Microsoft.MachineLearningServices 작업 영역/일정 2023-10-01

• 최신
• 2024-10-01
• 2024-10-01-preview
• 2024-07-01-preview
• 2024-04-01
• 2024-04-01-preview
• 2024-01-01-preview
• 2023-10-01
• 2023-08-01-preview
• 2023-06-01-preview
• 2023-04-01
• 2023-04-01-preview
• 2023-02-01-preview
• 2022-12-01-preview
• 2022-10-01
• 2022-10-01-preview
• 2022-06-01-preview

Bicep 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

• 리소스 그룹 - 리소스 그룹 배포 명령 참조

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 Bicep을 추가합니다.

resource symbolicname 'Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01' = {
  parent: resourceSymbolicName
  name: 'string'
  properties: {
    action: {
      actionType: 'string'
      // For remaining properties, see ScheduleActionBase objects
    }
    description: 'string'
    displayName: 'string'
    isEnabled: bool
    properties: {
      {customized property}: 'string'
    }
    tags: {
      {customized property}: 'string'
    }
    trigger: {
      endTime: 'string'
      startTime: 'string'
      timeZone: 'string'
      triggerType: 'string'
      // For remaining properties, see TriggerBase objects
    }
  }
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

{
  jobOutputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

mlflow_model경우 다음을 사용합니다.

{
  jobOutputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

mltable경우 다음을 사용합니다.

{
  jobOutputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

triton_model경우 다음을 사용합니다.

{
  jobOutputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

uri_file경우 다음을 사용합니다.

{
  jobOutputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

uri_folder경우 다음을 사용합니다.

{
  jobOutputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  filterType: 'AllFeatures'
}

FeatureSubset경우 다음을 사용합니다.

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

TopNByAttribution경우 다음을 사용합니다.

{
  filterType: 'TopNByAttribution'
  top: int
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

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

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  expression: 'string'
  triggerType: 'Cron'
}

되풀이경우 다음을 사용합니다.

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

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

{
  environmentId: 'string'
  environmentVariables: {
    {customized property}: 'string'
  }
  jobType: 'AutoML'
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
    }
    shmSize: 'string'
  }
  taskDetails: {
    logVerbosity: 'string'
    targetColumnName: 'string'
    trainingData: {
      description: 'string'
      jobInputType: 'string'
      mode: 'string'
      uri: 'string'
    }
    taskType: 'string'
    // For remaining properties, see AutoMLVertical objects
  }
}

명령경우 다음을 사용합니다.

{
  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
    }
  }
  jobType: 'Command'
  limits: {
    jobLimitsType: 'string'
    timeout: 'string'
  }
  outputs: {
    {customized property}: {
      description: 'string'
      jobOutputType: 'string'
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings: {
    jobTier: 'string'
  }
  resources: {
    dockerArgs: 'string'
    instanceCount: int
    instanceType: 'string'
    properties: {
      {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
    }
    shmSize: 'string'
  }
}

파이프라인경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

{
  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
    }
  }
  jobType: 'Sweep'
  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'
  }
  samplingAlgorithm: {
    samplingAlgorithmType: 'string'
    // For remaining properties, see SamplingAlgorithm objects
  }
  searchSpace: any(Azure.Bicep.Types.Concrete.AnyType)
  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'
      properties: {
        {customized property}: any(Azure.Bicep.Types.Concrete.AnyType)
      }
      shmSize: 'string'
    }
  }
}

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  nodesValueType: 'All'
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  inputDataType: 'Fixed'
}

롤링경우 다음을 사용합니다.

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

정적경우 다음을 사용합니다.

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

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  distributionType: 'Mpi'
  processCountPerInstance: int
}

PyTorch경우 다음을 사용합니다.

{
  distributionType: 'PyTorch'
  processCountPerInstance: int
}

TensorFlow경우 다음을 사용합니다.

{
  distributionType: 'TensorFlow'
  parameterServerCount: int
  workerCount: int
}

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(Azure.Bicep.Types.Concrete.AnyType)
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel: 'string'
  primaryMetric: 'string'
  taskType: 'Classification'
  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(Azure.Bicep.Types.Concrete.AnyType)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

예측경우 다음을 사용합니다.

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(Azure.Bicep.Types.Concrete.AnyType)
        }
      ]
    }
  }
  forecastingSettings: {
    countryOrRegionForHolidays: 'string'
    cvStepSize: int
    featureLags: '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
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  taskType: 'Forecasting'
  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(Azure.Bicep.Types.Concrete.AnyType)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

imageClassification경우 다음을 사용합니다.

{
  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'
  }
  taskType: 'ImageClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

imageClassificationMultilabel경우 다음을 사용합니다.

{
  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'
  }
  taskType: 'ImageClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

imageInstanceSegmentation경우 다음을 사용합니다.

{
  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'
    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: 'string'
  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'
  }
  taskType: 'ImageInstanceSegmentation'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

imageObjectDetection경우 다음을 사용합니다.

{
  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'
    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: 'string'
  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'
  }
  taskType: 'ImageObjectDetection'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
}

회귀경우 다음을 사용합니다.

{
  cvSplitColumnNames: [
    'string'
  ]
  featurizationSettings: {
    blockedTransformers: [
      'string'
    ]
    columnNameAndTypes: {
      {customized property}: 'string'
    }
    datasetLanguage: 'string'
    enableDnnFeaturization: bool
    mode: 'string'
    transformerParams: {
      {customized property}: [
        {
          fields: [
            'string'
          ]
          parameters: any(Azure.Bicep.Types.Concrete.AnyType)
        }
      ]
    }
  }
  limitSettings: {
    enableEarlyTermination: bool
    exitScore: int
    maxConcurrentTrials: int
    maxCoresPerTrial: int
    maxTrials: int
    timeout: 'string'
    trialTimeout: 'string'
  }
  nCrossValidations: {
    mode: 'string'
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric: 'string'
  taskType: 'Regression'
  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(Azure.Bicep.Types.Concrete.AnyType)
      stackMetaLearnerTrainPercentage: int
      stackMetaLearnerType: 'string'
    }
  }
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
  validationDataSize: int
  weightColumnName: 'string'
}

textClassification경우 다음을 사용합니다.

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  primaryMetric: 'string'
  taskType: 'TextClassification'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

TextClassificationMultilabel경우 다음을 사용합니다.

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  taskType: 'TextClassificationMultilabel'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

TextNER경우 다음을 사용합니다.

{
  featurizationSettings: {
    datasetLanguage: 'string'
  }
  limitSettings: {
    maxConcurrentTrials: int
    maxTrials: int
    timeout: 'string'
  }
  taskType: 'TextNER'
  validationData: {
    description: 'string'
    jobInputType: 'string'
    mode: 'string'
    uri: 'string'
  }
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  values: [
    int
  ]
}

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  identityType: 'AMLToken'
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  identityType: 'UserIdentity'
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  computeIdentityType: 'AmlToken'
}

ManagedIdentity경우 다음을 사용합니다.

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

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  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
      }
    }
  ]
  signalType: 'Custom'
}

DataDrift경우 다음을 사용합니다.

{
  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
  }
  signalType: 'DataDrift'
}

DataQuality경우 다음을 사용합니다.

{
  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
  }
  signalType: 'DataQuality'
}

featureAttributionDrift경우 다음을 사용합니다.

{
  featureDataTypeOverride: {
    {customized property}: 'string'
  }
  featureImportanceSettings: {
    mode: 'string'
    targetColumn: 'string'
  }
  metricThreshold: {
    metric: 'string'
    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
  }
  signalType: 'FeatureAttributionDrift'
}

PredictionDrift경우 다음을 사용합니다.

{
  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
  }
  signalType: 'PredictionDrift'
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

{
  actionType: 'CreateJob'
  jobDefinition: {
    componentId: 'string'
    computeId: 'string'
    description: 'string'
    displayName: 'string'
    experimentName: 'string'
    identity: {
      identityType: 'string'
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived: bool
    properties: {
      {customized property}: 'string'
    }
    services: {
      {customized property}: {
        endpoint: 'string'
        jobServiceType: 'string'
        nodes: {
          nodesValueType: 'string'
          // For remaining properties, see Nodes objects
        }
        port: int
        properties: {
          {customized property}: 'string'
        }
      }
    }
    tags: {
      {customized property}: 'string'
    }
    jobType: 'string'
    // For remaining properties, see JobBaseProperties objects
  }
}

createMonitor경우 다음을 사용합니다.

{
  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
      }
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

{
  actionType: 'InvokeBatchEndpoint'
  endpointInvocationDefinition: any(Azure.Bicep.Types.Concrete.AnyType)
}

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType: 'Categorical'
  metric: 'string'
}

숫자경우 다음을 사용합니다.

{
  dataType: 'Numerical'
  metric: 'string'
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

{
  policyType: 'Bandit'
  slackAmount: int
  slackFactor: int
}

MedianStopping경우 다음을 사용합니다.

{
  policyType: 'MedianStopping'
}

TruncationSelection경우 다음을 사용합니다.

