Machine Learning 서비스 작업 영역 데이터 내보내기 또는 삭제
Azure Machine Learning에서 포털의 그래픽 인터페이스 또는 Python SDK를 사용하여 작업 영역 데이터를 내보내거나 삭제할 수 있습니다. 이 문서에서는 이 두 가지 옵션에 대해 설명합니다.
참고 항목
개인 데이터를 보거나 삭제하는 방법에 대한 자세한 내용은 특정 영역 및 요구 사항에 따라 GDPR에 대한 일반 데이터 주체 요청, GDPR에 대한 Azure 데이터 주체 요청 또는 GDPR에 대한 Windows 데이터 주체 요청을 참조하세요. GDPR에 대한 자세한 내용은 Microsoft Trust Center의 GDPR 섹션 및 Service Trust 포털의 GDPR 섹션을 참조하세요.
참고 항목
이 문서에서는 디바이스 또는 서비스에서 개인 데이터를 삭제하는 방법에 대한 단계를 제공하며 GDPR에 따라 의무를 지원하는 데 사용할 수 있습니다. GDPR에 대한 일반정인 정보는 Microsoft Trust Center의 GDPR 섹션 및 Service Trust 포털의 GDPR 섹션을 참조하세요.
작업 영역 데이터 제어
Azure Machine Learning은 내보내고 삭제할 수 있는 제품 내 데이터를 저장합니다. Azure Machine Learning 스튜디오, CLI 또는 SDK를 사용하여 데이터를 내보내고 삭제할 수 있습니다. 또한 Azure 개인 정보 포털을 통해 원격 분석 데이터에 액세스할 수 있습니다.
Azure Machine Learning에서 개인 데이터는 작업 기록 문서의 사용자 정보로 구성됩니다.
Azure 작업 영역은 리소스 그룹을 사용하여 Azure 솔루션에 대한 관련 리소스를 보유합니다. 작업 영역을 만들 때 기존 리소스 그룹을 사용하거나 새 리소스 그룹을 만들 수 있습니다. Azure 리소스 그룹에 대한 자세한 내용은 이 리소스를 방문하세요.
포털을 사용하여 상위 수준 리소스 삭제
작업 영역을 만들 때 Azure는 리소스 그룹 내에 여러 리소스를 만듭니다.
- 작업 영역 자체
- 스토리지 계정
- 컨테이너 레지스트리
- Application Insights 인스턴스
- 키 자격 증명 모음
이러한 리소스를 삭제하려면 목록에서 해당 리소스를 선택하고 삭제를 선택합니다.
Important
리소스가 일시 삭제되도록 구성된 경우 필요에 따라 리소스를 영구적으로 삭제하도록 선택하지 않는 한, 데이터가 실제로 삭제되지 않습니다. 자세한 내용은 다음 리소스를 방문하세요.
선택 사항을 확인할 수 있는 확인 대화 상자가 열립니다.
작업 기록 문서에는 개인 사용자 정보가 포함될 수 있습니다. 이러한 문서는 Blob Storage의 스토리지 계정(/azureml 하위 폴더)에 저장됩니다. 포털에서 데이터를 다운로드하고 삭제할 수 있습니다. 먼저 다음 스크린샷에 표시된 대로 Azure Portal에서 Storage 계정 Azure 서비스를 선택합니다.
Storage 계정 페이지에서 다음 스크린샷에 표시된 대로 관련 스토리지 계정을 선택합니다.
다음 스크린샷에 표시된 대로 컨테이너를 선택합니다.
다음 스크린샷에 표시된 대로 특정 컨테이너를 선택합니다.
다음 스크린샷에 표시된 대로 해당 컨테이너에서 삭제하려는 리소스 또는 리소스들을 선택하고 삭제합니다.
Azure Machine Learning 스튜디오를 사용하여 기계 학습 리소스 내보내기 및 삭제
Azure Machine Learning 스튜디오에서는 기계 학습 리소스(예: 데이터 자산, 모델, Notebook 및 작업)에 대한 통합 보기를 제공합니다. Azure Machine Learning 스튜디오는 데이터 및 실험 레코드를 보존한다는 점을 강조합니다. 브라우저에서 바로 계산 리소스(파이프라인 및 컴퓨팅 리소스)를 삭제할 수 있습니다. 리소스의 경우 해당 리소스로 이동하고 삭제를 선택합니다.
데이터 자산의 등록을 취소하고 작업을 보관할 수 있지만 이러한 작업은 데이터를 삭제하지 않습니다. 데이터를 완전히 제거하려면 데이터 자산 및 작업 데이터를 스토리지 수준에서 삭제해야 합니다. 스토리지 수준 삭제는 앞에서 설명한 대로 포털에서 수행합니다. Azure Machine Learning 스튜디오 개별 삭제를 처리할 수 있습니다. 작업 삭제는 해당 작업의 데이터를 삭제합니다.
작업의 아티팩트 및 로그 다운로드
Azure Machine Learning 스튜디오는 실험적 작업에서 학습 아티팩트 및 로그 다운로드를 처리할 수 있습니다. Azure Machine Learning 스튜디오 주 페이지에서 다음 스크린샷에 표시된 대로 작업을 선택합니다.
사용 가능한 작업을 표시하려면 다음 스크린샷에 표시된 대로 모든 작업 탭을 선택합니다.
다음 스크린샷에 표시된 대로 특정 작업을 선택합니다.
다음 스크린샷에 표시된 대로 모두 다운로드를 선택합니다.
등록된 모델 다운로드
등록된 모델을 다운로드하려면 모델을 선택하여 Azure Machine Learning 스튜디오에서 모델 목록을 연 후, 다음 스크린샷에 표시된 대로 특정 모델을 선택합니다.
다음 스크린샷에 표시된 대로 모두 다운로드를 선택하여 모델 다운로드 프로세스를 시작합니다.
Python SDK를 사용하여 리소스 내보내기 및 삭제
다음을 사용하여 특정 작업의 출력을 다운로드할 수 있습니다.
# Retrieved from Azure Machine Learning web UI
run_id = 'aaaaaaaa-bbbb-cccc-dddd-0123456789AB'
experiment = ws.experiments['my-experiment']
run = next(run for run in ex.get_runs() if run.id == run_id)
metrics_output_port = run.get_pipeline_output('metrics_output')
model_output_port = run.get_pipeline_output('model_output')
metrics_output_port.download('.', show_progress=True)
model_output_port.download('.', show_progress=True)
Python SDK를 사용하여 이러한 기계 학습 리소스를 삭제할 수 있습니다.
| Type | 함수 호출 | 주의 |
|---|---|---|
Workspace |
delete |
delete-dependent-resources를 사용하여 하위 항목까지 삭제 |
Model |
delete |
|
ComputeTarget |
delete |
|
WebService |
delete |