	string[]
入力	ジョブで使用される入力データバインディングのマッピング。	SparkJobInputs の
瓶	ジョブで使用される Jar ファイル。	string[]
出力	ジョブで使用される出力データバインディングのマッピング。	SparkJobOutputs
pyFiles	ジョブで使用される Python ファイル。	string[]
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	SparkResourceConfiguration の

SparkJobConf

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobEntry

名前	形容	価値
sparkJobEntryType	オブジェクトの種類を設定する	SparkJobPythonEntry の SparkJobScalaEntry (必須)

SparkJobPythonEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	'SparkJobPythonEntry' (必須)
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobScalaEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	'SparkJobScalaEntry' (必須)
className	[必須]エントリポイントとして使用される Scala クラス名。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SparkJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkResourceConfiguration

名前	形容	価値
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
runtimeVersion	ジョブに使用される Spark ランタイムのバージョン。	糸

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	'Sweep' (必須)
componentConfiguration	コンポーネントに対するスイープのコンポーネント構成	ComponentConfiguration
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データバインディングのマッピング。	SweepJobInputs
切り	スイープジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データバインディングのマッピング。	SweepJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。ディクショナリキーはパラメーターの名前です
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

ComponentConfiguration

名前	形容	価値
pipelineSettings	ContinueRunOnStepFailure などのパイプライン設定。

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	'Command' 'Sweep' (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	int
maxTotalTrials	スイープジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	'最大化' '最小化' (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダムの (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Bayesian' (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Grid' (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	'Random' (必須)
logbase	ログベースのランダムサンプリングのベースとして使用する文字列形式の省略可能な正の数または e	糸
支配	ランダムアルゴリズムの特定の種類	'Random' 'Sobol'
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CreateMonitorAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'CreateMonitor' (必須)
monitorDefinition	[必須]モニターを定義します。	MonitorDefinition (必須)

MonitorDefinition

名前	形容	価値
alertNotificationSettings	モニターの通知設定。	MonitorNotificationSettings
computeConfiguration	[必須]監視ジョブを実行するコンピューティングリソースの ARM リソース ID。	MonitorComputeConfigurationBase (必須)
monitoringTarget	このモニターの対象となるモデルまたはデプロイの ARM リソース ID。	MonitoringTarget
信号	[必須]監視する信号。	MonitorDefinitionSignals (必須)

MonitorNotificationSettings

名前	形容	価値
emailNotificationSettings	AML 通知の電子メール設定。	MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

名前	形容	価値
emails	これは、合計で 499 文字の制限がある電子メール受信者リストです。	string[]

MonitorComputeConfigurationBase

名前	形容	価値
computeType	オブジェクトの種類を設定する	ServerlessSpark (必須)

MonitorServerlessSparkCompute

名前	形容	価値
computeType	[必須]監視するシグナルの種類を指定します。	'ServerlessSpark' (必須)
computeIdentity	[必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。	MonitorComputeIdentityBase (必須)
instanceType	[必須]Spark ジョブを実行しているインスタンスの種類。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
runtimeVersion	[必須]Spark ランタイムのバージョン。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

MonitorComputeIdentityBase

名前	形容	価値
computeIdentityType	オブジェクトの種類を設定する	AmlToken をする ManagedIdentity (必須)

AmlTokenComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	'AmlToken' (必須)

ManagedComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	'ManagedIdentity' (必須)
同一性	マネージドサービス ID (システム割り当て ID またはユーザー割り当て ID)	ManagedServiceIdentity の

ManagedServiceIdentity

名前	形容	価値
種類	マネージドサービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。	'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned' (必須)
userAssignedIdentities	リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリキーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。	UserAssignedIdentities の

UserAssignedIdentities

名前	形容	価値
{カスタマイズされたプロパティ}		UserAssignedIdentity の

UserAssignedIdentity

このオブジェクトには、配置時に設定するプロパティは含まれません。すべてのプロパティは ReadOnly です。

MonitoringTarget

名前	形容	価値
deploymentId	このモニターの対象となるデプロイの ARM リソース ID。	糸
modelId	このモニターの対象となるモデルの ARM リソース ID。	糸
taskType	[必須]モデルの機械学習タスクの種類。	'Classification' 'QuestionAnswering' 'Regression' (必須)

MonitorDefinitionSignals

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringSignalBase

MonitoringSignalBase

名前	形容	価値
notificationTypes	このシグナルの現在の通知モード。	次のいずれかを含む文字列配列: 'AmlNotification' 'AzureMonitor'
プロパティ	プロパティディクショナリ。プロパティは追加できますが、削除または変更することはできません。	MonitoringSignalBaseProperties の
signalType	オブジェクトの種類を設定する	カスタムの DataDrift DataQuality FeatureAttributionDrift の GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須)

MonitoringSignalBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CustomMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'Custom' (必須)
componentId	[必須]カスタムメトリックの計算に使用されるコンポーネントリソースの ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputAssets	入力として取得する資産の監視。キーはコンポーネント入力ポート名、値はデータ資産です。	CustomMonitoringSignalInputAssets
入力	入力として受け取る追加のコンポーネントパラメーター。キーはコンポーネントリテラル入力ポート名、値はパラメーター値です。	CustomMonitoringSignalInputs の
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	CustomMetricThreshold[] (必須)
workspaceConnection	[必須]計算するメトリックとそれに関連するしきい値の一覧。	MonitoringWorkspaceConnection (必須)

CustomMonitoringSignalInputAssets

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringInputDataBase の

MonitoringInputDataBase

名前	形容	価値
列	列名と特殊用途のマッピング。	MonitoringInputDataBaseColumns
dataContext	データソースのコンテキストメタデータ。	糸
jobInputType	[必須]ジョブの種類を指定します。	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder' (必須)
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputDataType	オブジェクトの種類を設定する	固定ローリング静的の (必須)

MonitoringInputDataBaseColumns

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FixedInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Fixed' (必須)

RollingInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Rolling' (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowOffset	[必須]データウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。	string (必須)
windowSize	[必須]末尾のデータウィンドウのサイズ。	string (必須)

StaticInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	'Static' (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowEnd	[必須]データウィンドウの終了日。	string (必須)
windowStart	[必須]データウィンドウの開始日。	string (必須)

CustomMonitoringSignalInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

CustomMetricThreshold

名前	形容	価値
メトリック	[必須]計算するユーザー定義メトリック。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

MonitoringThreshold

名前	形容	価値
価値	しきい値。 null の場合、既定値はメトリックの種類によって異なります。	int

MonitoringWorkspaceConnection

名前	形容	価値
environmentVariables	送信されたジョブに環境変数として格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は環境変数キーです。	MonitoringWorkspaceConnectionEnvironmentVariables
秘密	送信されたジョブにシークレットとして格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は秘密鍵です。	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

MonitoringWorkspaceConnectionSecrets

名前	形容	価値
{カスタマイズされたプロパティ}		糸

DataDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'DataDrift' (必須)
dataSegment	データ作成のサブセットのスコープに使用されるデータセグメント。	MonitoringDataSegment
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	ドリフトを計算するフィーチャを識別する機能フィルター。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

MonitoringDataSegment

名前	形容	価値
特徴	データをセグメント化する機能。	糸
価値観	特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。	string[]

DataDriftMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

FeatureImportanceSettings

名前	形容	価値
モード	特徴の重要度を計算するための操作モード。	'Disabled' 'Enabled'
targetColumn	入力データ資産内のターゲット列の名前。	糸

MonitoringFeatureFilterBase

名前	形容	価値
filterType	オブジェクトの種類を設定する	AllFeatures をする FeatureSubset の TopNByAttribution (必須)

AllFeatures

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'AllFeatures' (必須)

FeatureSubset

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'FeatureSubset' (必須)
顔立ち	[必須]含める機能の一覧。	string[] (必須)

TopNFeaturesByAttribution

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	'TopNByAttribution' (必須)
ページのトップへ	含める上位の特徴の数。	int

DataDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリデータドリフトメトリック。	'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須)

NumericalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値データドリフトメトリック。	'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須)

DataQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'DataQuality' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	誤差を計算する特徴。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataQualityMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

DataQualityMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

DataQualityMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリ別データ品質メトリック。	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須)

NumericalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値データ品質メトリック。	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate' (必須)

FeatureAttributionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'FeatureAttributionDrift' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	FeatureAttributionMetricThreshold (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

FeatureAttributionMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリック。	'NormalizedDiscountedCumulativeGain' (必須)
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'GenerationSafetyQuality' (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationSafetyQualityMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)
workspaceConnectionId	コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。	糸

GenerationSafetyQualityMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	'AcceptableCoherenceScorePerInstance' 'AcceptableFluencyScorePerInstance' 'AcceptableGroundednessScorePerInstance' 'AcceptableRelevanceScorePerInstance' 'AcceptableSimilarityScorePerInstance' 'AggregatedCoherencePassRate' 'AggregatedFluencyPassRate' 'AggregatedGroundednessPassRate' 'AggregatedRelevancePassRate' 'AggregatedSimilarityPassRate' (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationTokenUsageSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'GenerationTokenStatistics' (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationTokenUsageMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)

GenerationTokenUsageMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	'TotalTokenCount' 'TotalTokenCountPerGroup' (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

ModelPerformanceSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'ModelPerformance' (必須)
dataSegment	データセグメント。	MonitoringDataSegment
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	ModelPerformanceMetricThresholdBase (必須)
productionData	[必須]パフォーマンスが計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。	MonitoringInputDataBase (必須)

ModelPerformanceMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
modelType	オブジェクトの種類を設定する	分類回帰 (必須)

ClassificationModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	'Classification' (必須)
メトリック	[必須]計算する分類モデルのパフォーマンス。	'Accuracy' 'Precision' 'Recall' (必須)

RegressionModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	'Regression' (必須)
メトリック	[必須]計算する回帰モデルのパフォーマンスメトリック。	'MeanAbsoluteError' 'MeanSquaredError' 'RootMeanSquaredError' (必須)

PredictionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	'PredictionDrift' (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	PredictionDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

名前	形容	価値
{カスタマイズされたプロパティ}		'カテゴリ' '数値'

PredictionDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'カテゴリ' (必須)
メトリック	[必須]計算するカテゴリ予測誤差メトリック。	'JensenShannonDistance' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex' (必須)

NumericalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	'数値' (必須)
メトリック	[必須]計算する数値予測誤差メトリック。	'JensenShannonDistance' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest' (必須)

ImportDataAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'ImportData' (必須)
dataImportDefinition	[必須]スケジュールアクション定義の詳細を定義します。	DataImport (必須)

DataImport

名前	形容	価値
assetName	作成するデータインポートジョブの資産の名前	糸
autoDeleteSetting	マネージドデータ資産のライフサイクル設定を指定します。	AutoDeleteSetting の
dataType	[必須]データの種類を指定します。	'mltable' 'uri_file' 'uri_folder' (必須)
dataUri	[必須]データの URI。例: `https://go.microsoft.com/fwlink/?linkid=2202330`	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
形容	資産の説明テキスト。	糸
intellectualProperty	知的財産の詳細。データが知的財産である場合に使用されます。	IntellectualProperty
isAnonymous	名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます	bool
isArchived	資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
源	インポート元の資産のソースデータ	DataImportSource の
舞台	このデータ資産に割り当てられたデータライフサイクルのステージ	糸
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

IntellectualProperty

名前	形容	価値
protectionLevel	知的財産の保護レベル。	'All' 'None'
発行者	[必須]知的財産の発行元。レジストリ発行者名と同じである必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

DataImportSource

名前	形容	価値
接続	データインポートソースストレージのワークスペース接続	糸
sourceType	オブジェクトの種類を設定する	データベースをする file_system (必須)

DatabaseSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	'database' (必須)
クエリ	データインポートデータベースソースの SQL Query ステートメント	糸
storedProcedure	データインポートデータベースソースの SQL StoredProcedure	糸
storedProcedureParams	SQL StoredProcedure パラメーター	DatabaseSourceStoredProcedureParamsItem[]
tableName	データインポートデータベースソースのテーブルの名前	糸

DatabaseSourceStoredProcedureParamsItem

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FileSystemSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	'file_system' (必須)
パス	データインポート FileSystem ソースのパス	糸

EndpointScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	'InvokeBatchEndpoint' (必須)
endpointInvocationDefinition	[必須]スケジュールアクション定義の詳細を定義します。 {see href="TBD" /}

TriggerBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones />	糸
triggerType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronTrigger

名前	形容	価値
triggerType	[必須]	'Cron' (必須)
表現	[必須]スケジュールの cron 式を指定します。式は NCronTab 形式に従う必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

RecurrenceTrigger

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
周波数	[必須]スケジュールをトリガーする頻度。	'Day' 'Hour' 'Minute' 'Month' 'Week' (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
計画	繰り返しスケジュール。	RecurrenceSchedule
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones	糸
triggerType	[必須]	'Cron' 'Recurrence' (必須)