{
  policyType: 'TruncationSelection'
  truncationPercentage: int
}

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  samplingAlgorithmType: 'Bayesian'
}

Grid경우 다음을 사용합니다.

{
  samplingAlgorithmType: 'Grid'
}

임의경우 다음을 사용합니다.

{
  rule: 'string'
  samplingAlgorithmType: 'Random'
  seed: int
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode: 'Auto'
}

사용자 지정경우 다음을 사용합니다.

{
  mode: 'Custom'
  value: int
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

{
  jobInputType: 'custom_model'
  mode: 'string'
  uri: 'string'
}

리터럴경우 다음을 사용합니다.

{
  jobInputType: 'literal'
  value: 'string'
}

mlflow_model경우 다음을 사용합니다.

{
  jobInputType: 'mlflow_model'
  mode: 'string'
  uri: 'string'
}

mltable경우 다음을 사용합니다.

{
  jobInputType: 'mltable'
  mode: 'string'
  uri: 'string'
}

triton_model경우 다음을 사용합니다.

{
  jobInputType: 'triton_model'
  mode: 'string'
  uri: 'string'
}

uri_file경우 다음을 사용합니다.

{
  jobInputType: 'uri_file'
  mode: 'string'
  uri: 'string'
}

uri_folder경우 다음을 사용합니다.

{
  jobInputType: 'uri_folder'
  mode: 'string'
  uri: 'string'
}

속성 값

AllFeatures

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'AllFeatures'(필수)

AllNodes

이름	묘사	값
nodesValueType	[필수] 노드 값의 형식	'All'(필수)

AmlToken

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'AMLToken'(필수)

AmlTokenComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'AmlToken'(필수)

AutoForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Auto'(필수)

AutoMLJob

이름	묘사	값
environmentId	작업에 대한 환경 사양의 ARM 리소스 ID입니다. 이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.	문자열
environmentVariables	작업에 포함된 환경 변수입니다.	autoMLJobEnvironmentVariables
jobType	[필수] 작업 유형을 지정합니다.	'AutoML'(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	AutoMLJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration
taskDetails	[필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다.	autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름	묘사	값

AutoMLJobOutputs

이름	묘사	값

AutoMLVertical

이름	묘사	값
logVerbosity	작업에 대한 자세한 정보를 기록합니다.	'Critical' '디버그' 'Error' '정보' 'NotSet' '경고'
targetColumnName	대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.	문자열
taskType	형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다.	'분류' '예측' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' '회귀' 'TextClassification' 'TextClassificationMultilabel' 'TextNER'(필수)
trainingData	[필수] 학습 데이터 입력입니다.	MLTableJobInput(필수)

AutoNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Auto'(필수)

AutoSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Auto'(필수)

AutoTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Auto'(필수)

AutoTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Auto'(필수)

BanditPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'Bandit'(필수)
slackAmount	최상의 실행에서 허용되는 절대 거리입니다.	int
slackFactor	가장 성능이 좋은 실행에서 허용된 거리의 비율입니다.	int

BayesianSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

분류

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
positiveLabel	이진 메트릭 계산에 대한 양의 레이블입니다.	문자열
primaryMetric	작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'분류'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ClassificationTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ClassificationTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	분류 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	분류 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ColumnTransformer

이름	묘사	값
필드	변환기 논리를 적용할 필드입니다.	string[]
매개 변수	변환기에 전달할 다른 속성입니다. 필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.	any

CommandJob

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	CommandJobEnvironmentVariables
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	commandJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Command'(필수)
제한	명령 작업 제한입니다.	CommandJobLimits
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	CommandJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

CommandJobEnvironmentVariables

이름	묘사	값

CommandJobInputs

이름	묘사	값

CommandJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열

CommandJobOutputs

이름	묘사	값

CreateMonitorAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateMonitor'(필수)
monitorDefinition	[필수] 모니터를 정의합니다.	MonitorDefinition(필수)

CronTrigger

이름	묘사	값
식	[필수] 일정의 cron 식을 지정합니다. 식은 NCronTab 형식을 따라야 합니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
triggerType	[필수]	'Cron'(필수)

CustomForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Custom'(필수)
값	[필수] 예측 수평선 값입니다.	int(필수)

CustomMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 사용자 정의 메트릭입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

CustomModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

CustomMonitoringSignal

이름	묘사	값
componentId	[필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
inputAssets	입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다.	CustomMonitoringSignalInputAssets
입력	입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다.	CustomMonitoringSignalInputs
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	CustomMetricThreshold[] (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Custom'(필수)

CustomMonitoringSignalInputAssets

이름	묘사	값

CustomMonitoringSignalInputs

이름	묘사	값

CustomNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Custom'(필수)
값	[필수] N 교차 유효성 검사 값입니다.	int(필수)

CustomSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Custom'(필수)
값	[필수] 계절성 값입니다.	int(필수)

CustomTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Custom'(필수)
값	[필수] 대상 지연 값을 설정합니다.	int[] (필수)

CustomTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Custom'(필수)
값	[필수] TargetRollingWindowSize 값입니다.	int(필수)

DataDriftMetricThresholdBase

이름	묘사	값
dataType	범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산할 기능을 식별하는 기능 필터입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DataQualityMetricThresholdBase

이름	묘사	값
dataType	CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataQualityMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산하는 기능입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataQualityMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DistributionConfiguration

이름	묘사	값
distributionType	형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 .	'Mpi' 'PyTorch' 'TensorFlow'(필수)

EarlyTerminationPolicy

이름	묘사	값
delayEvaluation	첫 번째 평가를 지연할 간격 수입니다.	int
evaluationInterval	정책 평가 사이의 간격(실행 수)입니다.	int
policyType	BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다.	'산적' 'MedianStopping' 'TruncationSelection'(필수)

EndpointScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다. href="TBD" /< 참조 >	any(필수)

FeatureAttributionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[필수] 컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings (필수)
metricThreshold	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	FeatureAttributionMetricThreshold(필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	MonitoringInputDataBase[] (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'FeatureAttributionDrift'(필수)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

FeatureAttributionMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 기능 특성 메트릭입니다.	'NormalizedDiscountedCumulativeGain'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

FeatureImportanceSettings

이름	묘사	값
모드	컴퓨팅 기능 중요도에 대한 작업 모드입니다.	'사용 안 함' 'Enabled'
targetColumn	입력 데이터 자산 내의 대상 열 이름입니다.	문자열

FeatureSubset

이름	묘사	값
기능	[필수] 포함할 기능 목록입니다.	string[] (필수)
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'FeatureSubset'(필수)

FixedInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Fixed'(필수)

ForecastHorizon

이름	묘사	값
모드	AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

예측

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
forecastingSettings	예측 작업별 입력.	ForecastingSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	예측 작업에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'예측'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ForecastingTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ForecastingSettings

이름	묘사	값
countryOrRegionForHolidays	예측 작업에 대한 휴일의 국가 또는 지역입니다. ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.	문자열
cvStepSize	한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에 예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다. 3일 간격.	int
featureLags	'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다.	'Auto' 'None'
forecastHorizon	시계열 빈도 단위로 원하는 최대 예측 수평선입니다.	ForecastHorizon
빈도	예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다.	문자열
계절	시계열 계절성을 계열 빈도의 정수 배수로 설정합니다. 계절성이 'auto'로 설정되면 유추됩니다.	계절성
shortSeriesHandlingConfig	AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다. TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	대상 열에서 지연할 지난 기간의 수입니다.	TargetLags
targetRollingWindowSize	대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다.	TargetRollingWindowSize
timeColumnName	시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다.	문자열
timeSeriesIdColumnNames	타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다. 그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.	string[]
useStl	시계열 대상 열의 STL 분해를 구성합니다.	'None' '시즌' 'SeasonTrend'

ForecastingTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	예측 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	예측 작업에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

GridSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Grid'(필수)

IdentityConfiguration

이름	묘사	값
identityType	형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다.	'AMLToken' '관리' 'UserIdentity'(필수)

ImageClassification

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageClassificationMultilabel

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageInstanceSegmentation

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageInstanceSegmentation'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageLimitSettings

이름	묘사	값
maxConcurrentTrials	동시 AutoML 반복의 최대 수입니다.	int
maxTrials	AutoML 반복의 최대 수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

ImageModelDistributionSettingsClassification

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	문자열

ImageModelDistributionSettingsObjectDetection

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다. NMS: 최대값이 아닌 표시 안 함	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열

ImageModelSettingsClassification

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	int
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	int

ImageModelSettingsObjectDetection

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	bool
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	int
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다.	'코코' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int

ImageObjectDetection

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageObjectDetection'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageSweepSettings

이름	묘사	값
earlyTermination	조기 종료 정책의 유형입니다.	earlyTerminationPolicy
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다.	'베이지안' 'Grid' 'Random'(필수)