RecurrenceSchedule

名前	形容	価値
時間	[必須]スケジュールの時間の一覧。	int[] (必須)
議事録	[必須]スケジュールの分の一覧。	int[] (必須)
monthDays	スケジュールの月日の一覧	int[]
平日	スケジュールの日数の一覧。	次のいずれかを含む文字列配列: 'Friday' 'Monday' 'Saturday' 'Sunday' 'Thursday' 'Tuesday' 'Wednesday'

Terraform (AzAPI プロバイダー) リソース定義

ワークスペース/スケジュールリソースの種類は、次をターゲットとする操作でデプロイできます。

リソースグループの

各 API バージョンで変更されたプロパティの一覧については、変更ログの参照してください。

リソースの形式

Microsoft.MachineLearningServices/workspaces/schedules リソースを作成するには、次の Terraform をテンプレートに追加します。

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"
  name = "string"
  parent_id = "string"
  body = jsonencode({
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {}
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  })
}

ScheduleActionBase オブジェクト

actionType プロパティを設定して、オブジェクトの種類を指定します。

CreateJobの場合は、次を使用します。

  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    notificationSetting = {
      emailOn = [
        "string"
      ]
      emails = [
        "string"
      ]
      webhooks = {
        {customized property} = {
          eventType = "string"
          webhookType = "string"
          // For remaining properties, see Webhook objects
        }
      }
    }
    properties = {
      {customized property} = "string"
    }
    secretsConfiguration = {
      {customized property} = {
        uri = "string"
        workspaceSecretName = "string"
      }
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {}
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }

CreateMonitorの場合は、次のコマンドを使用します。

  actionType = "CreateMonitor"
  monitorDefinition = {
    alertNotificationSettings = {
      emailNotificationSettings = {
        emails = [
          "string"
        ]
      }
    }
    computeConfiguration = {
      computeType = "string"
      // For remaining properties, see MonitorComputeConfigurationBase objects
    }
    monitoringTarget = {
      deploymentId = "string"
      modelId = "string"
      taskType = "string"
    }
    signals = {
      {customized property} = {
        notificationTypes = [
          "string"
        ]
        properties = {
          {customized property} = "string"
        }
        signalType = "string"
        // For remaining properties, see MonitoringSignalBase objects
      }
    }
  }

ImportDataをする場合は、次のコマンドを使用します。

  actionType = "ImportData"
  dataImportDefinition = {
    assetName = "string"
    autoDeleteSetting = {
      condition = "string"
      value = "string"
    }
    dataType = "string"
    dataUri = "string"
    description = "string"
    intellectualProperty = {
      protectionLevel = "string"
      publisher = "string"
    }
    isAnonymous = bool
    isArchived = bool
    properties = {
      {customized property} = "string"
    }
    source = {
      connection = "string"
      sourceType = "string"
      // For remaining properties, see DataImportSource objects
    }
    stage = "string"
    tags = {}
  }

InvokeBatchEndpointの場合は、次の値を使用します。

  actionType = "InvokeBatchEndpoint"

JobBaseProperties オブジェクト

オブジェクトの種類を指定するには、jobType プロパティを設定します。

AutoMLの場合は、次を使用します。

  jobType = "AutoML"
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }
  taskDetails = {
    logVerbosity = "string"
    targetColumnName = "string"
    trainingData = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    taskType = "string"
    // For remaining properties, see AutoMLVertical objects
  }

コマンドの場合は、次のコマンドを使用します。

  jobType = "Command"
  autologgerSettings = {
    mlflowAutologger = "string"
  }
  codeId = "string"
  command = "string"
  distribution = {
    distributionType = "string"
    // For remaining properties, see DistributionConfiguration objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }

ラベル付けの場合は、次を使用します。

  jobType = "Labeling"
  dataConfiguration = {
    dataId = "string"
    incrementalDataRefresh = "string"
  }
  jobInstructions = {
    uri = "string"
  }
  labelCategories = {
    {customized property} = {
      classes = {
        {customized property} = {
          displayName = "string"
          subclasses = {
            {customized property} = {}
        }
      }
      displayName = "string"
      multiSelect = "string"
    }
  }
  labelingJobMediaProperties = {
    mediaType = "string"
    // For remaining properties, see LabelingJobMediaProperties objects
  }
  mlAssistConfiguration = {
    mlAssist = "string"
    // For remaining properties, see MLAssistConfiguration objects
  }

パイプラインの場合は、次を使用します。

  jobType = "Pipeline"
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jobs = {}
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  sourceJobId = "string"

Sparkの場合は、次の値を使用します。

  jobType = "Spark"
  archives = [
    "string"
  ]
  args = "string"
  codeId = "string"
  conf = {
    {customized property} = "string"
  }
  entry = {
    sparkJobEntryType = "string"
    // For remaining properties, see SparkJobEntry objects
  }
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  files = [
    "string"
  ]
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  jars = [
    "string"
  ]
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  pyFiles = [
    "string"
  ]
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    instanceType = "string"
    runtimeVersion = "string"
  }

スイープの場合は、次を使用します。

  jobType = "Sweep"
  componentConfiguration = {}
  earlyTermination = {
    delayEvaluation = int
    evaluationInterval = int
    policyType = "string"
    // For remaining properties, see EarlyTerminationPolicy objects
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  limits = {
    jobLimitsType = "string"
    maxConcurrentTrials = int
    maxTotalTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  objective = {
    goal = "string"
    primaryMetric = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
    priority = int
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    locations = [
      "string"
    ]
    maxInstanceCount = int
    properties = {}
    shmSize = "string"
  }
  samplingAlgorithm = {
    samplingAlgorithmType = "string"
    // For remaining properties, see SamplingAlgorithm objects
  }
  trial = {
    codeId = "string"
    command = "string"
    distribution = {
      distributionType = "string"
      // For remaining properties, see DistributionConfiguration objects
    }
    environmentId = "string"
    environmentVariables = {
      {customized property} = "string"
    }
    resources = {
      dockerArgs = "string"
      instanceCount = int
      instanceType = "string"
      locations = [
        "string"
      ]
      maxInstanceCount = int
      properties = {}
      shmSize = "string"
    }
  }

IdentityConfiguration オブジェクト

identityType プロパティを設定して、オブジェクトの種類を指定します。

AMLTokenをする場合は、次を使用します。

  identityType = "AMLToken"

マネージドの場合は、次を使用します。

  identityType = "Managed"
  clientId = "string"
  objectId = "string"
  resourceId = "string"

UserIdentityの場合は、次の値を使用します。

  identityType = "UserIdentity"

Webhook オブジェクト

webhookType プロパティを設定して、オブジェクトの種類を指定します。

AzureDevOpsをする場合は、次のコマンドを使用します。

  webhookType = "AzureDevOps"

Nodes オブジェクト

nodesValueType プロパティを設定して、オブジェクトの種類を指定します。

[すべてのをする場合は、次を使用します。

  nodesValueType = "All"

JobOutput オブジェクト

オブジェクトの種類を指定するには、jobOutputType プロパティを設定します。

custom_modelの場合は、次を使用します。

  jobOutputType = "custom_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

mlflow_modelの場合は、次を使用します。

  jobOutputType = "mlflow_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

mltableをする場合は、次を使用します。

  jobOutputType = "mltable"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

triton_modelの場合は、次を使用します。

  jobOutputType = "triton_model"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

uri_fileの場合は、次を使用します。

  jobOutputType = "uri_file"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

uri_folderの場合は、次を使用します。

  jobOutputType = "uri_folder"
  assetName = "string"
  assetVersion = "string"
  autoDeleteSetting = {
    condition = "string"
    value = "string"
  }
  mode = "string"
  uri = "string"

AutoMLVertical オブジェクト

taskType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  taskType = "Classification"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

予測の場合は、次の値を使用します。

  taskType = "Forecasting"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "string"
    featuresUnknownAtForecastTime = [
      "string"
    ]
    forecastHorizon = {
      mode = "string"
      // For remaining properties, see ForecastHorizon objects
    }
    frequency = "string"
    seasonality = {
      mode = "string"
      // For remaining properties, see Seasonality objects
    }
    shortSeriesHandlingConfig = "string"
    targetAggregateFunction = "string"
    targetLags = {
      mode = "string"
      // For remaining properties, see TargetLags objects
    }
    targetRollingWindowSize = {
      mode = "string"
      // For remaining properties, see TargetRollingWindowSize objects
    }
    timeColumnName = "string"
    timeSeriesIdColumnNames = [
      "string"
    ]
    useStl = "string"
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

ImageClassificationの場合は、次を使用します。

  taskType = "ImageClassification"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

ImageClassificationMultilabelをする場合は、次を使用します。

  taskType = "ImageClassificationMultilabel"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    momentum = int
    nesterov = bool
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    trainingBatchSize = int
    trainingCropSize = int
    validationBatchSize = int
    validationCropSize = int
    validationResizeSize = int
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
    weightedLoss = int
  }
  primaryMetric = "string"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      momentum = "string"
      nesterov = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      trainingBatchSize = "string"
      trainingCropSize = "string"
      validationBatchSize = "string"
      validationCropSize = "string"
      validationResizeSize = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
      weightedLoss = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

ImageInstanceSegmentationをする場合は、次を使用します。

  taskType = "ImageInstanceSegmentation"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    logTrainingMetrics = "string"
    logValidationLoss = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

ImageObjectDetectionの場合は、次の値を使用します。

  taskType = "ImageObjectDetection"
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  modelSettings = {
    advancedSettings = "string"
    amsGradient = bool
    augmentations = "string"
    beta1 = int
    beta2 = int
    boxDetectionsPerImage = int
    boxScoreThreshold = int
    checkpointFrequency = int
    checkpointModel = {
      description = "string"
      jobInputType = "string"
      mode = "string"
      uri = "string"
    }
    checkpointRunId = "string"
    distributed = bool
    earlyStopping = bool
    earlyStoppingDelay = int
    earlyStoppingPatience = int
    enableOnnxNormalization = bool
    evaluationFrequency = int
    gradientAccumulationStep = int
    imageSize = int
    layersToFreeze = int
    learningRate = int
    learningRateScheduler = "string"
    logTrainingMetrics = "string"
    logValidationLoss = "string"
    maxSize = int
    minSize = int
    modelName = "string"
    modelSize = "string"
    momentum = int
    multiScale = bool
    nesterov = bool
    nmsIouThreshold = int
    numberOfEpochs = int
    numberOfWorkers = int
    optimizer = "string"
    randomSeed = int
    stepLRGamma = int
    stepLRStepSize = int
    tileGridSize = "string"
    tileOverlapRatio = int
    tilePredictionsNmsThreshold = int
    trainingBatchSize = int
    validationBatchSize = int
    validationIouThreshold = int
    validationMetricType = "string"
    warmupCosineLRCycles = int
    warmupCosineLRWarmupEpochs = int
    weightDecay = int
  }
  primaryMetric = "MeanAveragePrecision"
  searchSpace = [
    {
      amsGradient = "string"
      augmentations = "string"
      beta1 = "string"
      beta2 = "string"
      boxDetectionsPerImage = "string"
      boxScoreThreshold = "string"
      distributed = "string"
      earlyStopping = "string"
      earlyStoppingDelay = "string"
      earlyStoppingPatience = "string"
      enableOnnxNormalization = "string"
      evaluationFrequency = "string"
      gradientAccumulationStep = "string"
      imageSize = "string"
      layersToFreeze = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      maxSize = "string"
      minSize = "string"
      modelName = "string"
      modelSize = "string"
      momentum = "string"
      multiScale = "string"
      nesterov = "string"
      nmsIouThreshold = "string"
      numberOfEpochs = "string"
      numberOfWorkers = "string"
      optimizer = "string"
      randomSeed = "string"
      stepLRGamma = "string"
      stepLRStepSize = "string"
      tileGridSize = "string"
      tileOverlapRatio = "string"
      tilePredictionsNmsThreshold = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      validationIouThreshold = "string"
      validationMetricType = "string"
      warmupCosineLRCycles = "string"
      warmupCosineLRWarmupEpochs = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int