JobBaseProperties

이름	묘사	값
componentId	구성 요소 리소스의 ARM 리소스 ID입니다.	문자열
computeId	컴퓨팅 리소스의 ARM 리소스 ID입니다.	문자열
묘사	자산 설명 텍스트입니다.	문자열
displayName	작업의 표시 이름입니다.	문자열
experimentName	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.	문자열
신원	ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.	IdentityConfiguration
isArchived	자산이 보관되어 있나요?	bool
jobType	AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다.	'AutoML' 'Command' '파이프라인' 'Sweep'(필수)
속성	자산 속성 사전입니다.	ResourceBaseProperties
서비스	JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.	JobBaseServices
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags

JobBaseServices

이름	묘사	값

JobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobOutput

이름	묘사	값
묘사	출력에 대한 설명입니다.	문자열
jobOutputType	CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobResourceConfiguration

이름	묘사	값
dockerArgs	Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다.	문자열
instanceCount	컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다.	int
instanceType	컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다.	문자열
속성	추가 속성 모음.	resourceConfigurationProperties
shmSize	Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다.	문자열 제약 조건: 패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateJob'(필수)
jobDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다.	JobBaseProperties(필수)

JobService

이름	묘사	값
끝점	엔드포인트의 URL입니다.	문자열
jobServiceType	엔드포인트 유형입니다.	문자열
노드	사용자가 서비스를 시작하려는 노드입니다. 노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.	노드
항구	엔드포인트의 포트입니다.	int
속성	엔드포인트에서 설정할 추가 속성입니다.	JobServiceProperties

JobServiceProperties

이름	묘사	값

LiteralJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'literal'(필수)
값	[필수] 입력에 대한 리터럴 값입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'ManagedIdentity'(필수)
신원	모니터링 작업에서 활용할 ID입니다.	ManagedServiceIdentity

ManagedIdentity

이름	묘사	값
clientId	클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'Managed'(필수)
objectId	개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열

ManagedServiceIdentity

이름	묘사	값
형	관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우).	'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned'(필수)
userAssignedIdentities	리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다.	UserAssignedIdentities

MedianStoppingPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름	묘사	값
이름	리소스 이름	문자열 제약 조건: 패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
부모	Bicep에서 자식 리소스에 대한 부모 리소스를 지정할 수 있습니다. 자식 리소스가 부모 리소스 외부에서 선언된 경우에만 이 속성을 추가해야 합니다. 자세한 내용은 부모 리소스외부의 자식 리소스 참조하세요.	형식 리소스의 기호 이름: 작업 영역
속성	[필수] 엔터티의 추가 특성입니다.	ScheduleProperties(필수)

MLFlowModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MLTableJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MonitorComputeConfigurationBase

이름	묘사	값
computeType	MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다.	'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름	묘사	값
computeIdentityType	AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다.	'AmlToken' 'ManagedIdentity'(필수)

MonitorDefinition

이름	묘사	값
alertNotificationSettings	모니터의 알림 설정입니다.	MonitorNotificationSettings
computeConfiguration	[필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다.	MonitorComputeConfigurationBase (필수)
monitoringTarget	모니터가 대상으로 하는 엔터티입니다.	monitoringTarget
신호	[필수] 모니터링할 신호입니다.	MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름	묘사	값

MonitorEmailNotificationSettings

이름	묘사	값
전자 메일	총 499자의 제한이 있는 전자 메일 받는 사람 목록입니다.	string[]

MonitoringFeatureFilterBase

이름	묘사	값
filterType	allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다.	'AllFeatures' 'FeatureSubset' 'TopNByAttribution'(필수)

MonitoringInputDataBase

이름	묘사	값
열	열 이름을 특수 용도로 매핑합니다.	monitoringInputDataBaseColumns
dataContext	데이터 원본의 컨텍스트 메타데이터입니다.	문자열
inputDataType	FixedInputData형식에 대해 'Fixed'로 설정합니다. RollingInputData형식 'Rolling'으로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다.	'수정됨' '롤링' 'Static'(필수)
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름	묘사	값

MonitoringSignalBase

이름	묘사	값
notificationTypes	이 신호의 현재 알림 모드입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'AmlNotification'
속성	속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다.	monitoringSignalBaseProperties
signalType	CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다.	'Custom' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름	묘사	값

MonitoringTarget

이름	묘사	값
deploymentId	이 모니터가 대상으로 하는 배포 자산에 대한 참조입니다.	문자열
modelId	이 모니터가 대상으로 하는 모델 자산에 대한 참조입니다.	문자열
taskType	[필수] 모니터링되는 모델의 기계 학습 작업 유형입니다.	'분류' '회귀'(필수)

MonitoringThreshold

이름	묘사	값
값	임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다.	int

MonitorNotificationSettings

이름	묘사	값
emailNotificationSettings	AML 알림 전자 메일 설정입니다.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

이름	묘사	값
computeIdentity	[필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다.	MonitorComputeIdentityBase (필수)
computeType	[필수] 모니터링할 신호의 유형을 지정합니다.	'ServerlessSpark'(필수)
instanceType	[필수] Spark 작업을 실행하는 인스턴스 유형입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
runtimeVersion	[필수] Spark 런타임 버전입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = ^[0-9]+\.[0-9]+$(필수)

Mpi

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'Mpi'(필수)
processCountPerInstance	MPI 노드당 프로세스 수입니다.	int

NCrossValidations

이름	묘사	값
모드	AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

NlpVerticalFeaturizationSettings

이름	묘사	값
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열

NlpVerticalLimitSettings

이름	묘사	값
maxConcurrentTrials	최대 동시 AutoML 반복입니다.	int
maxTrials	AutoML 반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

노드

이름	묘사	값
nodesValueType	AllNodes형식에 대해 'All'으로 설정합니다.	'All'(필수)

NumericalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름	묘사	값
골	[필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다.	'최대화' '최소화'(필수)
primaryMetric	[필수] 최적화할 메트릭의 이름입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름	묘사	값
입력	파이프라인 작업에 대한 입력입니다.	pipelineJobInputs
작업	작업은 파이프라인 작업을 생성합니다.	pipelineJobJobs
jobType	[필수] 작업 유형을 지정합니다.	'Pipeline'(필수)
출력	파이프라인 작업에 대한 출력	PipelineJobOutputs
설정	ContinueRunOnStepFailure 등의 파이프라인 설정	any
sourceJobId	원본 작업의 ARM 리소스 ID입니다.	문자열

PipelineJobInputs

이름	묘사	값

PipelineJobJobs

이름	묘사	값

PipelineJobOutputs

이름	묘사	값

PredictionDriftMetricThresholdBase

이름	묘사	값
dataType	형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

PredictionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	PredictionDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'PredictionDrift'(필수)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

PyTorch

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'PyTorch'(필수)
processCountPerInstance	노드당 프로세스 수입니다.	int

QueueSettings

이름	묘사	값
jobTier	컴퓨팅 작업 계층을 제어합니다.	'기본' 'Null' '프리미엄' 'Spot' 'Standard'

RandomSamplingAlgorithm

이름	묘사	값
규칙	특정 유형의 임의 알고리즘	'Random' 'Sobol'
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Random'(필수)
씨	난수 생성을 위한 시드로 사용할 선택적 정수입니다.	int

RecurrenceSchedule

이름	묘사	값
시간	[필수] 일정의 시간 목록입니다.	int[] (필수)
분	[필수] 일정의 시간(분) 목록입니다.	int[] (필수)
monthDays	일정의 월 일 목록	int[]
평일	일정의 일 수 목록입니다.	다음 중 어느 것을 포함하는 문자열 배열: '금요일' '월요일' '토요일' '일요일' '목요일' '화요일' '수요일'

RecurrenceTrigger

이름	묘사	값
빈도	[필수] 일정을 트리거하는 빈도입니다.	'Day' 'Hour' 'Minute' '월' 'Week'(필수)
간	[필수] 빈도와 함께 일정 간격을 지정합니다.	int(필수)
일정	되풀이 일정입니다.	RecurrenceSchedule
triggerType	[필수]	'되풀이'(필수)

회귀

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	회귀 태스크에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'회귀'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	RegressionTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

RegressionTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	회귀 태스크에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	회귀 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ResourceBaseProperties

이름	묘사	값

ResourceBaseProperties

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceConfigurationProperties

이름	묘사	값

RollingInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Rolling'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowOffset	[필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다.	string(필수)
windowSize	[필수] 롤링 데이터 창의 크기입니다.	string(필수)

SamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다.	'베이지안' 'Grid' 'Random'(필수)

ScheduleActionBase

이름	묘사	값
actionType	JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다.	'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름	묘사	값
행동	[필수] 일정의 동작을 지정합니다.	ScheduleActionBase(필수)
묘사	자산 설명 텍스트입니다.	문자열
displayName	일정의 표시 이름입니다.	문자열
isEnabled	일정이 활성화되어 있나요?	bool
속성	자산 속성 사전입니다.	ResourceBaseProperties
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags
방아쇠	[필수] 트리거 세부 정보를 지정합니다.	TriggerBase(필수)

계절

이름	묘사	값
모드	AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다.	'Auto' 'Custom'(필수)

StackEnsembleSettings

이름	묘사	값
stackMetaLearnerKWargs	메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다.	any
stackMetaLearnerTrainPercentage	메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다.	int
stackMetaLearnerType	메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

StaticInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Static'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowEnd	[필수] 데이터 창의 종료 날짜입니다.	string(필수)
windowStart	[필수] 데이터 창의 시작 날짜입니다.	string(필수)

SweepJob

이름	묘사	값
earlyTermination	조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다.	earlyTerminationPolicy
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	SweepJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Sweep'(필수)
제한	스윕 작업 제한입니다.	SweepJobLimits
목표	[필수] 최적화 목표입니다.	Objective(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	SweepJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘	SamplingAlgorithm(필수)
searchSpace	[필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다.	any(필수)
재판	[필수] 평가판 구성 요소 정의입니다.	trialComponent (필수)

SweepJobInputs

이름	묘사	값

SweepJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
maxConcurrentTrials	작업 최대 동시 평가판을 스윕합니다.	int
maxTotalTrials	스윕 작업 최대 총 평가판입니다.	int
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열
trialTimeout	비우기 작업 평가판 시간 제한 값입니다.	문자열

SweepJobOutputs

이름	묘사	값

TableVerticalFeaturizationSettings

이름	묘사	값
blockedTransformers	이러한 변압기는 기능화에 사용되지 않습니다.	다음 중 어느 것을 포함하는 문자열 배열: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' '나이브베이즈' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다.	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열
enableDnnFeaturization	데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다.	bool
모드	기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.	'Auto' 'Custom' 'Off'
transformerParams	사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름	묘사	값

TableVerticalFeaturizationSettingsTransformerParams

이름	묘사	값

TableVerticalLimitSettings

이름	묘사	값
enableEarlyTermination	조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다.	bool
exitScore	AutoML 작업의 종료 점수입니다.	int
maxConcurrentTrials	최대 동시 반복입니다.	int
maxCoresPerTrial	반복당 최대 코어 수입니다.	int
maxTrials	반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열
trialTimeout	반복 시간 제한입니다.	문자열

TargetLags

이름	묘사	값
모드	AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TargetRollingWindowSize

이름	묘사	값
모드	AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TensorFlow

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'TensorFlow'(필수)
parameterServerCount	매개 변수 서버 작업의 수입니다.	int
workerCount	작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다.	int

TextClassification

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
primaryMetric	Text-Classification 작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextClassificationMultilabel

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextNer

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextNER'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TopNFeaturesByAttribution

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'TopNByAttribution'(필수)
맨 위로	포함할 상위 기능의 수입니다.	int

TrialComponent

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	trialComponentEnvironmentVariables
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

TrialComponentEnvironmentVariables

이름	묘사	값

TriggerBase

이름	묘사	값
endTime	UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요. 주석 처리된 형식은 "2022-06-01T00:00:01"입니다. 없는 경우 일정이 무기한 실행됩니다.	문자열
startTime	UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다.	문자열
timeZone	일정이 실행되는 표준 시간대를 지정합니다. 표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	문자열
triggerType	CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다.	'Cron' '되풀이'(필수)

TritonModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

TruncationSelectionPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'TruncationSelection'(필수)
truncationPercentage	각 평가 간격에서 취소할 실행의 백분율입니다.	int

UriFileJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UriFolderJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UserAssignedIdentities

이름	묘사	값

UserAssignedIdentity

이름	묘사	값

UserIdentity

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'UserIdentity'(필수)

ARM 템플릿 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

• 리소스 그룹 - 리소스 그룹 배포 명령 참조

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 JSON을 추가합니다.

{
  "type": "Microsoft.MachineLearningServices/workspaces/schedules",
  "apiVersion": "2023-10-01",
  "name": "string",
  "properties": {
    "action": {
      "actionType": "string"
      // For remaining properties, see ScheduleActionBase objects
    },
    "description": "string",
    "displayName": "string",
    "isEnabled": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "tags": {
      "{customized property}": "string"
    },
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "string"
      // For remaining properties, see TriggerBase objects
    }
  }
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

{
  "jobOutputType": "custom_model",
  "mode": "string",
  "uri": "string"
}

mlflow_model경우 다음을 사용합니다.

{
  "jobOutputType": "mlflow_model",
  "mode": "string",
  "uri": "string"
}

mltable경우 다음을 사용합니다.

{
  "jobOutputType": "mltable",
  "mode": "string",
  "uri": "string"
}

triton_model경우 다음을 사용합니다.

{
  "jobOutputType": "triton_model",
  "mode": "string",
  "uri": "string"
}

uri_file경우 다음을 사용합니다.

{
  "jobOutputType": "uri_file",
  "mode": "string",
  "uri": "string"
}

uri_folder경우 다음을 사용합니다.

{
  "jobOutputType": "uri_folder",
  "mode": "string",
  "uri": "string"
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  "filterType": "AllFeatures"
}

FeatureSubset경우 다음을 사용합니다.

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

TopNByAttribution경우 다음을 사용합니다.

{
  "filterType": "TopNByAttribution",
  "top": "int"
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

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

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  "expression": "string",
  "triggerType": "Cron"
}

되풀이경우 다음을 사용합니다.

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

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

{
  "environmentId": "string",
  "environmentVariables": {
    "{customized property}": "string"
  },
  "jobType": "AutoML",
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "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
  }
}

명령경우 다음을 사용합니다.

{
  "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
    }
  },
  "jobType": "Command",
  "limits": {
    "jobLimitsType": "string",
    "timeout": "string"
  },
  "outputs": {
    "{customized property}": {
      "description": "string",
      "jobOutputType": "string"
      // For remaining properties, see JobOutput objects
    }
  },
  "queueSettings": {
    "jobTier": "string"
  },
  "resources": {
    "dockerArgs": "string",
    "instanceCount": "int",
    "instanceType": "string",
    "properties": {
      "{customized property}": {}
    },
    "shmSize": "string"
  }
}

파이프라인경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

{
  "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
    }
  },
  "jobType": "Sweep",
  "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"
  },
  "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",
      "properties": {
        "{customized property}": {}
      },
      "shmSize": "string"
    }
  }
}

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  "nodesValueType": "All"
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  "inputDataType": "Fixed"
}

롤링경우 다음을 사용합니다.

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

정적경우 다음을 사용합니다.

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

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  "distributionType": "Mpi",
  "processCountPerInstance": "int"
}

PyTorch경우 다음을 사용합니다.

{
  "distributionType": "PyTorch",
  "processCountPerInstance": "int"
}

TensorFlow경우 다음을 사용합니다.

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

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "positiveLabel": "string",
  "primaryMetric": "string",
  "taskType": "Classification",
  "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

예측경우 다음을 사용합니다.

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "forecastingSettings": {
    "countryOrRegionForHolidays": "string",
    "cvStepSize": "int",
    "featureLags": "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",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "taskType": "Forecasting",
  "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

imageClassification경우 다음을 사용합니다.

{
  "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"
  },
  "taskType": "ImageClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

imageClassificationMultilabel경우 다음을 사용합니다.

{
  "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"
  },
  "taskType": "ImageClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

imageInstanceSegmentation경우 다음을 사용합니다.

{
  "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",
    "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": "string",
  "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"
  },
  "taskType": "ImageInstanceSegmentation",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

imageObjectDetection경우 다음을 사용합니다.

{
  "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",
    "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": "string",
  "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"
  },
  "taskType": "ImageObjectDetection",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int"
}

회귀경우 다음을 사용합니다.

{
  "cvSplitColumnNames": [ "string" ],
  "featurizationSettings": {
    "blockedTransformers": [ "string" ],
    "columnNameAndTypes": {
      "{customized property}": "string"
    },
    "datasetLanguage": "string",
    "enableDnnFeaturization": "bool",
    "mode": "string",
    "transformerParams": {
      "{customized property}": [
        {
          "fields": [ "string" ],
          "parameters": {}
        }
      ]
    }
  },
  "limitSettings": {
    "enableEarlyTermination": "bool",
    "exitScore": "int",
    "maxConcurrentTrials": "int",
    "maxCoresPerTrial": "int",
    "maxTrials": "int",
    "timeout": "string",
    "trialTimeout": "string"
  },
  "nCrossValidations": {
    "mode": "string"
    // For remaining properties, see NCrossValidations objects
  },
  "primaryMetric": "string",
  "taskType": "Regression",
  "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"
    }
  },
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  },
  "validationDataSize": "int",
  "weightColumnName": "string"
}

textClassification경우 다음을 사용합니다.

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "primaryMetric": "string",
  "taskType": "TextClassification",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

TextClassificationMultilabel경우 다음을 사용합니다.

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "taskType": "TextClassificationMultilabel",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

TextNER경우 다음을 사용합니다.

{
  "featurizationSettings": {
    "datasetLanguage": "string"
  },
  "limitSettings": {
    "maxConcurrentTrials": "int",
    "maxTrials": "int",
    "timeout": "string"
  },
  "taskType": "TextNER",
  "validationData": {
    "description": "string",
    "jobInputType": "string",
    "mode": "string",
    "uri": "string"
  }
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

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

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  "identityType": "AMLToken"
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  "identityType": "UserIdentity"
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  "computeIdentityType": "AmlToken"
}

ManagedIdentity경우 다음을 사용합니다.