回帰の場合は、次の値を使用します。

  taskType = "Regression"
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
        }
      ]
    }
  }
  fixedParameters = {
    booster = "string"
    boostingType = "string"
    growPolicy = "string"
    learningRate = int
    maxBin = int
    maxDepth = int
    maxLeaves = int
    minDataInLeaf = int
    minSplitGain = int
    modelName = "string"
    nEstimators = int
    numLeaves = int
    preprocessorName = "string"
    regAlpha = int
    regLambda = int
    subsample = int
    subsampleFreq = int
    treeMethod = "string"
    withMean = bool
    withStd = bool
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxNodes = int
    maxTrials = int
    sweepConcurrentTrials = int
    sweepTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  searchSpace = [
    {
      booster = "string"
      boostingType = "string"
      growPolicy = "string"
      learningRate = "string"
      maxBin = "string"
      maxDepth = "string"
      maxLeaves = "string"
      minDataInLeaf = "string"
      minSplitGain = "string"
      modelName = "string"
      nEstimators = "string"
      numLeaves = "string"
      preprocessorName = "string"
      regAlpha = "string"
      regLambda = "string"
      subsample = "string"
      subsampleFreq = "string"
      treeMethod = "string"
      withMean = "string"
      withStd = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  testData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  testDataSize = int
  trainingSettings = {
    allowedTrainingAlgorithms = [
      "string"
    ]
    blockedTrainingAlgorithms = [
      "string"
    ]
    enableDnnTraining = bool
    enableModelExplainability = bool
    enableOnnxCompatibleModels = bool
    enableStackEnsemble = bool
    enableVoteEnsemble = bool
    ensembleModelDownloadTimeout = "string"
    stackEnsembleSettings = {
      stackMetaLearnerTrainPercentage = int
      stackMetaLearnerType = "string"
    }
    trainingMode = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"

TextClassificationの場合は、次を使用します。

  taskType = "TextClassification"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  primaryMetric = "string"
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

TextClassificationMultilabelをする場合は、次を使用します。

  taskType = "TextClassificationMultilabel"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

TextNERの場合は、次を使用します。

  taskType = "TextNER"
  featurizationSettings = {
    datasetLanguage = "string"
  }
  fixedParameters = {
    gradientAccumulationSteps = int
    learningRate = int
    learningRateScheduler = "string"
    modelName = "string"
    numberOfEpochs = int
    trainingBatchSize = int
    validationBatchSize = int
    warmupRatio = int
    weightDecay = int
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxNodes = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  searchSpace = [
    {
      gradientAccumulationSteps = "string"
      learningRate = "string"
      learningRateScheduler = "string"
      modelName = "string"
      numberOfEpochs = "string"
      trainingBatchSize = "string"
      validationBatchSize = "string"
      warmupRatio = "string"
      weightDecay = "string"
    }
  ]
  sweepSettings = {
    earlyTermination = {
      delayEvaluation = int
      evaluationInterval = int
      policyType = "string"
      // For remaining properties, see EarlyTerminationPolicy objects
    }
    samplingAlgorithm = "string"
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }

NCrossValidations オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムをする場合は、次の値を使用します。

  mode = "Custom"
  value = int

EarlyTerminationPolicy オブジェクト

policyType プロパティを設定して、オブジェクトの種類を指定します。

バンディットの場合は、次を使用します。

  policyType = "Bandit"
  slackAmount = int
  slackFactor = int

MedianStopping の場合は、次の値を使用します。

  policyType = "MedianStopping"

TruncationSelectionの場合は、次のコマンドを使用します。

  policyType = "TruncationSelection"
  truncationPercentage = int

ForecastHorizon オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムをする場合は、次の値を使用します。

  mode = "Custom"
  value = int

季節性オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムをする場合は、次の値を使用します。

  mode = "Custom"
  value = int

TargetLags オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムをする場合は、次の値を使用します。

  mode = "Custom"
  values = [
    int
  ]

TargetRollingWindowSize オブジェクト

オブジェクトの種類を指定するには、モード プロパティを設定します。

自動の場合は、次を使用します。

  mode = "Auto"

カスタムをする場合は、次の値を使用します。

  mode = "Custom"
  value = int

DistributionConfiguration オブジェクト

オブジェクトの種類を指定するには、distributionType プロパティを設定します。

Mpiの場合は、次を使用します。

  distributionType = "Mpi"
  processCountPerInstance = int

PyTorchをする場合は、次を使用します。

  distributionType = "PyTorch"
  processCountPerInstance = int

Rayの場合は、次を使用します。

  distributionType = "Ray"
  address = "string"
  dashboardPort = int
  headNodeAdditionalArgs = "string"
  includeDashboard = bool
  port = int
  workerNodeAdditionalArgs = "string"

TensorFlowの場合は、次を使用します。

  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int

JobInput オブジェクト

jobInputType プロパティを設定して、オブジェクトの種類を指定します。

custom_modelの場合は、次を使用します。

  jobInputType = "custom_model"
  mode = "string"
  uri = "string"

リテラルの場合は、次の値を使用します。

  jobInputType = "literal"
  value = "string"

mlflow_modelの場合は、次を使用します。

  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"

mltableをする場合は、次を使用します。

  jobInputType = "mltable"
  mode = "string"
  uri = "string"

triton_modelの場合は、次を使用します。

  jobInputType = "triton_model"
  mode = "string"
  uri = "string"

uri_fileの場合は、次を使用します。

  jobInputType = "uri_file"
  mode = "string"
  uri = "string"

uri_folderの場合は、次を使用します。

  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"

LabelingJobMediaProperties オブジェクト

mediaType プロパティを設定して、オブジェクトの種類を指定します。

Imageの場合は、次を使用します。

  mediaType = "Image"
  annotationType = "string"

テキストの場合は、次を使用します。

  mediaType = "Text"
  annotationType = "string"

MLAssistConfiguration オブジェクト

mlAssist プロパティを設定して、オブジェクトの種類を指定します。

無効の場合は、次の値を使用します。

  mlAssist = "Disabled"

[有効の場合は、次を使用します。

  mlAssist = "Enabled"
  inferencingComputeBinding = "string"
  trainingComputeBinding = "string"

SparkJobEntry オブジェクト

sparkJobEntryType プロパティを設定して、オブジェクトの種類を指定します。

SparkJobPythonEntryの場合は、次の値を使用します。

  sparkJobEntryType = "SparkJobPythonEntry"
  file = "string"

SparkJobScalaEntryの場合は、次の値を使用します。

  sparkJobEntryType = "SparkJobScalaEntry"
  className = "string"

SamplingAlgorithm オブジェクト

samplingAlgorithmType プロパティを設定して、オブジェクトの種類を指定します。

ベイジアンの場合は、次を使用します。

  samplingAlgorithmType = "Bayesian"

Gridの場合は、次を使用します。

  samplingAlgorithmType = "Grid"

ランダムには、次の値を使用します。

  samplingAlgorithmType = "Random"
  logbase = "string"
  rule = "string"
  seed = int

MonitorComputeConfigurationBase オブジェクト

computeType プロパティを設定して、オブジェクトの種類を指定します。

ServerlessSparkの場合は、次を使用します。

  computeType = "ServerlessSpark"
  computeIdentity = {
    computeIdentityType = "string"
    // For remaining properties, see MonitorComputeIdentityBase objects
  }
  instanceType = "string"
  runtimeVersion = "string"

MonitorComputeIdentityBase オブジェクト

computeIdentityType プロパティを設定して、オブジェクトの種類を指定します。

AmlTokenの場合は、次を使用します。

  computeIdentityType = "AmlToken"

ManagedIdentityの場合は、次の値を使用します。

  computeIdentityType = "ManagedIdentity"
  identity {
    type = "string"
    identity_ids = []
  }

MonitoringSignalBase オブジェクト

signalType プロパティを設定して、オブジェクトの種類を指定します。

カスタムをする場合は、次の値を使用します。

  signalType = "Custom"
  componentId = "string"
  inputAssets = {
    {customized property} = {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  }
  inputs = {
    {customized property} = {
      description = "string"
      jobInputType = "string"
      // For remaining properties, see JobInput objects
    }
  }
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  workspaceConnection = {
    environmentVariables = {
      {customized property} = "string"
    }
    secrets = {
      {customized property} = "string"
    }
  }

DataDriftの場合は、次の値を使用します。

  signalType = "DataDrift"
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

DataQualityの場合は、次の値を使用します。

  signalType = "DataQuality"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  features = {
    filterType = "string"
    // For remaining properties, see MonitoringFeatureFilterBase objects
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see DataQualityMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

FeatureAttributionDriftをする場合は、次のコマンドを使用します。

  signalType = "FeatureAttributionDrift"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "NormalizedDiscountedCumulativeGain"
    threshold = {
      value = int
    }
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

GenerationSafetyQualityの場合は、次の値を使用します。

  signalType = "GenerationSafetyQuality"
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int
  workspaceConnectionId = "string"

GenerationTokenStatisticsの場合は、次を使用します。

  signalType = "GenerationTokenStatistics"
  metricThresholds = [
    {
      metric = "string"
      threshold = {
        value = int
      }
    }
  ]
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  samplingRate = int

ModelPerformanceの場合は、次の値を使用します。

  signalType = "ModelPerformance"
  dataSegment = {
    feature = "string"
    values = [
      "string"
    ]
  }
  metricThreshold = {
    threshold = {
      value = int
    }
    modelType = "string"
    // For remaining properties, see ModelPerformanceMetricThresholdBase objects
  }
  productionData = [
    {
      columns = {
        {customized property} = "string"
      }
      dataContext = "string"
      jobInputType = "string"
      uri = "string"
      inputDataType = "string"
      // For remaining properties, see MonitoringInputDataBase objects
    }
  ]
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

PredictionDriftの場合は、次の値を使用します。

  signalType = "PredictionDrift"
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  metricThresholds = [
    {
      threshold = {
        value = int
      }
      dataType = "string"
      // For remaining properties, see PredictionDriftMetricThresholdBase objects
    }
  ]
  productionData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }
  referenceData = {
    columns = {
      {customized property} = "string"
    }
    dataContext = "string"
    jobInputType = "string"
    uri = "string"
    inputDataType = "string"
    // For remaining properties, see MonitoringInputDataBase objects
  }

MonitoringInputDataBase オブジェクト

inputDataType プロパティを設定して、オブジェクトの種類を指定します。

固定の場合は、次の値を使用します。

  inputDataType = "Fixed"

ローリングの場合は、次を使用します。

  inputDataType = "Rolling"
  preprocessingComponentId = "string"
  windowOffset = "string"
  windowSize = "string"

静的をする場合は、次を使用します。

  inputDataType = "Static"
  preprocessingComponentId = "string"
  windowEnd = "string"
  windowStart = "string"

MonitoringFeatureFilterBase オブジェクト

filterType プロパティを設定して、オブジェクトの種類を指定します。

AllFeaturesをする場合は、次を使用します。

  filterType = "AllFeatures"

FeatureSubsetをする場合は、次を使用します。

  filterType = "FeatureSubset"
  features = [
    "string"
  ]

TopNByAttributionをする場合は、次のコマンドを使用します。

  filterType = "TopNByAttribution"
  top = int

DataDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType = "Categorical"
  metric = "string"

数値の場合は、次の値を使用します。

  dataType = "Numerical"
  metric = "string"

DataQualityMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType = "Categorical"
  metric = "string"

数値の場合は、次の値を使用します。

  dataType = "Numerical"
  metric = "string"

ModelPerformanceMetricThresholdBase オブジェクト

modelType プロパティを設定して、オブジェクトの種類を指定します。

分類の場合は、次を使用します。

  modelType = "Classification"
  metric = "string"

回帰の場合は、次の値を使用します。

  modelType = "Regression"
  metric = "string"

PredictionDriftMetricThresholdBase オブジェクト

dataType プロパティを設定して、オブジェクトの種類を指定します。

カテゴリ場合は、次を使用します。

  dataType = "Categorical"
  metric = "string"

数値の場合は、次の値を使用します。

  dataType = "Numerical"
  metric = "string"

DataImportSource オブジェクト

sourceType プロパティを設定して、オブジェクトの種類を指定します。

データベースの場合は、次を使用します。

  sourceType = "database"
  query = "string"
  storedProcedure = "string"
  storedProcedureParams = [
    {
      {customized property} = "string"
    }
  ]
  tableName = "string"

file_systemの場合は、次を使用します。

  sourceType = "file_system"
  path = "string"

TriggerBase オブジェクト

triggerType プロパティを設定して、オブジェクトの種類を指定します。

Cronの場合は、次を使用します。

  triggerType = "Cron"
  expression = "string"

繰り返しの場合は、次の値を使用します。

  triggerType = "Recurrence"
  frequency = "string"
  interval = int
  schedule = {
    hours = [
      int
    ]
    minutes = [
      int
    ]
    monthDays = [
      int
    ]
    weekDays = [
      "string"
    ]
  }

プロパティ値

workspaces/schedules

名前	形容	価値
種類	リソースの種類	"Microsoft.MachineLearningServices/workspaces/schedules@2023-08-01-preview"
名前	リソース名	string (必須)
parent_id	このリソースの親であるリソースの ID。	種類のリソースの ID: ワークスペース
プロパティ	[必須]エンティティの追加の属性。	ScheduleProperties (必須)

ScheduleProperties

名前	形容	価値
アクション	[必須]スケジュールのアクションを指定します	ScheduleActionBase (必須)
形容	資産の説明テキスト。	糸
displayName	スケジュールの表示名。	糸
isEnabled	スケジュールは有効になっていますか?	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
トリガー	[必須]トリガーの詳細を指定します	TriggerBase (必須)

ScheduleActionBase

名前	形容	価値
actionType	オブジェクトの種類を設定する	CreateJob の CreateMonitor ImportData の InvokeBatchEndpoint (必須)

JobScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	"CreateJob" (必須)
jobDefinition	[必須]スケジュールアクション定義の詳細を定義します。	JobBaseProperties (必須)

JobBaseProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト
jobType	オブジェクトの種類を設定する	AutoML のコマンドラベル付けパイプラインの Spark スイープ (必須)

IdentityConfiguration

名前	形容	価値
identityType	オブジェクトの種類を設定する	AMLToken をするマネージドの UserIdentity (必須)

AmlToken

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"AMLToken" (必須)

ManagedIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"マネージド" (必須)
clientId	クライアント ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
objectId	ユーザー割り当て ID をオブジェクト ID で指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸制約：最小長 = 36 最大長 = 36 パターン = `^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$`
resourceId	ARM リソース ID でユーザー割り当て ID を指定します。システム割り当ての場合は、このフィールドを設定しないでください。	糸

UserIdentity

名前	形容	価値
identityType	[必須]ID フレームワークの種類を指定します。	"UserIdentity" (必須)

NotificationSetting

名前	形容	価値
emailOn	指定した通知の種類でユーザーに電子メール通知を送信する	次のいずれかを含む文字列配列: "JobCancelled" "JobCompleted" "JobFailed"
emails	これは、コンマ区切り記号付きの合計 concat で 499 文字の制限がある電子メール受信者リストです	string[]
webhooks	Webhook コールバックをサービスに送信します。キーは、Webhook のユーザー指定の名前です。	NotificationSettingWebhooks の

NotificationSettingWebhooks

名前	形容	価値
{カスタマイズされたプロパティ}		Webhook

Webhook

名前	形容	価値
eventType	指定した通知イベントのコールバックを送信する	糸
webhookType	オブジェクトの種類を設定する	AzureDevOps (必須)

AzureDevOpsWebhook

名前	形容	価値
webhookType	[必須]コールバックを送信するサービスの種類を指定します	"AzureDevOps" (必須)

ResourceBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

JobBaseSecretsConfiguration

名前	形容	価値
{カスタマイズされたプロパティ}		SecretConfiguration

SecretConfiguration

名前	形容	価値
uri	シークレット URI。サンプル URI: `https://myvault.vault.azure.net/secrets/mysecretname/secretversion`	糸
workspaceSecretName	ワークスペースキーコンテナー内のシークレットの名前。	糸

JobBaseServices

名前	形容	価値
{カスタマイズされたプロパティ}		JobService

JobService

名前	形容	価値
エンドポイント	エンドポイントの URL。	糸
jobServiceType	エンドポイントの種類。	糸
ノード	ユーザーがサービスを開始するノード。ノードが設定されていないか、null に設定されていない場合、サービスはリーダーノードでのみ開始されます。	ノード
港	ユーザーによって設定されたエンドポイントのポート。	int
プロパティ	エンドポイントに設定する追加のプロパティ。	JobServiceProperties

ノード

名前	形容	価値
nodesValueType	オブジェクトの種類を設定する	すべての (必須)

AllNodes

名前	形容	価値
nodesValueType	[必須]ノード値の型	"すべて" (必須)

JobServiceProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"AutoML" (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。これは省略可能な値です。指定しない場合、AutoML はジョブの実行時に既定で運用環境の AutoML キュレーション環境バージョンに設定されます。	糸
environmentVariables	ジョブに含まれる環境変数。	AutoMLJobEnvironmentVariables の
出力	ジョブで使用される出力データバインディングのマッピング。	AutoMLJobOutputs の
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
taskDetails	[必須]これは、テーブル/NLP/イメージのいずれかである可能性があるシナリオを表します	AutoMLVertical (必須)

AutoMLJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

AutoMLJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

JobOutput

名前	形容	価値
形容	出力の説明。	糸
jobOutputType	オブジェクトの種類を設定する	custom_model mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"custom_model" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

AutoDeleteSetting

名前	形容	価値
条件	資産の有効期限が切れているかどうかを確認するタイミング	"CreatedGreaterThan" "LastAccessedGreaterThan"
価値	有効期限条件の値。	糸

MLFlowModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"mlflow_model" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

MLTableJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"mltable" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

TritonModelJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"triton_model" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

UriFileJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"uri_file" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

UriFolderJobOutput

名前	形容	価値
jobOutputType	[必須]ジョブの種類を指定します。	"uri_folder" (必須)
assetName	出力資産名。	糸
assetVersion	出力資産のバージョン。	糸
autoDeleteSetting	出力データ資産の自動削除設定。	AutoDeleteSetting の
モード	出力資産配信モード。	"Direct" "ReadWriteMount" "アップロード"
uri	出力アセット URI。	糸

QueueSettings

名前	形容	価値
jobTier	コンピューティングジョブレベルを制御します。	"Basic" "Null" "Premium" "スポット" "Standard"
優先権	コンピューティングでのジョブの優先順位を制御します。	int

JobResourceConfiguration

名前	形容	価値
dockerArgs	Docker run コマンドに渡す追加の引数。これにより、システムまたはこのセクションで既に設定されているパラメーターがオーバーライドされます。このパラメーターは、Azure ML コンピューティングの種類でのみサポートされます。	糸
instanceCount	コンピューティング先で使用されるインスタンスまたはノードの数 (省略可能)。	int
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
場所	ジョブを実行できる場所。	string[]
maxInstanceCount	コンピューティング先で使用できるインスタンスまたはノードの最大数 (省略可能)。エラスティックトレーニングで使用する場合は、現在 PyTorch ディストリビューションの種類でのみサポートされています。	int
プロパティ	追加のプロパティバッグ。	ResourceConfigurationProperties
shmSize	Docker コンテナーの共有メモリブロックのサイズ。これは (number)(unit) の形式で指定する必要があります。数値は 0 より大きく、単位は b(バイト)、k(キロバイト)、m(メガバイト)、または g(ギガバイト) のいずれかです。	糸制約：パターン = `\d+[bBkKmMgG]`

ResourceConfigurationProperties

名前	形容	価値
{カスタマイズされたプロパティ}

AutoMLVertical

名前	形容	価値
logVerbosity	ジョブの詳細度をログに記録します。	"Critical" "デバッグ" "Error" "Info" "NotSet" "警告"
targetColumnName	ターゲット列名: 予測値列です。分類タスクのコンテキストではラベル列名とも呼ばれます。	糸
trainingData	[必須]トレーニングデータの入力。	MLTableJobInput の (必須)
taskType	オブジェクトの種類を設定する	分類予測 ImageClassification ImageClassificationMultilabel の ImageInstanceSegmentation ImageObjectDetection 回帰 TextClassification TextClassificationMultilabel TextNER (必須)

MLTableJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	"custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

分類

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"分類" (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
positiveLabel	バイナリメトリック計算の正のラベル。	糸
primaryMetric	タスクのプライマリメトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ClassificationTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

TableVerticalFeaturizationSettings

名前	形容	価値
blockedTransformers	これらのトランスは特徴付けには使用しないでください。	次のいずれかを含む文字列配列: "CatTargetEncoder" "CountVectorizer" "HashOneHotEncoder" "LabelEncoder" "NaiveBayes" "OneHotEncoder" "TextTargetEncoder" "TfIdf" "WoETargetEncoder" "WordEmbedding"
columnNameAndTypes	列名とその型 (int、float、string、datetime など) のディクショナリ。	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	テキストデータに役立つデータセット言語。	糸
enableDnnFeaturization	データ特徴付けに Dnn ベースの特徴付け器を使用するかどうかを決定します。	bool
モード	特徴量化モード - ユーザーは既定の "自動" モードを維持でき、AutoML は特徴量化フェーズでのデータの必要な変換を処理します。 [オフ] が選択されている場合、特徴量化は行われません。 [カスタム] が選択されている場合、ユーザーは追加の入力を指定して、特徴付けの実行方法をカスタマイズできます。	"Auto" "Custom" "オフ"
transformerParams	ユーザーは、使用する追加のトランスフォーマーと、それが適用される列、およびトランスフォーマーコンストラクターのパラメーターを指定できます。	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

名前	形容	価値
{カスタマイズされたプロパティ}		糸

TableVerticalFeaturizationSettingsTransformerParams

名前	形容	価値
{カスタマイズされたプロパティ}		ColumnTransformer[]

ColumnTransformer

名前	形容	価値
田畑	トランスフォーマーロジックを適用するフィールド。	string[]
パラメーター	トランスフォーマーに渡されるさまざまなプロパティ。必要な入力は、JSON 形式のキーと値のペアのディクショナリです。

TableFixedParameters

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	int
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	int
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	int
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	int
minDataInLeaf	リーフあたりのデータの最小数。	int
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	int
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	int
numLeaves	葉の数を指定します。	int
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	int
regLambda	重みの L2 正則化項。	int
subsample	トレーニングインスタンスのサブサンプル比率。	int
subsampleFreq	サブサンプルの頻度。	int
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	bool
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	bool

TableVerticalLimitSettings

名前	形容	価値
enableEarlyTermination	早期終了を有効にし、過去 20 回のイテレーションでスコアの改善がない場合に AutoMLJob が早期に終了するかどうかを決定します。	bool
exitScore	AutoML ジョブの終了スコア。	int
maxConcurrentTrials	最大同時反復数。	int
maxCoresPerTrial	イテレーションあたりの最大コア数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	反復回数。	int
sweepConcurrentTrials	ユーザーがトリガーする同時スイープ実行の数。	int
sweepTrials	ユーザーがトリガーするスイープ実行の数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	繰り返しタイムアウト。	糸

NCrossValidations

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	"Auto" (必須)

CustomNCrossValidations

名前	形容	価値
モード	[必須]N クロス検証を決定するためのモード。	"カスタム" (必須)
価値	[必須]N クロス検証値。	int (必須)

TableParameterSubspace

名前	形容	価値
ブースター	ブーストの種類 (XGBoost の場合は gbdt など) を指定します。	糸
boostingType	ブーストの種類 (LightGBM の場合は gbdt など) を指定します。	糸
growPolicy	新しいノードをツリーに追加する方法を制御する拡張ポリシーを指定します。	糸
learningRate	トレーニング手順の学習率。	糸
maxBin	連続フィーチャをバケットする個別ビンの最大数を指定します。	糸
maxDepth	ツリーの深さを明示的に制限する最大深度を指定します。	糸
maxLeaves	ツリーの葉を明示的に制限するには、最大リーフを指定します。	糸
minDataInLeaf	リーフあたりのデータの最小数。	糸
minSplitGain	ツリーのリーフノードにさらにパーティションを作成するために必要な最小損失削減。	糸
modelName	トレーニングするモデルの名前。	糸
nEstimators	モデル内のツリー (または丸め) の数を指定します。	糸
numLeaves	葉の数を指定します。	糸
プリプロセッサ名	使用するプリプロセッサの名前。	糸
regAlpha	重みの L1 正則化項。	糸
regLambda	重みの L2 正則化項。	糸
subsample	トレーニングインスタンスのサブサンプル比率。	糸
subsampleFreq	サブサンプルの頻度	糸
treeMethod	ツリーメソッドを指定します。	糸
withMean	true の場合は、StandardScalar を使用してデータをスケーリングする前に中央揃えにします。	糸
withStd	true の場合、StandardScalar を使用して単位分散を使用してデータをスケーリングします。	糸

TableSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	"Bayesian" "Grid" "Random" (必須)

EarlyTerminationPolicy

名前	形容	価値
delayEvaluation	最初の評価を遅らせる間隔の数。	int
evaluationInterval	ポリシー評価間の間隔 (実行回数)。	int
policyType	オブジェクトの種類を設定する	バンディット MedianStopping TruncationSelection (必須)

BanditPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"Bandit" (必須)
slackAmount	最高のパフォーマンスを発揮する実行から許容される絶対距離。	int
slackFactor	最もパフォーマンスの高い実行からの許容距離の比率。	int

MedianStoppingPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"MedianStopping" (必須)

TruncationSelectionPolicy

名前	形容	価値
policyType	[必須]ポリシー構成の名前	"TruncationSelection" (必須)
truncationPercentage	各評価間隔で取り消す実行の割合。	int

ClassificationTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	分類タスクに使用できるモデル。	次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
blockedTrainingAlgorithms	分類タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "BernoulliNaiveBayes" "DecisionTree" "ExtremeRandomTrees" "GradientBoosting" "KNN" "LightGBM" "LinearSVM" "LogisticRegression" "MultinomialNaiveBayes" "RandomForest" "SGD" "SVM" "XGBoostClassifier"
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	"Auto" "Distributed" "NonDistributed"