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

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  "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"
      }
    }
  ],
  "signalType": "Custom"
}

DataDrift경우 다음을 사용합니다.

{
  "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
  },
  "signalType": "DataDrift"
}

DataQuality경우 다음을 사용합니다.

{
  "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
  },
  "signalType": "DataQuality"
}

featureAttributionDrift경우 다음을 사용합니다.

{
  "featureDataTypeOverride": {
    "{customized property}": "string"
  },
  "featureImportanceSettings": {
    "mode": "string",
    "targetColumn": "string"
  },
  "metricThreshold": {
    "metric": "string",
    "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
  },
  "signalType": "FeatureAttributionDrift"
}

PredictionDrift경우 다음을 사용합니다.

{
  "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
  },
  "signalType": "PredictionDrift"
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

{
  "actionType": "CreateJob",
  "jobDefinition": {
    "componentId": "string",
    "computeId": "string",
    "description": "string",
    "displayName": "string",
    "experimentName": "string",
    "identity": {
      "identityType": "string"
      // For remaining properties, see IdentityConfiguration objects
    },
    "isArchived": "bool",
    "properties": {
      "{customized property}": "string"
    },
    "services": {
      "{customized property}": {
        "endpoint": "string",
        "jobServiceType": "string",
        "nodes": {
          "nodesValueType": "string"
          // For remaining properties, see Nodes objects
        },
        "port": "int",
        "properties": {
          "{customized property}": "string"
        }
      }
    },
    "tags": {
      "{customized property}": "string"
    },
    "jobType": "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

createMonitor경우 다음을 사용합니다.

{
  "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
      }
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

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

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  "dataType": "Categorical",
  "metric": "string"
}

숫자경우 다음을 사용합니다.

{
  "dataType": "Numerical",
  "metric": "string"
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

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

MedianStopping경우 다음을 사용합니다.

{
  "policyType": "MedianStopping"
}

TruncationSelection경우 다음을 사용합니다.

{
  "policyType": "TruncationSelection",
  "truncationPercentage": "int"
}

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  "samplingAlgorithmType": "Bayesian"
}

Grid경우 다음을 사용합니다.

{
  "samplingAlgorithmType": "Grid"
}

임의경우 다음을 사용합니다.

{
  "rule": "string",
  "samplingAlgorithmType": "Random",
  "seed": "int"
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  "mode": "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  "mode": "Custom",
  "value": "int"
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

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

리터럴경우 다음을 사용합니다.

{
  "jobInputType": "literal",
  "value": "string"
}

mlflow_model경우 다음을 사용합니다.

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

mltable경우 다음을 사용합니다.

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

triton_model경우 다음을 사용합니다.

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

uri_file경우 다음을 사용합니다.

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

uri_folder경우 다음을 사용합니다.

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

속성 값

AllFeatures

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'AllFeatures'(필수)

AllNodes

이름	묘사	값
nodesValueType	[필수] 노드 값의 형식	'All'(필수)

AmlToken

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'AMLToken'(필수)

AmlTokenComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'AmlToken'(필수)

AutoForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Auto'(필수)

AutoMLJob

이름	묘사	값
environmentId	작업에 대한 환경 사양의 ARM 리소스 ID입니다. 이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.	문자열
environmentVariables	작업에 포함된 환경 변수입니다.	autoMLJobEnvironmentVariables
jobType	[필수] 작업 유형을 지정합니다.	'AutoML'(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	AutoMLJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration
taskDetails	[필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다.	autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름	묘사	값

AutoMLJobOutputs

이름	묘사	값

AutoMLVertical

이름	묘사	값
logVerbosity	작업에 대한 자세한 정보를 기록합니다.	'Critical' '디버그' 'Error' '정보' 'NotSet' '경고'
targetColumnName	대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.	문자열
taskType	형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다.	'분류' '예측' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' '회귀' 'TextClassification' 'TextClassificationMultilabel' 'TextNER'(필수)
trainingData	[필수] 학습 데이터 입력입니다.	MLTableJobInput(필수)

AutoNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Auto'(필수)

AutoSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Auto'(필수)

AutoTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Auto'(필수)

AutoTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Auto'(필수)

BanditPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'Bandit'(필수)
slackAmount	최상의 실행에서 허용되는 절대 거리입니다.	int
slackFactor	가장 성능이 좋은 실행에서 허용된 거리의 비율입니다.	int

BayesianSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

분류

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
positiveLabel	이진 메트릭 계산에 대한 양의 레이블입니다.	문자열
primaryMetric	작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'분류'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ClassificationTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ClassificationTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	분류 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	분류 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ColumnTransformer

이름	묘사	값
필드	변환기 논리를 적용할 필드입니다.	string[]
매개 변수	변환기에 전달할 다른 속성입니다. 필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.	any

CommandJob

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	CommandJobEnvironmentVariables
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	commandJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Command'(필수)
제한	명령 작업 제한입니다.	CommandJobLimits
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	CommandJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

CommandJobEnvironmentVariables

이름	묘사	값

CommandJobInputs

이름	묘사	값

CommandJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열

CommandJobOutputs

이름	묘사	값

CreateMonitorAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateMonitor'(필수)
monitorDefinition	[필수] 모니터를 정의합니다.	MonitorDefinition(필수)

CronTrigger

이름	묘사	값
식	[필수] 일정의 cron 식을 지정합니다. 식은 NCronTab 형식을 따라야 합니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
triggerType	[필수]	'Cron'(필수)

CustomForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Custom'(필수)
값	[필수] 예측 수평선 값입니다.	int(필수)

CustomMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 사용자 정의 메트릭입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

CustomModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

CustomMonitoringSignal

이름	묘사	값
componentId	[필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
inputAssets	입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다.	CustomMonitoringSignalInputAssets
입력	입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다.	CustomMonitoringSignalInputs
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	CustomMetricThreshold[] (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Custom'(필수)

CustomMonitoringSignalInputAssets

이름	묘사	값

CustomMonitoringSignalInputs

이름	묘사	값

CustomNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Custom'(필수)
값	[필수] N 교차 유효성 검사 값입니다.	int(필수)

CustomSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Custom'(필수)
값	[필수] 계절성 값입니다.	int(필수)

CustomTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Custom'(필수)
값	[필수] 대상 지연 값을 설정합니다.	int[] (필수)

CustomTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Custom'(필수)
값	[필수] TargetRollingWindowSize 값입니다.	int(필수)

DataDriftMetricThresholdBase

이름	묘사	값
dataType	범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산할 기능을 식별하는 기능 필터입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DataQualityMetricThresholdBase

이름	묘사	값
dataType	CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataQualityMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산하는 기능입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataQualityMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DistributionConfiguration

이름	묘사	값
distributionType	형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 .	'Mpi' 'PyTorch' 'TensorFlow'(필수)

EarlyTerminationPolicy

이름	묘사	값
delayEvaluation	첫 번째 평가를 지연할 간격 수입니다.	int
evaluationInterval	정책 평가 사이의 간격(실행 수)입니다.	int
policyType	BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다.	'산적' 'MedianStopping' 'TruncationSelection'(필수)

EndpointScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다. href="TBD" /< 참조 >	any(필수)

FeatureAttributionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[필수] 컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings (필수)
metricThreshold	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	FeatureAttributionMetricThreshold(필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	MonitoringInputDataBase[] (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'FeatureAttributionDrift'(필수)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

FeatureAttributionMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 기능 특성 메트릭입니다.	'NormalizedDiscountedCumulativeGain'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

FeatureImportanceSettings

이름	묘사	값
모드	컴퓨팅 기능 중요도에 대한 작업 모드입니다.	'사용 안 함' 'Enabled'
targetColumn	입력 데이터 자산 내의 대상 열 이름입니다.	문자열

FeatureSubset

이름	묘사	값
기능	[필수] 포함할 기능 목록입니다.	string[] (필수)
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'FeatureSubset'(필수)

FixedInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Fixed'(필수)

ForecastHorizon

이름	묘사	값
모드	AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

예측

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
forecastingSettings	예측 작업별 입력.	ForecastingSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	예측 작업에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'예측'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ForecastingTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ForecastingSettings

이름	묘사	값
countryOrRegionForHolidays	예측 작업에 대한 휴일의 국가 또는 지역입니다. ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.	문자열
cvStepSize	한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에 예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다. 3일 간격.	int
featureLags	'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다.	'Auto' 'None'
forecastHorizon	시계열 빈도 단위로 원하는 최대 예측 수평선입니다.	ForecastHorizon
빈도	예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다.	문자열
계절	시계열 계절성을 계열 빈도의 정수 배수로 설정합니다. 계절성이 'auto'로 설정되면 유추됩니다.	계절성
shortSeriesHandlingConfig	AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다. TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	대상 열에서 지연할 지난 기간의 수입니다.	TargetLags
targetRollingWindowSize	대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다.	TargetRollingWindowSize
timeColumnName	시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다.	문자열
timeSeriesIdColumnNames	타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다. 그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.	string[]
useStl	시계열 대상 열의 STL 분해를 구성합니다.	'None' '시즌' 'SeasonTrend'

ForecastingTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	예측 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	예측 작업에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

GridSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Grid'(필수)

IdentityConfiguration

이름	묘사	값
identityType	형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다.	'AMLToken' '관리' 'UserIdentity'(필수)

ImageClassification

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageClassificationMultilabel

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageInstanceSegmentation

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageInstanceSegmentation'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageLimitSettings

이름	묘사	값
maxConcurrentTrials	동시 AutoML 반복의 최대 수입니다.	int
maxTrials	AutoML 반복의 최대 수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

ImageModelDistributionSettingsClassification

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	문자열

ImageModelDistributionSettingsObjectDetection

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다. NMS: 최대값이 아닌 표시 안 함	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열

ImageModelSettingsClassification

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	int
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	int

ImageModelSettingsObjectDetection

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	bool
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	int
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다.	'코코' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int

ImageObjectDetection

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageObjectDetection'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageSweepSettings

이름	묘사	값
earlyTermination	조기 종료 정책의 유형입니다.	earlyTerminationPolicy
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다.	'베이지안' 'Grid' 'Random'(필수)

JobBaseProperties

이름	묘사	값
componentId	구성 요소 리소스의 ARM 리소스 ID입니다.	문자열
computeId	컴퓨팅 리소스의 ARM 리소스 ID입니다.	문자열
묘사	자산 설명 텍스트입니다.	문자열
displayName	작업의 표시 이름입니다.	문자열
experimentName	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.	문자열
신원	ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.	IdentityConfiguration
isArchived	자산이 보관되어 있나요?	bool
jobType	AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다.	'AutoML' 'Command' '파이프라인' 'Sweep'(필수)
속성	자산 속성 사전입니다.	ResourceBaseProperties
서비스	JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.	JobBaseServices
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags

JobBaseServices

이름	묘사	값

JobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobOutput

이름	묘사	값
묘사	출력에 대한 설명입니다.	문자열
jobOutputType	CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobResourceConfiguration

이름	묘사	값
dockerArgs	Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다.	문자열
instanceCount	컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다.	int
instanceType	컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다.	문자열
속성	추가 속성 모음.	resourceConfigurationProperties
shmSize	Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다.	문자열 제약 조건: 패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateJob'(필수)
jobDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다.	JobBaseProperties(필수)

JobService

이름	묘사	값
끝점	엔드포인트의 URL입니다.	문자열
jobServiceType	엔드포인트 유형입니다.	문자열
노드	사용자가 서비스를 시작하려는 노드입니다. 노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.	노드
항구	엔드포인트의 포트입니다.	int
속성	엔드포인트에서 설정할 추가 속성입니다.	JobServiceProperties

JobServiceProperties

이름	묘사	값

LiteralJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'literal'(필수)
값	[필수] 입력에 대한 리터럴 값입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'ManagedIdentity'(필수)
신원	모니터링 작업에서 활용할 ID입니다.	ManagedServiceIdentity

ManagedIdentity

이름	묘사	값
clientId	클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'Managed'(필수)
objectId	개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열

ManagedServiceIdentity

이름	묘사	값
형	관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우).	'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned'(필수)
userAssignedIdentities	리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다.	UserAssignedIdentities

MedianStoppingPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름	묘사	값
apiVersion	api 버전	'2023-10-01'
이름	리소스 이름	문자열 제약 조건: 패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
속성	[필수] 엔터티의 추가 특성입니다.	ScheduleProperties(필수)
형	리소스 종류	'Microsoft.MachineLearningServices/workspaces/schedules'

MLFlowModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MLTableJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MonitorComputeConfigurationBase

이름	묘사	값
computeType	MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다.	'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름	묘사	값
computeIdentityType	AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다.	'AmlToken' 'ManagedIdentity'(필수)

MonitorDefinition

이름	묘사	값
alertNotificationSettings	모니터의 알림 설정입니다.	MonitorNotificationSettings
computeConfiguration	[필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다.	MonitorComputeConfigurationBase (필수)
monitoringTarget	모니터가 대상으로 하는 엔터티입니다.	monitoringTarget
신호	[필수] 모니터링할 신호입니다.	MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름	묘사	값

MonitorEmailNotificationSettings

이름	묘사	값
전자 메일	총 499자의 제한이 있는 전자 메일 받는 사람 목록입니다.	string[]

MonitoringFeatureFilterBase

이름	묘사	값
filterType	allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다.	'AllFeatures' 'FeatureSubset' 'TopNByAttribution'(필수)

MonitoringInputDataBase

이름	묘사	값
열	열 이름을 특수 용도로 매핑합니다.	monitoringInputDataBaseColumns
dataContext	데이터 원본의 컨텍스트 메타데이터입니다.	문자열
inputDataType	FixedInputData형식에 대해 'Fixed'로 설정합니다. RollingInputData형식 'Rolling'으로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다.	'수정됨' '롤링' 'Static'(필수)
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름	묘사	값

MonitoringSignalBase

이름	묘사	값
notificationTypes	이 신호의 현재 알림 모드입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'AmlNotification'
속성	속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다.	monitoringSignalBaseProperties
signalType	CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다.	'Custom' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름	묘사	값

MonitoringTarget

이름	묘사	값
deploymentId	이 모니터가 대상으로 하는 배포 자산에 대한 참조입니다.	문자열
modelId	이 모니터가 대상으로 하는 모델 자산에 대한 참조입니다.	문자열
taskType	[필수] 모니터링되는 모델의 기계 학습 작업 유형입니다.	'분류' '회귀'(필수)

MonitoringThreshold

이름	묘사	값
값	임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다.	int

MonitorNotificationSettings

이름	묘사	값
emailNotificationSettings	AML 알림 전자 메일 설정입니다.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

이름	묘사	값
computeIdentity	[필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다.	MonitorComputeIdentityBase (필수)
computeType	[필수] 모니터링할 신호의 유형을 지정합니다.	'ServerlessSpark'(필수)
instanceType	[필수] Spark 작업을 실행하는 인스턴스 유형입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
runtimeVersion	[필수] Spark 런타임 버전입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = ^[0-9]+\.[0-9]+$(필수)

Mpi

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'Mpi'(필수)
processCountPerInstance	MPI 노드당 프로세스 수입니다.	int

NCrossValidations

이름	묘사	값
모드	AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

NlpVerticalFeaturizationSettings

이름	묘사	값
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열

NlpVerticalLimitSettings

이름	묘사	값
maxConcurrentTrials	최대 동시 AutoML 반복입니다.	int
maxTrials	AutoML 반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

노드

이름	묘사	값
nodesValueType	AllNodes형식에 대해 'All'으로 설정합니다.	'All'(필수)

NumericalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름	묘사	값
골	[필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다.	'최대화' '최소화'(필수)
primaryMetric	[필수] 최적화할 메트릭의 이름입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름	묘사	값
입력	파이프라인 작업에 대한 입력입니다.	pipelineJobInputs
작업	작업은 파이프라인 작업을 생성합니다.	pipelineJobJobs
jobType	[필수] 작업 유형을 지정합니다.	'Pipeline'(필수)
출력	파이프라인 작업에 대한 출력	PipelineJobOutputs
설정	ContinueRunOnStepFailure 등의 파이프라인 설정	any
sourceJobId	원본 작업의 ARM 리소스 ID입니다.	문자열

PipelineJobInputs

이름	묘사	값

PipelineJobJobs

이름	묘사	값

PipelineJobOutputs

이름	묘사	값

PredictionDriftMetricThresholdBase

이름	묘사	값
dataType	형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

PredictionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	PredictionDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'PredictionDrift'(필수)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

PyTorch

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'PyTorch'(필수)
processCountPerInstance	노드당 프로세스 수입니다.	int

QueueSettings

이름	묘사	값
jobTier	컴퓨팅 작업 계층을 제어합니다.	'기본' 'Null' '프리미엄' 'Spot' 'Standard'

RandomSamplingAlgorithm

이름	묘사	값
규칙	특정 유형의 임의 알고리즘	'Random' 'Sobol'
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Random'(필수)
씨	난수 생성을 위한 시드로 사용할 선택적 정수입니다.	int

RecurrenceSchedule

이름	묘사	값
시간	[필수] 일정의 시간 목록입니다.	int[] (필수)
분	[필수] 일정의 시간(분) 목록입니다.	int[] (필수)
monthDays	일정의 월 일 목록	int[]
평일	일정의 일 수 목록입니다.	다음 중 어느 것을 포함하는 문자열 배열: '금요일' '월요일' '토요일' '일요일' '목요일' '화요일' '수요일'

RecurrenceTrigger

이름	묘사	값
빈도	[필수] 일정을 트리거하는 빈도입니다.	'Day' 'Hour' 'Minute' '월' 'Week'(필수)
간	[필수] 빈도와 함께 일정 간격을 지정합니다.	int(필수)
일정	되풀이 일정입니다.	RecurrenceSchedule
triggerType	[필수]	'되풀이'(필수)