StackEnsembleSettings

名前	形容	価値
stackMetaLearnerKWargs	メタ学習者の初期化子に渡す省略可能なパラメーター。
stackMetaLearnerTrainPercentage	メタ学習者のトレーニング用に予約するトレーニングセット (トレーニングのトレーニングと検証の種類を選択する場合) の割合を指定します。既定値は 0.2 です。	int
stackMetaLearnerType	メタ学習者は、個々の異種モデルの出力でトレーニングされたモデルです。	"ElasticNet" "ElasticNetCV" "LightGBMClassifier" "LightGBMRegressor" "LinearRegression" "LogisticRegression" "LogisticRegressionCV" "なし"

予測

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"予測" (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
forecastingSettings	予測タスク固有の入力。	ForecastingSettings
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	予測タスクの主要メトリック。	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	ForecastingTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

ForecastingSettings

名前	形容	価値
countryOrRegionForHolidays	予測タスクの休日の国または地域。これらは、ISO 3166 の 2 文字の国/地域コード ("US" や "GB" など) である必要があります。	糸
cvStepSize	1 つの CV フォールドの原点時間と次のフォールドの間の期間の数。対してたとえば、日次データの `CVStepSize` = 3 の場合、各フォールドの起点時間は 3 日分離します。	int
featureLags	'auto' または null を持つ数値特徴のラグを生成するためのフラグ。	"Auto" "なし"
featuresUnknownAtForecastTime	予測/推論時にトレーニングに使用できるが不明な特徴列。 features_unknown_at_forecast_timeが設定されていない場合、データセット内のすべての特徴列が推論時に既知であると見なされます。	string[]
forecastHorizon	時系列の頻度の単位で求められる最大予測期間。	ForecastHorizon
周波数	予測の場合、このパラメーターは、日単位、週単位、年単位など、予測が必要な期間を表します。予測頻度は、既定ではデータセットの頻度です。	糸
季節	時系列の季節性を、系列の頻度の整数倍数として設定します。季節性が 'auto' に設定されている場合は、推論されます。	季節性
shortSeriesHandlingConfig	AutoML で短い時系列を処理する方法を定義するパラメーター。	"Auto" "Drop" "なし" "Pad"
targetAggregateFunction	ユーザーが指定した頻度に準拠するように時系列ターゲット列を集計するために使用する関数。 TargetAggregateFunction が 'None' ではなく設定されているが、freq パラメーターが設定されていない場合、エラーが発生します。可能なターゲット集計関数は、"sum"、"max"、"min"、"mean" です。	"Max" "Mean" "Min" "なし" "Sum"
targetLags	ターゲット列から遅延する過去の期間の数。	TargetLags
targetRollingWindowSize	ターゲット列のローリングウィンドウ平均の作成に使用された過去の期間の数。	TargetRollingWindowSize
timeColumnName	時刻列の名前。このパラメーターは、時系列の構築とその頻度の推論に使用される入力データの datetime 列を予測する場合に必要です。	糸
timeSeriesIdColumnNames	時系列をグループ化するために使用される列の名前。複数の系列を作成するために使用できます。グレインが定義されていない場合、データセットは 1 つの時系列であると見なされます。このパラメーターは、タスクの種類の予測で使用されます。	string[]
useStl	時系列ターゲット列の STL 分解を構成します。	"なし" "Season" "SeasonTrend"

ForecastHorizon

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	"Auto" (必須)

CustomForecastHorizon

名前	形容	価値
モード	[必須]予測期間値の選択モードを設定します。	"カスタム" (必須)
価値	[必須]予測期間の値。	int (必須)

季節

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoSeasonality

名前	形容	価値
モード	[必須]季節性モード。	"Auto" (必須)

CustomSeasonality

名前	形容	価値
モード	[必須]季節性モード。	"カスタム" (必須)
価値	[必須]季節性の値。	int (必須)

TargetLags

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	"Auto" (必須)

CustomTargetLags

名前	形容	価値
モード	[必須]ターゲットラグモードの設定 - 自動/カスタム	"カスタム" (必須)
価値観	[必須]ターゲットラグ値を設定します。	int[] (必須)

TargetRollingWindowSize

名前	形容	価値
モード	オブジェクトの種類を設定する	自動のカスタム (必須)

AutoTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	"Auto" (必須)

CustomTargetRollingWindowSize

名前	形容	価値
モード	[必須]TargetRollingWindowSiz 検出モード。	"カスタム" (必須)
価値	[必須]TargetRollingWindowSize 値。	int (必須)

ForecastingTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	予測タスクに使用できるモデル。	次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
blockedTrainingAlgorithms	予測タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "Arimax" "AutoArima" "Average" "DecisionTree" "ElasticNet" "ExponentialSmoothing" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "Naive" "Prophet" "RandomForest" "SGD" "SeasonalAverage" "SeasonalNaive" "TCNForecaster" "XGBoostRegressor"
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	"Auto" "Distributed" "NonDistributed"

ImageClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageClassification" (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageLimitSettings

名前	形容	価値
maxConcurrentTrials	同時 AutoML イテレーションの最大数。	int
maxTrials	AutoML イテレーションの最大数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸

ImageModelSettingsClassification

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	"なし" "ステップ" "WarmupCosine"
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	"Adam" "Adamw" "なし" "Sgd"
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	int
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	int
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	int

MLFlowModelJobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	[必須]ジョブの種類を指定します。	"custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

ImageModelDistributionSettingsClassification

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
trainingCropSize	トレーニングデータセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationCropSize	検証データセットのニューラルネットワークに入力される画像トリミングサイズ。正の整数にする必要があります。	糸
validationResizeSize	検証データセットのトリミング前にサイズを変更する画像サイズ。正の整数にする必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸
weightedLoss	加重損失。許容される値は、加重損失がない場合は 0 です。 sqrt による加重損失の場合は 1。(class_weights)。 class_weightsによる加重損失の場合は 2。 0 または 1 または 2 である必要があります。	糸

ImageSweepSettings

名前	形容	価値
earlyTermination	早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズムの種類。	"Bayesian" "Grid" "Random" (必須)

ImageClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageClassificationMultilabel" (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsClassification の
primaryMetric	このタスク用に最適化する主要メトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "IOU" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsClassification[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageInstanceSegmentation

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageInstanceSegmentation" (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	"MeanAveragePrecision"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

ImageModelSettingsObjectDetection

名前	形容	価値
advancedSettings	高度なシナリオの設定。	糸
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	bool
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	int
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	int
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	int
checkpointFrequency	モデルチェックポイントを格納する頻度。正の整数にする必要があります。	int
checkpointModel	増分トレーニング用の事前トレーニング済みチェックポイントモデル。	MLFlowModelJobInput の
checkpointRunId	増分トレーニング用の事前トレーニング済みチェックポイントを持つ前の実行の ID。	糸
分散	分散トレーニングを使用するかどうか。	bool
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	bool
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	int
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	int
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	bool
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	int
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	int
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	int
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	int
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	int
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	"なし" "ステップ" "WarmupCosine"
logTrainingMetrics	トレーニングメトリックのコンピューティングとログ記録を有効にします。	"無効" "有効"
logValidationLoss	コンピューティングとログの検証の損失を有効にします。	"無効" "有効"
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	"ExtraLarge" "Large" "Medium" "なし" "Small"
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	int
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	bool
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	bool
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] の float である必要があります。	int
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	int
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	int
オプティマイザ	オプティマイザーの種類。	"Adam" "Adamw" "なし" "Sgd"
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	int
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	int
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	int
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	int
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	int
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	int
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	int
validationMetricType	検証メトリックに使用するメトリック計算方法。	"Coco" "CocoVoc" "なし" "Voc"
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	int
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	int
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	int

ImageModelDistributionSettingsObjectDetection

名前	形容	価値
amsGradient	オプティマイザーが 'adam' または 'adamw' の場合に AMSGrad を有効にします。	糸
拡張	拡張を使用するための設定。	糸
beta1	オプティマイザーが 'adam' または 'adamw' の場合の 'beta1' の値。範囲 [0, 1] の float である必要があります。	糸
beta2	オプティマイザーが 'adam' または 'adamw' の場合の 'beta2' の値。範囲 [0, 1] の float である必要があります。	糸
boxDetectionsPerImage	すべてのクラスの画像あたりの検出の最大数。正の整数にする必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
boxScoreThreshold	推論中に返されるのは、分類スコアが a0/& より大きい提案のみです BoxScoreThreshold。範囲 [0, 1] の float である必要があります。	糸
分散	配布者トレーニングを使用するかどうか。	糸
earlyStopping	トレーニング中に早期停止ロジックを有効にします。	糸
earlyStoppingDelay	プライマリメトリックの改善前に待機するエポックまたは検証評価の最小数は早期停止のために追跡されます。正の整数にする必要があります。	糸
earlyStoppingPatience	前の主要なメトリックの改善がないエポックまたは検証評価の最小数実行が停止します。正の整数にする必要があります。	糸
enableOnnxNormalization	ONNX モデルをエクスポートするときに正規化を有効にします。	糸
evaluationFrequency	メトリックスコアを取得するために検証データセットを評価する頻度。正の整数にする必要があります。	糸
gradientAccumulationStep	勾配累積とは、構成された数の "GradAccumulationStep" ステップを実行するこれらのステップのグラデーションを蓄積しながらモデルの重みを更新し、次に重みの更新を計算するための累積グラデーション。正の整数にする必要があります。	糸
imageSize	トレーニングと検証の画像サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
layersToFreeze	モデルに対してフリーズするレイヤーの数。正の整数にする必要があります。たとえば、'seresnext' の値として 2 を渡すことは意味しますフリーズ層0および層1。サポートされているモデルの完全な一覧とレイヤーフリーズの詳細については、 /azure/machine-learning/how-to-auto-train-image-models を参照してください。	糸
learningRate	初期学習率。範囲 [0, 1] の float である必要があります。	糸
learningRateScheduler	学習率スケジューラの種類。 'warmup_cosine' または 'step' である必要があります。	糸
maxSize	バックボーンに供給する前に再スケーリングするイメージの最大サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
minSize	バックボーンに供給する前に再スケーリングするイメージの最小サイズ。正の整数にする必要があります。注: サイズが大きすぎると、トレーニング実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
modelName	トレーニングに使用するモデルの名前。使用可能なモデルの詳細については、公式ドキュメントを参照してください。 /azure/machine-learning/how-to-auto-train-image-models。	糸
modelSize	モデルのサイズ。 'small'、'medium'、'large'、または 'xlarge' である必要があります。注: モデルのサイズが大きすぎると、トレーニングの実行が CUDA OOM に入る場合があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
運動量	オプティマイザーが 'sgd' の場合のモメンタムの値。範囲 [0, 1] の float である必要があります。	糸
multiScale	イメージサイズを +/- 50%変更して、マルチスケールイメージを有効にします。注: 十分な GPU メモリがない場合、トレーニングの実行が CUDA OOM に入る可能性があります。注: この設定は、'yolov5' アルゴリズムでのみサポートされています。	糸
nesterov	オプティマイザーが 'sgd' の場合に nesterov を有効にします。	糸
nmsIouThreshold	NMS 後処理で推論中に使用される IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
numberOfEpochs	トレーニングエポックの数。正の整数にする必要があります。	糸
numberOfWorkers	データローダーワーカーの数。負以外の整数である必要があります。	糸
オプティマイザ	オプティマイザーの種類。 'sgd'、'adam'、または 'adamw' のいずれかである必要があります。	糸
randomSeed	決定論的トレーニングを使用するときに使用されるランダムシード。	糸
stepLRGamma	学習率スケジューラが "step" の場合のガンマの値。範囲 [0, 1] の float である必要があります。	糸
stepLRStepSize	学習率スケジューラが "ステップ" の場合のステップサイズの値。正の整数にする必要があります。	糸
tileGridSize	各イメージのタイリングに使用するグリッドサイズ。注: TileGridSize を次に指定することはできません。小さな物体検出ロジックを有効にする場合はなし。 mxn 形式の 2 つの整数を含む文字列。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tileOverlapRatio	各ディメンションの隣接するタイル間のオーバーラップ率。範囲 [0, 1) に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。	糸
tilePredictionsNmsThreshold	タイルと画像からの予測をマージするときに NMS を実行するために使用する IOU しきい値。検証/推論で使用されます。範囲 [0, 1] に float を指定する必要があります。注: この設定は、'yolov5' アルゴリズムではサポートされていません。 NMS: 非最大抑制	糸
trainingBatchSize	トレーニングバッチサイズ。正の整数にする必要があります。	糸
validationBatchSize	検証バッチサイズ。正の整数にする必要があります。	糸
validationIouThreshold	検証メトリックを計算するときに使用する IOU しきい値。範囲 [0, 1] に float を指定する必要があります。	糸
validationMetricType	検証メトリックに使用するメトリック計算方法。 'none'、'coco'、'voc'、または 'coco_voc' である必要があります。	糸
warmupCosineLRCycles	学習率スケジューラが "warmup_cosine" の場合のコサインサイクルの値。範囲 [0, 1] の float である必要があります。	糸
warmupCosineLRWarmupEpochs	学習率スケジューラが "warmup_cosine" の場合のウォームアップエポックの値。正の整数にする必要があります。	糸
weightDecay	オプティマイザーが 'sgd'、'adam'、または 'adamw' の場合の重みの減衰の値。範囲 [0, 1] の float である必要があります。	糸