회귀

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	회귀 태스크에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'회귀'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	RegressionTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

RegressionTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	회귀 태스크에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	회귀 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ResourceBaseProperties

이름	묘사	값

ResourceBaseProperties

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceConfigurationProperties

이름	묘사	값

RollingInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Rolling'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowOffset	[필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다.	string(필수)
windowSize	[필수] 롤링 데이터 창의 크기입니다.	string(필수)

SamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다.	'베이지안' 'Grid' 'Random'(필수)

ScheduleActionBase

이름	묘사	값
actionType	JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다.	'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름	묘사	값
행동	[필수] 일정의 동작을 지정합니다.	ScheduleActionBase(필수)
묘사	자산 설명 텍스트입니다.	문자열
displayName	일정의 표시 이름입니다.	문자열
isEnabled	일정이 활성화되어 있나요?	bool
속성	자산 속성 사전입니다.	ResourceBaseProperties
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags
방아쇠	[필수] 트리거 세부 정보를 지정합니다.	TriggerBase(필수)

계절

이름	묘사	값
모드	AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다.	'Auto' 'Custom'(필수)

StackEnsembleSettings

이름	묘사	값
stackMetaLearnerKWargs	메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다.	any
stackMetaLearnerTrainPercentage	메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다.	int
stackMetaLearnerType	메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

StaticInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Static'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowEnd	[필수] 데이터 창의 종료 날짜입니다.	string(필수)
windowStart	[필수] 데이터 창의 시작 날짜입니다.	string(필수)

SweepJob

이름	묘사	값
earlyTermination	조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다.	earlyTerminationPolicy
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	SweepJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Sweep'(필수)
제한	스윕 작업 제한입니다.	SweepJobLimits
목표	[필수] 최적화 목표입니다.	Objective(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	SweepJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘	SamplingAlgorithm(필수)
searchSpace	[필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다.	any(필수)
재판	[필수] 평가판 구성 요소 정의입니다.	trialComponent (필수)

SweepJobInputs

이름	묘사	값

SweepJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
maxConcurrentTrials	작업 최대 동시 평가판을 스윕합니다.	int
maxTotalTrials	스윕 작업 최대 총 평가판입니다.	int
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열
trialTimeout	비우기 작업 평가판 시간 제한 값입니다.	문자열

SweepJobOutputs

이름	묘사	값

TableVerticalFeaturizationSettings

이름	묘사	값
blockedTransformers	이러한 변압기는 기능화에 사용되지 않습니다.	다음 중 어느 것을 포함하는 문자열 배열: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' '나이브베이즈' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다.	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열
enableDnnFeaturization	데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다.	bool
모드	기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.	'Auto' 'Custom' 'Off'
transformerParams	사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름	묘사	값

TableVerticalFeaturizationSettingsTransformerParams

이름	묘사	값

TableVerticalLimitSettings

이름	묘사	값
enableEarlyTermination	조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다.	bool
exitScore	AutoML 작업의 종료 점수입니다.	int
maxConcurrentTrials	최대 동시 반복입니다.	int
maxCoresPerTrial	반복당 최대 코어 수입니다.	int
maxTrials	반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열
trialTimeout	반복 시간 제한입니다.	문자열

TargetLags

이름	묘사	값
모드	AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TargetRollingWindowSize

이름	묘사	값
모드	AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TensorFlow

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'TensorFlow'(필수)
parameterServerCount	매개 변수 서버 작업의 수입니다.	int
workerCount	작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다.	int

TextClassification

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
primaryMetric	Text-Classification 작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextClassificationMultilabel

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextNer

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextNER'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TopNFeaturesByAttribution

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'TopNByAttribution'(필수)
맨 위로	포함할 상위 기능의 수입니다.	int

TrialComponent

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	trialComponentEnvironmentVariables
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

TrialComponentEnvironmentVariables

이름	묘사	값

TriggerBase

이름	묘사	값
endTime	UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요. 주석 처리된 형식은 "2022-06-01T00:00:01"입니다. 없는 경우 일정이 무기한 실행됩니다.	문자열
startTime	UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다.	문자열
timeZone	일정이 실행되는 표준 시간대를 지정합니다. 표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	문자열
triggerType	CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다.	'Cron' '되풀이'(필수)

TritonModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

TruncationSelectionPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'TruncationSelection'(필수)
truncationPercentage	각 평가 간격에서 취소할 실행의 백분율입니다.	int

UriFileJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UriFolderJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UserAssignedIdentities

이름	묘사	값

UserAssignedIdentity

이름	묘사	값

UserIdentity

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'UserIdentity'(필수)

Terraform(AzAPI 공급자) 리소스 정의

작업 영역/일정 리소스 종류는 다음을 대상으로 하는 작업으로 배포할 수 있습니다.

• 리소스 그룹

각 API 버전에서 변경된 속성 목록은 변경 로그참조하세요.

리소스 형식

Microsoft.MachineLearningServices/workspaces/schedules 리소스를 만들려면 템플릿에 다음 Terraform을 추가합니다.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01"
  name = "string"
  body = jsonencode({
    properties = {
      action = {
        actionType = "string"
        // For remaining properties, see ScheduleActionBase objects
      }
      description = "string"
      displayName = "string"
      isEnabled = bool
      properties = {
        {customized property} = "string"
      }
      tags = {
        {customized property} = "string"
      }
      trigger = {
        endTime = "string"
        startTime = "string"
        timeZone = "string"
        triggerType = "string"
        // For remaining properties, see TriggerBase objects
      }
    }
  })
}

JobOutput 개체

jobOutputType 속성을 설정하여 개체 유형을 지정합니다.

custom_model경우 다음을 사용합니다.

{
  jobOutputType = "custom_model"
  mode = "string"
  uri = "string"
}

mlflow_model경우 다음을 사용합니다.

{
  jobOutputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

mltable경우 다음을 사용합니다.

{
  jobOutputType = "mltable"
  mode = "string"
  uri = "string"
}

triton_model경우 다음을 사용합니다.

{
  jobOutputType = "triton_model"
  mode = "string"
  uri = "string"
}

uri_file경우 다음을 사용합니다.

{
  jobOutputType = "uri_file"
  mode = "string"
  uri = "string"
}

uri_folder경우 다음을 사용합니다.

{
  jobOutputType = "uri_folder"
  mode = "string"
  uri = "string"
}

MonitoringFeatureFilterBase 개체

filterType 속성을 설정하여 개체 유형을 지정합니다.

AllFeatures경우 다음을 사용합니다.

{
  filterType = "AllFeatures"
}

FeatureSubset경우 다음을 사용합니다.

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

TopNByAttribution경우 다음을 사용합니다.

{
  filterType = "TopNByAttribution"
  top = int
}

MonitorComputeConfigurationBase 개체

computeType 속성을 설정하여 개체 유형을 지정합니다.

ServerlessSpark경우 다음을 사용합니다.

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

TriggerBase 개체

triggerType 속성을 설정하여 개체 유형을 지정합니다.

cron경우 다음을 사용합니다.

{
  expression = "string"
  triggerType = "Cron"
}

되풀이경우 다음을 사용합니다.

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

ForecastHorizon 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

JobBaseProperties 개체

jobType 속성을 설정하여 개체 유형을 지정합니다.

AutoML경우 다음을 사용합니다.

{
  environmentId = "string"
  environmentVariables = {
    {customized property} = "string"
  }
  jobType = "AutoML"
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    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
  }
}

명령경우 다음을 사용합니다.

{
  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
    }
  }
  jobType = "Command"
  limits = {
    jobLimitsType = "string"
    timeout = "string"
  }
  outputs = {
    {customized property} = {
      description = "string"
      jobOutputType = "string"
      // For remaining properties, see JobOutput objects
    }
  }
  queueSettings = {
    jobTier = "string"
  }
  resources = {
    dockerArgs = "string"
    instanceCount = int
    instanceType = "string"
    properties = {
      {customized property} = ?
    }
    shmSize = "string"
  }
}

파이프라인경우 다음을 사용합니다.

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

스윕경우 다음을 사용합니다.

{
  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
    }
  }
  jobType = "Sweep"
  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"
  }
  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"
      properties = {
        {customized property} = ?
      }
      shmSize = "string"
    }
  }
}

노드 개체

nodesValueType 속성을 설정하여 개체 유형을 지정합니다.

모든경우 다음을 사용합니다.

{
  nodesValueType = "All"
}

MonitoringInputDataBase 개체

inputDataType 속성을 설정하여 개체 유형을 지정합니다.

고정경우 다음을 사용합니다.

{
  inputDataType = "Fixed"
}

롤링경우 다음을 사용합니다.

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

정적경우 다음을 사용합니다.

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

PredictionDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

DistributionConfiguration 개체

distributionType 속성을 설정하여 개체 유형을 지정합니다.

Mpi경우 다음을 사용합니다.

{
  distributionType = "Mpi"
  processCountPerInstance = int
}

PyTorch경우 다음을 사용합니다.

{
  distributionType = "PyTorch"
  processCountPerInstance = int
}

TensorFlow경우 다음을 사용합니다.