ImageObjectDetection

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"ImageObjectDetection" (必須)
limitSettings	[必須]AutoML ジョブの設定を制限します。	ImageLimitSettings (必須)
modelSettings	モデルのトレーニングに使用される設定。	ImageModelSettingsObjectDetection
primaryMetric	このタスク用に最適化する主要メトリック。	"MeanAveragePrecision"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	ImageModelDistributionSettingsObjectDetection[]
sweepSettings	モデルスイープとハイパーパラメータースイープ関連の設定。	ImageSweepSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int

回帰

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"回帰" (必須)
cvSplitColumnNames	CVSplit データに使用する列。	string[]
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	TableVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	TableFixedParameters の
limitSettings	AutoMLJob の実行制約。	TableVerticalLimitSettings
nCrossValidations	トレーニングデータセットに適用されるクロス検証フォールドの数検証データセットが指定されていない場合。	NCrossValidations
primaryMetric	回帰タスクの主要メトリック。	"NormalizedMeanAbsoluteError" "NormalizedRootMeanSquaredError" "R2Score" "スピアマン相関"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	TableParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	TableSweepSettings の
testData	データ入力をテストします。	MLTableJobInput の
testDataSize	検証のために確保する必要があるテストデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
trainingSettings	AutoML ジョブのトレーニングフェーズの入力。	RegressionTrainingSettings
validationData	検証データの入力。	MLTableJobInput の
validationDataSize	検証のために確保する必要があるトレーニングデータセットの割合。 (0.0 、 1.0) の値検証データセットが指定されていない場合に適用されます。	int
weightColumnName	サンプルの重み列の名前。自動 ML では、加重列が入力としてサポートされ、データ内の行が上下に重み付けされます。	糸

RegressionTrainingSettings

名前	形容	価値
allowedTrainingAlgorithms	回帰タスクに使用できるモデル。	次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
blockedTrainingAlgorithms	回帰タスクのブロックされたモデル。	次のいずれかを含む文字列配列: "DecisionTree" "ElasticNet" "ExtremeRandomTrees" "GradientBoosting" "KNN" "なげなわ" "LightGBM" "RandomForest" "SGD" "XGBoostRegressor"
enableDnnTraining	DNN モデルの推奨事項を有効にします。	bool
enableModelExplainability	最適なモデルで説明可能性を有効にするフラグ。	bool
enableOnnxCompatibleModels	onnx 互換モデルを有効にするフラグ。	bool
enableStackEnsemble	スタックアンサンブル実行を有効にします。	bool
enableVoteEnsemble	投票アンサンブル実行を有効にします。	bool
ensembleModelDownloadTimeout	VotingEnsemble および StackEnsemble モデルの生成中に、前の子実行から複数の適合モデルがダウンロードされます。より多くの時間が必要な場合は、300 秒より大きい値でこのパラメーターを構成します。	糸
stackEnsembleSettings	スタックアンサンブル実行のスタックアンサンブル設定。	StackEnsembleSettings
trainingMode	TrainingMode モード - "auto" に設定することは、現時点では "非分散" に設定した場合と同じですが、将来的には混合モードまたはヒューリスティックベースのモードが選択される可能性があります。既定値は 'auto' です。 'Distributed' の場合は、分散特徴量化のみが使用され、分散アルゴリズムが選択されます。 'NonDistributed' の場合は、非分散アルゴリズムのみが選択されます。	"Auto" "Distributed" "NonDistributed"

TextClassification

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextClassification" (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
primaryMetric	Text-Classification タスクのプライマリメトリック。	"AUCWeighted" "Accuracy" "AveragePrecisionScoreWeighted" "NormMacroRecall" "PrecisionScoreWeighted"
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

NlpVerticalFeaturizationSettings

名前	形容	価値
datasetLanguage	テキストデータに役立つデータセット言語。	糸

NlpFixedParameters

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	int
learningRate	トレーニング手順の学習率。	int
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	"定数" "ConstantWithWarmup" "Cosine" "CosineWithRestarts" "Linear" "なし" "多項式"
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	int
trainingBatchSize	トレーニング手順のバッチサイズ。	int
validationBatchSize	評価中に使用するバッチサイズ。	int
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	int
weightDecay	トレーニング手順の重量の減衰。	int

NlpVerticalLimitSettings

名前	形容	価値
maxConcurrentTrials	AutoML の同時実行の最大イテレーション数。	int
maxNodes	実験に使用する最大ノード数。	int
maxTrials	AutoML イテレーションの数。	int
タイムアウト	AutoML ジョブのタイムアウト。	糸
trialTimeout	個々の HD 試用版のタイムアウト。	糸

NlpParameterSubspace

名前	形容	価値
gradientAccumulationSteps	後方パスを実行する前にグラデーションを累積する手順の数。	糸
learningRate	トレーニング手順の学習率。	糸
learningRateScheduler	トレーニング手順中に使用する学習率スケジュールの種類。	糸
modelName	トレーニングするモデルの名前。	糸
numberOfEpochs	トレーニングエポックの数。	糸
trainingBatchSize	トレーニング手順のバッチサイズ。	糸
validationBatchSize	評価中に使用するバッチサイズ。	糸
warmupRatio	LrSchedulerType と共に使用されるウォームアップ比。	糸
weightDecay	トレーニング手順の重量の減衰。	糸

NlpSweepSettings

名前	形容	価値
earlyTermination	スイープジョブの早期終了ポリシーの種類。	EarlyTerminationPolicy
samplingAlgorithm	[必須]サンプリングアルゴリズムの種類。	"Bayesian" "Grid" "Random" (必須)

TextClassificationMultilabel

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextClassificationMultilabel" (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

TextNer

名前	形容	価値
taskType	[必須]AutoMLJob のタスクの種類。	"TextNER" (必須)
featurizationSettings	AutoML ジョブに必要な特徴量化入力。	NlpVerticalFeaturizationSettings
fixedParameters	トレーニングを通じて一定の状態を維持するモデル/トレーニングパラメーター。	NlpFixedParameters
limitSettings	AutoMLJob の実行制約。	NlpVerticalLimitSettings
searchSpace	モデルとそのハイパーパラメーターのさまざまな組み合わせをサンプリングするための空間を検索します。	NlpParameterSubspace[]
sweepSettings	モデルスイープとハイパーパラメーター調整の設定。	NlpSweepSettings
validationData	検証データの入力。	MLTableJobInput の

CommandJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"Command" (必須)
autologgerSettings	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	AutologgerSettings
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、Ray、または null のいずれかである必要があります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	CommandJobEnvironmentVariables
入力	ジョブで使用される入力データバインディングのマッピング。	CommandJobInputs
切り	コマンドジョブの制限。	CommandJobLimits
出力	ジョブで使用される出力データバインディングのマッピング。	CommandJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

AutologgerSettings

名前	形容	価値
mlflowAutologger	[必須]mlflow 自動ロガーが有効かどうかを示します。	"無効" "有効" (必須)

DistributionConfiguration

名前	形容	価値
distributionType	オブジェクトの種類を設定する	Mpi PyTorch をする Ray TensorFlow (必須)

Mpi

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	"Mpi" (必須)
processCountPerInstance	MPI ノードあたりのプロセス数。	int

PyTorch

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	"PyTorch" (必須)
processCountPerInstance	ノードあたりのプロセス数。	int

鱏

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	"Ray" (必須)
住所	Ray ヘッドノードのアドレス。	糸
dashboardPort	ダッシュボードサーバーをバインドするポート。	int
headNodeAdditionalArgs	ヘッドノードの光線開始に渡される追加の引数。	糸
includeDashboard	Ray ダッシュボード GUI を開始するには、この引数を指定します。	bool
港	ヘッドレイプロセスのポート。	int
workerNodeAdditionalArgs	ワーカーノードで光線開始に渡される追加の引数。	糸

TensorFlow

名前	形容	価値
distributionType	[必須]ディストリビューションフレームワークの種類を指定します。	"TensorFlow" (必須)
parameterServerCount	パラメーターサーバータスクの数。	int
workerCount	ワーカーの数。指定しない場合は、既定でインスタンス数が設定されます。	int

CommandJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CommandJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

JobInput

名前	形容	価値
形容	入力の説明。	糸
jobInputType	オブジェクトの種類を設定する	custom_model リテラル mlflow_model mltable をする triton_model uri_file uri_folder (必須)

CustomModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"custom_model" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

LiteralJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"literal" (必須)
価値	[必須]入力のリテラル値。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

TritonModelJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"triton_model" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFileJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"uri_file" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

UriFolderJobInput

名前	形容	価値
jobInputType	[必須]ジョブの種類を指定します。	"uri_folder" (必須)
モード	入力資産配信モード。	"Direct" "ダウンロード" "EvalDownload" "EvalMount" "ReadOnlyMount" "ReadWriteMount"
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

CommandJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	"Command" "スイープ" (必須)
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸

CommandJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

LabelingJobProperties

名前	形容	価値
componentId	コンポーネントリソースの ARM リソース ID。	糸
computeId	コンピューティングリソースの ARM リソース ID。	糸
dataConfiguration	ジョブで使用されるデータの構成。	labelingDataConfiguration の
形容	資産の説明テキスト。	糸
displayName	ジョブの表示名。	糸
experimentName	ジョブが属する実験の名前。設定されていない場合、ジョブは "既定" の実験に配置されます。	糸
同一性	ID の構成。設定する場合は、AmlToken、ManagedIdentity、UserIdentity、または null のいずれかになります。 null の場合、既定値は AmlToken になります。	IdentityConfiguration
isArchived	資産はアーカイブされていますか?	bool
jobInstructions	ジョブのラベル付け命令。	LabelingJobInstructions の
jobType	[必須]ジョブの種類を指定します。	"AutoML" "Command" "ラベル付け" "Pipeline" "Spark" "スイープ" (必須)
labelCategories	ジョブのカテゴリにラベルを付けます。	LabelingJobLabelCategories の
labelingJobMediaProperties	ジョブ内のメディアの種類固有のプロパティ。	labelingJobMediaProperties の
mlAssistConfiguration	ジョブでの MLAssist 機能の構成。	MLAssistConfiguration
notificationSetting	ジョブの通知設定	NotificationSetting
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
secretsConfiguration	実行時に使用可能にするシークレットの構成。	JobBaseSecretsConfiguration
サービス	JobEndpoints の一覧。ローカルジョブの場合、ジョブエンドポイントのエンドポイント値は FileStreamObject になります。	JobBaseServices
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

LabelingDataConfiguration

名前	形容	価値
dataId	ラベル付けを実行するデータ資産のリソース ID。	糸
incrementalDataRefresh	増分データ更新を有効にするかどうかを示します。	"無効" "有効"

LabelingJobInstructions

名前	形容	価値
uri	ラベラーの詳細なラベル付け手順を含むページへのリンク。	糸

LabelingJobLabelCategories

名前	形容	価値
{カスタマイズされたプロパティ}		LabelCategory

LabelCategory

名前	形容	価値
クラス	このカテゴリのラベルクラスのディクショナリ。	LabelCategoryClasses
displayName	ラベルカテゴリの表示名。	糸
multiSelect	このカテゴリの複数のクラスを選択できるかどうかを示します。	"無効" "有効"

LabelCategoryClasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelClass

名前	形容	価値
displayName	ラベルクラスの表示名。	糸
サブクラス	ラベルクラスのサブクラスのディクショナリ。	LabelClassSubclasses

LabelClassSubclasses

名前	形容	価値
{カスタマイズされたプロパティ}		LabelClass

LabelingJobMediaProperties

名前	形容	価値
mediaType	オブジェクトの種類を設定する	イメージテキスト (必須)

LabelingJobImageProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	"Image" (必須)
annotationType	画像ラベル付けジョブの注釈の種類。	"BoundingBox" "分類" "InstanceSegmentation"

LabelingJobTextProperties

名前	形容	価値
mediaType	[必須]ジョブのメディアの種類。	"Text" (必須)
annotationType	テキストラベル付けジョブの注釈の種類。	"分類" "NamedEntityRecognition"

MLAssistConfiguration

名前	形容	価値
mlAssist	オブジェクトの種類を設定する	Disabled Enabled (必須)

MLAssistConfigurationDisabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	"無効" (必須)

MLAssistConfigurationEnabled

名前	形容	価値
mlAssist	[必須]MLAssist 機能が有効かどうかを示します。	"有効" (必須)
inferencingComputeBinding	[必須]推論で使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
trainingComputeBinding	[必須]トレーニングで使用される AML コンピューティングバインド。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

PipelineJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"Pipeline" (必須)
入力	パイプラインジョブの入力。	PipelineJobInputs
ジョブ	ジョブはパイプラインジョブを構築します。	PipelineJobs
出力	パイプラインジョブの出力	PipelineJobOutputs
設定	ContinueRunOnStepFailure などのパイプライン設定。
sourceJobId	ソースジョブの ARM リソース ID。	糸

PipelineJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

PipelineJobs

名前	形容	価値
{カスタマイズされたプロパティ}

PipelineJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"Spark" (必須)
史料	ジョブで使用されるアーカイブファイル。	string[]
args	ジョブの引数。	糸
codeId	[必須]コード資産の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
conf	Spark で構成されたプロパティ。	SparkJobConf の
エントリ	[必須]ジョブの起動時に実行するエントリ。	SparkJobEntry (必須)
environmentId	ジョブの環境仕様の ARM リソース ID。	糸
environmentVariables	ジョブに含まれる環境変数。	SparkJobEnvironmentVariables
ファイル	ジョブで使用されるファイル。	string[]
入力	ジョブで使用される入力データバインディングのマッピング。	SparkJobInputs の
瓶	ジョブで使用される Jar ファイル。	string[]
出力	ジョブで使用される出力データバインディングのマッピング。	SparkJobOutputs
pyFiles	ジョブで使用される Python ファイル。	string[]
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	SparkResourceConfiguration の

SparkJobConf

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobEntry

名前	形容	価値
sparkJobEntryType	オブジェクトの種類を設定する	SparkJobPythonEntry の SparkJobScalaEntry (必須)

SparkJobPythonEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	"SparkJobPythonEntry" (必須)
ファイル	[必須]ジョブエントリポイントの相対 Python ファイルパス。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobScalaEntry

名前	形容	価値
sparkJobEntryType	[必須]ジョブのエントリポイントの種類。	"SparkJobScalaEntry" (必須)
className	[必須]エントリポイントとして使用される Scala クラス名。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SparkJobEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

SparkJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SparkJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SparkResourceConfiguration

名前	形容	価値
instanceType	コンピューティング先でサポートされている VM のオプションの種類。	糸
runtimeVersion	ジョブに使用される Spark ランタイムのバージョン。	糸

SweepJob

名前	形容	価値
jobType	[必須]ジョブの種類を指定します。	"スイープ" (必須)
componentConfiguration	コンポーネントに対するスイープのコンポーネント構成	ComponentConfiguration
earlyTermination	早期終了ポリシーを使用すると、実行が完了する前にパフォーマンスの低い実行を取り消す	EarlyTerminationPolicy
入力	ジョブで使用される入力データバインディングのマッピング。	SweepJobInputs
切り	スイープジョブの制限。	SweepJobLimits
目的	[必須]最適化の目的。	目標 (必須)
出力	ジョブで使用される出力データバインディングのマッピング。	SweepJobOutputs
queueSettings	ジョブのキュー設定	QueueSettings の
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration
samplingAlgorithm	[必須]ハイパーパラメーターサンプリングアルゴリズム	SamplingAlgorithm (必須)
searchSpace	[必須]各パラメーターとその分布を含むディクショナリ。ディクショナリキーはパラメーターの名前です
裁判	[必須]試用版コンポーネントの定義。	TrialComponent (必須)

ComponentConfiguration

名前	形容	価値
pipelineSettings	ContinueRunOnStepFailure などのパイプライン設定。

SweepJobInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

SweepJobLimits

名前	形容	価値
jobLimitsType	[必須]JobLimit 型。	"Command" "スイープ" (必須)
maxConcurrentTrials	スイープジョブの最大同時試行回数。	int
maxTotalTrials	スイープジョブの最大試行回数。	int
タイムアウト	ISO 8601 形式の最大実行時間。その後、ジョブは取り消されます。秒という低い精度の期間のみをサポートします。	糸
trialTimeout	スイープジョブ試用版のタイムアウト値。	糸

目的

名前	形容	価値
ゴール	[必須]ハイパーパラメーター調整でサポートされるメトリックの目標を定義します	"最大化" "最小化" (必須)
primaryMetric	[必須]最適化するメトリックの名前。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

SweepJobOutputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobOutput

SamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	オブジェクトの種類を設定する	ベイジアン Grid ランダムの (必須)

BayesianSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Bayesian" (必須)

GridSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Grid" (必須)

RandomSamplingAlgorithm

名前	形容	価値
samplingAlgorithmType	[必須]構成プロパティと共にハイパーパラメーター値を生成するために使用されるアルゴリズム	"Random" (必須)
logbase	ログベースのランダムサンプリングのベースとして使用する文字列形式の省略可能な正の数または e	糸
支配	ランダムアルゴリズムの特定の種類	"Random" "Sobol"
種	乱数生成のシードとして使用する省略可能な整数	int

TrialComponent

名前	形容	価値
codeId	コード資産の ARM リソース ID。	糸
命令	[必須]ジョブの起動時に実行するコマンド。例えば。 "python train.py"	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
流通	ジョブの配布構成。設定する場合は、Mpi、Tensorflow、PyTorch、または null のいずれかになります。	DistributionConfiguration
environmentId	[必須]ジョブの環境仕様の ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
environmentVariables	ジョブに含まれる環境変数。	TrialComponentEnvironmentVariables
リソース	ジョブのコンピューティングリソース構成。	JobResourceConfiguration

TrialComponentEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CreateMonitorAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	"CreateMonitor" (必須)
monitorDefinition	[必須]モニターを定義します。	MonitorDefinition (必須)

MonitorDefinition

名前	形容	価値
alertNotificationSettings	モニターの通知設定。	MonitorNotificationSettings
computeConfiguration	[必須]監視ジョブを実行するコンピューティングリソースの ARM リソース ID。	MonitorComputeConfigurationBase (必須)
monitoringTarget	このモニターの対象となるモデルまたはデプロイの ARM リソース ID。	MonitoringTarget
信号	[必須]監視する信号。	MonitorDefinitionSignals (必須)

MonitorNotificationSettings

名前	形容	価値
emailNotificationSettings	AML 通知の電子メール設定。	MonitorEmailNotificationSettings

MonitorEmailNotificationSettings

名前	形容	価値
emails	これは、合計で 499 文字の制限がある電子メール受信者リストです。	string[]

MonitorComputeConfigurationBase

名前	形容	価値
computeType	オブジェクトの種類を設定する	ServerlessSpark (必須)

MonitorServerlessSparkCompute

名前	形容	価値
computeType	[必須]監視するシグナルの種類を指定します。	"ServerlessSpark" (必須)
computeIdentity	[必須]サーバーレス Spark で実行されている Spark ジョブによって利用される ID スキーム。	MonitorComputeIdentityBase (必須)
instanceType	[必須]Spark ジョブを実行しているインスタンスの種類。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
runtimeVersion	[必須]Spark ランタイムのバージョン。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

MonitorComputeIdentityBase

名前	形容	価値
computeIdentityType	オブジェクトの種類を設定する	AmlToken をする ManagedIdentity (必須)

AmlTokenComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	"AmlToken" (必須)

ManagedComputeIdentity

名前	形容	価値
computeIdentityType	[必須]コンピューティング ID の種類の列挙型を監視します。	"ManagedIdentity" (必須)
同一性	マネージドサービス ID (システム割り当て ID またはユーザー割り当て ID)	ManagedServiceIdentity の

ManagedServiceIdentity

名前	形容	価値
種類	マネージドサービス ID の種類 (SystemAssigned 型と UserAssigned 型の両方が許可されます)。	"SystemAssigned" "SystemAssigned,UserAssigned" "UserAssigned" (必須)
identity_ids	リソースに関連付けられているユーザー割り当て ID のセット。 userAssignedIdentities ディクショナリキーは、'/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} という形式の ARM リソース ID になります。ディクショナリ値は、要求内の空のオブジェクト ({}) にすることができます。	ユーザー ID ID の配列。

UserAssignedIdentities

名前	形容	価値
{カスタマイズされたプロパティ}		UserAssignedIdentity の

UserAssignedIdentity

このオブジェクトには、配置時に設定するプロパティは含まれません。すべてのプロパティは ReadOnly です。

MonitoringTarget

名前	形容	価値
deploymentId	このモニターの対象となるデプロイの ARM リソース ID。	糸
modelId	このモニターの対象となるモデルの ARM リソース ID。	糸
taskType	[必須]モデルの機械学習タスクの種類。	"分類" "QuestionAnswering" "回帰" (必須)

MonitorDefinitionSignals

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringSignalBase

MonitoringSignalBase

名前	形容	価値
notificationTypes	このシグナルの現在の通知モード。	次のいずれかを含む文字列配列: "AmlNotification" "AzureMonitor"
プロパティ	プロパティディクショナリ。プロパティは追加できますが、削除または変更することはできません。	MonitoringSignalBaseProperties の
signalType	オブジェクトの種類を設定する	カスタムの DataDrift DataQuality FeatureAttributionDrift の GenerationSafetyQuality GenerationTokenStatistics ModelPerformance PredictionDrift (必須)

MonitoringSignalBaseProperties

名前	形容	価値
{カスタマイズされたプロパティ}		糸

CustomMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"カスタム" (必須)
componentId	[必須]カスタムメトリックの計算に使用されるコンポーネントリソースの ARM リソース ID。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputAssets	入力として取得する資産の監視。キーはコンポーネント入力ポート名、値はデータ資産です。	CustomMonitoringSignalInputAssets
入力	入力として受け取る追加のコンポーネントパラメーター。キーはコンポーネントリテラル入力ポート名、値はパラメーター値です。	CustomMonitoringSignalInputs の
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	CustomMetricThreshold[] (必須)
workspaceConnection	[必須]計算するメトリックとそれに関連するしきい値の一覧。	MonitoringWorkspaceConnection (必須)

CustomMonitoringSignalInputAssets

名前	形容	価値
{カスタマイズされたプロパティ}		MonitoringInputDataBase の

MonitoringInputDataBase

名前	形容	価値
列	列名と特殊用途のマッピング。	MonitoringInputDataBaseColumns
dataContext	データソースのコンテキストメタデータ。	糸
jobInputType	[必須]ジョブの種類を指定します。	"custom_model" "literal" "mlflow_model" "mltable" "triton_model" "uri_file" "uri_folder" (必須)
uri	[必須]入力資産 URI。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
inputDataType	オブジェクトの種類を設定する	固定ローリング静的の (必須)

MonitoringInputDataBaseColumns

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FixedInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	"固定" (必須)

RollingInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	"ローリング" (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowOffset	[必須]データウィンドウの終了とモニターの現在の実行時間の間の時間オフセット。	string (必須)
windowSize	[必須]末尾のデータウィンドウのサイズ。	string (必須)

StaticInputData

名前	形容	価値
inputDataType	[必須]監視するシグナルの種類を指定します。	"Static" (必須)
preprocessingComponentId	データの前処理に使用されるコンポーネントリソースの ARM リソース ID。	糸
windowEnd	[必須]データウィンドウの終了日。	string (必須)
windowStart	[必須]データウィンドウの開始日。	string (必須)

CustomMonitoringSignalInputs

名前	形容	価値
{カスタマイズされたプロパティ}		JobInput をする

CustomMetricThreshold

名前	形容	価値
メトリック	[必須]計算するユーザー定義メトリック。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

MonitoringThreshold

名前	形容	価値
価値	しきい値。 null の場合、既定値はメトリックの種類によって異なります。	int

MonitoringWorkspaceConnection

名前	形容	価値
environmentVariables	送信されたジョブに環境変数として格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は環境変数キーです。	MonitoringWorkspaceConnectionEnvironmentVariables
秘密	送信されたジョブにシークレットとして格納するワークスペースサービス接続のプロパティ。キーはワークスペース接続プロパティパス、名前は秘密鍵です。	MonitoringWorkspaceConnectionSecrets

MonitoringWorkspaceConnectionEnvironmentVariables

名前	形容	価値
{カスタマイズされたプロパティ}		糸

MonitoringWorkspaceConnectionSecrets

名前	形容	価値
{カスタマイズされたプロパティ}		糸

DataDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"DataDrift" (必須)
dataSegment	データ作成のサブセットのスコープに使用されるデータセグメント。	MonitoringDataSegment
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	ドリフトを計算するフィーチャを識別する機能フィルター。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

MonitoringDataSegment

名前	形容	価値
特徴	データをセグメント化する機能。	糸
価値観	特定のセグメント化されたフィーチャの指定された値のみをフィルター処理します。	string[]

DataDriftMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		"カテゴリ" "数値"

FeatureImportanceSettings

名前	形容	価値
モード	特徴の重要度を計算するための操作モード。	"無効" "有効"
targetColumn	入力データ資産内のターゲット列の名前。	糸

MonitoringFeatureFilterBase

名前	形容	価値
filterType	オブジェクトの種類を設定する	AllFeatures をする FeatureSubset の TopNByAttribution (必須)

AllFeatures

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	"AllFeatures" (必須)

FeatureSubset

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	"FeatureSubset" (必須)
顔立ち	[必須]含める機能の一覧。	string[] (必須)

TopNFeaturesByAttribution

名前	形容	価値
filterType	[必須]メトリックを計算する機能を選択するときに利用する機能フィルターを指定します。	"TopNByAttribution" (必須)
ページのトップへ	含める上位の特徴の数。	int

DataDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"カテゴリ" (必須)
メトリック	[必須]計算するカテゴリデータドリフトメトリック。	"JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (必須)

NumericalDataDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"数値" (必須)
メトリック	[必須]計算する数値データドリフトメトリック。	"JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (必須)

DataQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"DataQuality" (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
顔立ち	誤差を計算する特徴。	MonitoringFeatureFilterBase
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	DataQualityMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

DataQualityMonitoringSignalFeatureDataTypeOverride

名前	形容	価値
{カスタマイズされたプロパティ}		"カテゴリ" "数値"

DataQualityMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"カテゴリ" (必須)
メトリック	[必須]計算するカテゴリ別データ品質メトリック。	"DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (必須)

NumericalDataQualityMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"数値" (必須)
メトリック	[必須]計算する数値データ品質メトリック。	"DataTypeErrorRate" "NullValueRate" "OutOfBoundsRate" (必須)

FeatureAttributionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"FeatureAttributionDrift" (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	FeatureAttributionDriftMonitoringSignalFeatureDataTy...
featureImportanceSettings	特徴の重要度を計算するための設定。	FeatureImportanceSettings の
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	FeatureAttributionMetricThreshold (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

FeatureAttributionDriftMonitoringSignalFeatureDataTy...

名前	形容	価値
{カスタマイズされたプロパティ}		"カテゴリ" "数値"

FeatureAttributionMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリック。	"NormalizedDiscountedCumulativeGain" (必須)
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationSafetyQualityMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"GenerationSafetyQuality" (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationSafetyQualityMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)
workspaceConnectionId	コンテンツ生成エンドポイントへの接続に使用するワークスペース接続 ID を取得または設定します。	糸

GenerationSafetyQualityMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	"AcceptableCoherenceScorePerInstance" "AcceptableFluencyScorePerInstance" "AcceptableGroundednessScorePerInstance" "AcceptableRelevanceScorePerInstance" "AcceptableSimilarityScorePerInstance" "AggregatedCoherencePassRate" "AggregatedFluencyPassRate" "AggregatedGroundednessPassRate" "AggregatedRelevancePassRate" "AggregatedSimilarityPassRate" (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

GenerationTokenUsageSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"GenerationTokenStatistics" (必須)
metricThresholds	[必須]計算するメトリックと、対応するしきい値を取得または設定します。	GenerationTokenUsageMetricThreshold[] (必須)
productionData	メトリックを計算するための運用データを取得または設定します。	MonitoringInputDataBase[]
samplingRate	[必須]実稼働データのサンプルレートは、0 より大きく、最大で 1 である必要があります。	int (必須)

GenerationTokenUsageMetricThreshold

名前	形容	価値
メトリック	[必須]計算する特徴属性メトリックを取得または設定します。	"TotalTokenCount" "TotalTokenCountPerGroup" (必須)
閾	しきい値を取得または設定します。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold

ModelPerformanceSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"ModelPerformance" (必須)
dataSegment	データセグメント。	MonitoringDataSegment
metricThreshold	[必須]計算するメトリックとそれに関連するしきい値の一覧。	ModelPerformanceMetricThresholdBase (必須)
productionData	[必須]パフォーマンスが計算される運用サービスによって生成されるデータ。	MonitoringInputDataBase[] (必須)
referenceData	[必須]モデルのパフォーマンスを計算するための基礎として使用される参照データ。	MonitoringInputDataBase (必須)

ModelPerformanceMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
modelType	オブジェクトの種類を設定する	分類回帰 (必須)

ClassificationModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	"分類" (必須)
メトリック	[必須]計算する分類モデルのパフォーマンス。	"Accuracy" "Precision" "Recall" (必須)

RegressionModelPerformanceMetricThreshold

名前	形容	価値
modelType	[必須]メトリックしきい値のデータ型を指定します。	"回帰" (必須)
メトリック	[必須]計算する回帰モデルのパフォーマンスメトリック。	"MeanAbsoluteError" "MeanSquaredError" "RootMeanSquaredError" (必須)

PredictionDriftMonitoringSignal

名前	形容	価値
signalType	[必須]監視するシグナルの種類を指定します。	"PredictionDrift" (必須)
featureDataTypeOverride	フィーチャ名をそれぞれのデータ型にマップするディクショナリ。	PredictionDriftMonitoringSignalFeatureDataTypeOverri...
metricThresholds	[必須]計算するメトリックとそれに関連するしきい値の一覧。	PredictionDriftMetricThresholdBase[] (必須)
productionData	[必須]誤差が計算されるデータ。	MonitoringInputDataBase (必須)
referenceData	[必須]誤差を計算する対象のデータ。	MonitoringInputDataBase (必須)

PredictionDriftMonitoringSignalFeatureDataTypeOverri...

名前	形容	価値
{カスタマイズされたプロパティ}		"カテゴリ" "数値"

PredictionDriftMetricThresholdBase

名前	形容	価値
閾	しきい値。 null の場合、選択したメトリックに応じて既定値が設定されます。	MonitoringThreshold
dataType	オブジェクトの種類を設定する	カテゴリの数値 (必須)

CategoricalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"カテゴリ" (必須)
メトリック	[必須]計算するカテゴリ予測誤差メトリック。	"JensenShannonDistance" "PearsonsChiSquaredTest" "PopulationStabilityIndex" (必須)

NumericalPredictionDriftMetricThreshold

名前	形容	価値
dataType	[必須]メトリックしきい値のデータ型を指定します。	"数値" (必須)
メトリック	[必須]計算する数値予測誤差メトリック。	"JensenShannonDistance" "NormalizedWassersteinDistance" "PopulationStabilityIndex" "TwoSampleKolmogorovSmirnovTest" (必須)

ImportDataAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	"ImportData" (必須)
dataImportDefinition	[必須]スケジュールアクション定義の詳細を定義します。	DataImport (必須)

DataImport

名前	形容	価値
assetName	作成するデータインポートジョブの資産の名前	糸
autoDeleteSetting	マネージドデータ資産のライフサイクル設定を指定します。	AutoDeleteSetting の
dataType	[必須]データの種類を指定します。	"mltable" "uri_file" "uri_folder" (必須)
dataUri	[必須]データの URI。例: `https://go.microsoft.com/fwlink/?linkid=2202330`	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`
形容	資産の説明テキスト。	糸
intellectualProperty	知的財産の詳細。データが知的財産である場合に使用されます。	IntellectualProperty
isAnonymous	名前のバージョンがシステムによって生成された場合 (匿名登録)。 Stage が定義されている型の場合、Stage が指定されている場合は IsAnonymous の設定に使用されます	bool
isArchived	資産はアーカイブされていますか? Stage が定義されている型の場合、Stage が指定されている場合は IsArchived の設定に使用されます	bool
プロパティ	資産プロパティディクショナリ。	ResourceBaseProperties
源	インポート元の資産のソースデータ	DataImportSource の
舞台	このデータ資産に割り当てられたデータライフサイクルのステージ	糸
タグ	タグディクショナリ。タグは追加、削除、更新できます。	オブジェクト

IntellectualProperty

名前	形容	価値
protectionLevel	知的財産の保護レベル。	"すべて" "なし"
発行者	[必須]知的財産の発行元。レジストリ発行者名と同じである必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

DataImportSource

名前	形容	価値
接続	データインポートソースストレージのワークスペース接続	糸
sourceType	オブジェクトの種類を設定する	データベースをする file_system (必須)

DatabaseSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	"database" (必須)
クエリ	データインポートデータベースソースの SQL Query ステートメント	糸
storedProcedure	データインポートデータベースソースの SQL StoredProcedure	糸
storedProcedureParams	SQL StoredProcedure パラメーター	DatabaseSourceStoredProcedureParamsItem[]
tableName	データインポートデータベースソースのテーブルの名前	糸

DatabaseSourceStoredProcedureParamsItem

名前	形容	価値
{カスタマイズされたプロパティ}		糸

FileSystemSource

名前	形容	価値
sourceType	[必須]データの種類を指定します。	"file_system" (必須)
パス	データインポート FileSystem ソースのパス	糸

EndpointScheduleAction

名前	形容	価値
actionType	[必須]スケジュールのアクションの種類を指定します	"InvokeBatchEndpoint" (必須)
endpointInvocationDefinition	[必須]スケジュールアクション定義の詳細を定義します。 {see href="TBD" /}

TriggerBase

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones />	糸
triggerType	オブジェクトの種類を設定する	Cron 繰り返し (必須)

CronTrigger

名前	形容	価値
triggerType	[必須]	"Cron" (必須)
表現	[必須]スケジュールの cron 式を指定します。式は NCronTab 形式に従う必要があります。	string (必須) 制約：最小長 = 1 パターン = `[a-zA-Z0-9_]`

RecurrenceTrigger

名前	形容	価値
endTime	スケジュールの終了時刻を ISO 8601 で指定しますが、UTC オフセットは指定しません。 `https://en.wikipedia.org/wiki/ISO_8601.` を参照してください再コメント形式は "2022-06-01T00:00:01" になります存在しない場合、スケジュールは無期限に実行されます	糸
周波数	[必須]スケジュールをトリガーする頻度。	"Day" "Hour" "Minute" "Month" "Week" (必須)
間	[必須]スケジュール間隔を頻度と組み合わせて指定します	int (必須)
計画	繰り返しスケジュール。	RecurrenceSchedule
startTime	スケジュールの開始時刻を ISO 8601 形式で指定しますが、UTC オフセットは指定しません。	糸
timeZone	スケジュールを実行するタイムゾーンを指定します。 TimeZone は、Windows のタイムゾーン形式に従う必要があります。参照: /windows-hardware/manufacture/desktop/default-time-zones	糸
triggerType	[必須]	"Cron" "繰り返し" (必須)

RecurrenceSchedule

名前	形容	価値
時間	[必須]スケジュールの時間の一覧。	int[] (必須)
議事録	[必須]スケジュールの分の一覧。	int[] (必須)
monthDays	スケジュールの月日の一覧	int[]
平日	スケジュールの日数の一覧。	次のいずれかを含む文字列配列: "Friday" "Monday" "Saturday" "Sunday" "木曜日" "Tuesday" "水曜日"

次の方法で共有

Microsoft.MachineLearningServices workspaces/schedules 2023-08-01-preview

Bicep リソース定義

リソースの形式

ScheduleActionBase オブジェクト

JobBaseProperties オブジェクト

IdentityConfiguration オブジェクト

Webhook オブジェクト

Nodes オブジェクト

JobOutput オブジェクト

AutoMLVertical オブジェクト

NCrossValidations オブジェクト

EarlyTerminationPolicy オブジェクト

ForecastHorizon オブジェクト

季節性オブジェクト

TargetLags オブジェクト

TargetRollingWindowSize オブジェクト

DistributionConfiguration オブジェクト

JobInput オブジェクト

LabelingJobMediaProperties オブジェクト

MLAssistConfiguration オブジェクト

SparkJobEntry オブジェクト

SamplingAlgorithm オブジェクト

MonitorComputeConfigurationBase オブジェクト

MonitorComputeIdentityBase オブジェクト

MonitoringSignalBase オブジェクト

MonitoringInputDataBase オブジェクト

MonitoringFeatureFilterBase オブジェクト

DataDriftMetricThresholdBase オブジェクト

DataQualityMetricThresholdBase オブジェクト

ModelPerformanceMetricThresholdBase オブジェクト

PredictionDriftMetricThresholdBase オブジェクト

DataImportSource オブジェクト

TriggerBase オブジェクト

プロパティ値

workspaces/schedules

ScheduleProperties

ScheduleActionBase

JobScheduleAction

JobBaseProperties

IdentityConfiguration

AmlToken

ManagedIdentity

UserIdentity

NotificationSetting

NotificationSettingWebhooks

Webhook

AzureDevOpsWebhook

ResourceBaseProperties

JobBaseSecretsConfiguration

SecretConfiguration

JobBaseServices

JobService

ノード

AllNodes

JobServiceProperties

AutoMLJob

AutoMLJobEnvironmentVariables

AutoMLJobOutputs

JobOutput

CustomModelJobOutput

AutoDeleteSetting

MLFlowModelJobOutput

MLTableJobOutput

TritonModelJobOutput

UriFileJobOutput

UriFolderJobOutput

QueueSettings

JobResourceConfiguration

ResourceConfigurationProperties

AutoMLVertical

MLTableJobInput

分類

TableVerticalFeaturizationSettings

TableVerticalFeaturizationSettingsColumnNameAndTypes

TableVerticalFeaturizationSettingsTransformerParams

ColumnTransformer

TableFixedParameters

TableVerticalLimitSettings

NCrossValidations