{
  distributionType = "TensorFlow"
  parameterServerCount = int
  workerCount = int
}

AutoMLVertical 개체

taskType 속성을 설정하여 개체 유형을 지정합니다.

분류경우 다음을 사용합니다.

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  positiveLabel = "string"
  primaryMetric = "string"
  taskType = "Classification"
  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"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

예측경우 다음을 사용합니다.

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  forecastingSettings = {
    countryOrRegionForHolidays = "string"
    cvStepSize = int
    featureLags = "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
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  taskType = "Forecasting"
  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"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

imageClassification경우 다음을 사용합니다.

{
  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"
  }
  taskType = "ImageClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

imageClassificationMultilabel경우 다음을 사용합니다.

{
  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"
  }
  taskType = "ImageClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

imageInstanceSegmentation경우 다음을 사용합니다.

{
  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"
    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 = "string"
  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"
  }
  taskType = "ImageInstanceSegmentation"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

imageObjectDetection경우 다음을 사용합니다.

{
  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"
    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 = "string"
  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"
  }
  taskType = "ImageObjectDetection"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
}

회귀경우 다음을 사용합니다.

{
  cvSplitColumnNames = [
    "string"
  ]
  featurizationSettings = {
    blockedTransformers = [
      "string"
    ]
    columnNameAndTypes = {
      {customized property} = "string"
    }
    datasetLanguage = "string"
    enableDnnFeaturization = bool
    mode = "string"
    transformerParams = {
      {customized property} = [
        {
          fields = [
            "string"
          ]
          parameters = ?
        }
      ]
    }
  }
  limitSettings = {
    enableEarlyTermination = bool
    exitScore = int
    maxConcurrentTrials = int
    maxCoresPerTrial = int
    maxTrials = int
    timeout = "string"
    trialTimeout = "string"
  }
  nCrossValidations = {
    mode = "string"
    // For remaining properties, see NCrossValidations objects
  }
  primaryMetric = "string"
  taskType = "Regression"
  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"
    }
  }
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
  validationDataSize = int
  weightColumnName = "string"
}

textClassification경우 다음을 사용합니다.

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  primaryMetric = "string"
  taskType = "TextClassification"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

TextClassificationMultilabel경우 다음을 사용합니다.

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  taskType = "TextClassificationMultilabel"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

TextNER경우 다음을 사용합니다.

{
  featurizationSettings = {
    datasetLanguage = "string"
  }
  limitSettings = {
    maxConcurrentTrials = int
    maxTrials = int
    timeout = "string"
  }
  taskType = "TextNER"
  validationData = {
    description = "string"
    jobInputType = "string"
    mode = "string"
    uri = "string"
  }
}

TargetLags 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  values = [
    int
  ]
}

IdentityConfiguration 개체

identityType 속성을 설정하여 개체 유형을 지정합니다.

AMLToken경우 다음을 사용합니다.

{
  identityType = "AMLToken"
}

관리되는경우 다음을 사용합니다.

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

userIdentity경우 다음을 사용합니다.

{
  identityType = "UserIdentity"
}

MonitorComputeIdentityBase 개체

computeIdentityType 속성을 설정하여 개체 유형을 지정합니다.

AmlToken경우 다음을 사용합니다.

{
  computeIdentityType = "AmlToken"
}

ManagedIdentity경우 다음을 사용합니다.

{
  computeIdentityType = "ManagedIdentity"
  identity = {
    type = "string"
    userAssignedIdentities = {
      {customized property} = {
      }
    }
  }
}

MonitoringSignalBase 개체

signalType 속성을 설정하여 개체 유형을 지정합니다.

사용자 지정경우 다음을 사용합니다.

{
  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
      }
    }
  ]
  signalType = "Custom"
}

DataDrift경우 다음을 사용합니다.

{
  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
  }
  signalType = "DataDrift"
}

DataQuality경우 다음을 사용합니다.

{
  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
  }
  signalType = "DataQuality"
}

featureAttributionDrift경우 다음을 사용합니다.

{
  featureDataTypeOverride = {
    {customized property} = "string"
  }
  featureImportanceSettings = {
    mode = "string"
    targetColumn = "string"
  }
  metricThreshold = {
    metric = "string"
    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
  }
  signalType = "FeatureAttributionDrift"
}

PredictionDrift경우 다음을 사용합니다.

{
  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
  }
  signalType = "PredictionDrift"
}

NCrossValidations 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

ScheduleActionBase 개체

actionType 속성을 설정하여 개체 유형을 지정합니다.

createJob경우 다음을 사용합니다.

{
  actionType = "CreateJob"
  jobDefinition = {
    componentId = "string"
    computeId = "string"
    description = "string"
    displayName = "string"
    experimentName = "string"
    identity = {
      identityType = "string"
      // For remaining properties, see IdentityConfiguration objects
    }
    isArchived = bool
    properties = {
      {customized property} = "string"
    }
    services = {
      {customized property} = {
        endpoint = "string"
        jobServiceType = "string"
        nodes = {
          nodesValueType = "string"
          // For remaining properties, see Nodes objects
        }
        port = int
        properties = {
          {customized property} = "string"
        }
      }
    }
    tags = {
      {customized property} = "string"
    }
    jobType = "string"
    // For remaining properties, see JobBaseProperties objects
  }
}

createMonitor경우 다음을 사용합니다.

{
  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
      }
    }
  }
}

InvokeBatchEndpoint경우 다음을 사용합니다.

{
  actionType = "InvokeBatchEndpoint"
  endpointInvocationDefinition = ?
}

DataDriftMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

DataQualityMetricThresholdBase 개체

dataType 속성을 설정하여 개체 유형을 지정합니다.

범주경우 다음을 사용합니다.

{
  dataType = "Categorical"
  metric = "string"
}

숫자경우 다음을 사용합니다.

{
  dataType = "Numerical"
  metric = "string"
}

EarlyTerminationPolicy 개체

policyType 속성을 설정하여 개체 유형을 지정합니다.

산적경우 다음을 사용합니다.

{
  policyType = "Bandit"
  slackAmount = int
  slackFactor = int
}

MedianStopping경우 다음을 사용합니다.

{
  policyType = "MedianStopping"
}

TruncationSelection경우 다음을 사용합니다.

{
  policyType = "TruncationSelection"
  truncationPercentage = int
}

SamplingAlgorithm 개체

샘플링AlgorithmType 속성을 설정하여 개체 유형을 지정합니다.

Bayesian경우 다음을 사용합니다.

{
  samplingAlgorithmType = "Bayesian"
}

Grid경우 다음을 사용합니다.

{
  samplingAlgorithmType = "Grid"
}

임의경우 다음을 사용합니다.

{
  rule = "string"
  samplingAlgorithmType = "Random"
  seed = int
}

계절성 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

TargetRollingWindowSize 개체

개체 유형을 지정하려면 모드 속성을 설정합니다.

자동경우 다음을 사용합니다.

{
  mode = "Auto"
}

사용자 지정경우 다음을 사용합니다.

{
  mode = "Custom"
  value = int
}

JobInput 개체

개체 유형을 지정하려면 jobInputType 속성을 설정합니다.

custom_model경우 다음을 사용합니다.

{
  jobInputType = "custom_model"
  mode = "string"
  uri = "string"
}

리터럴경우 다음을 사용합니다.

{
  jobInputType = "literal"
  value = "string"
}

mlflow_model경우 다음을 사용합니다.

{
  jobInputType = "mlflow_model"
  mode = "string"
  uri = "string"
}

mltable경우 다음을 사용합니다.

{
  jobInputType = "mltable"
  mode = "string"
  uri = "string"
}

triton_model경우 다음을 사용합니다.

{
  jobInputType = "triton_model"
  mode = "string"
  uri = "string"
}

uri_file경우 다음을 사용합니다.

{
  jobInputType = "uri_file"
  mode = "string"
  uri = "string"
}

uri_folder경우 다음을 사용합니다.

{
  jobInputType = "uri_folder"
  mode = "string"
  uri = "string"
}

속성 값

AllFeatures

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'AllFeatures'(필수)

AllNodes

이름	묘사	값
nodesValueType	[필수] 노드 값의 형식	'All'(필수)

AmlToken

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'AMLToken'(필수)

AmlTokenComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'AmlToken'(필수)

AutoForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Auto'(필수)

AutoMLJob

이름	묘사	값
environmentId	작업에 대한 환경 사양의 ARM 리소스 ID입니다. 이 값은 선택적 값이며, 제공되지 않은 경우 AutoML은 작업을 실행할 때 이를 프로덕션 AutoML 큐레이팅된 환경 버전으로 기본값으로 지정합니다.	문자열
environmentVariables	작업에 포함된 환경 변수입니다.	autoMLJobEnvironmentVariables
jobType	[필수] 작업 유형을 지정합니다.	'AutoML'(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	AutoMLJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration
taskDetails	[필수] 테이블/NLP/이미지 중 하나일 수 있는 시나리오를 나타냅니다.	autoMLVertical (필수)

AutoMLJobEnvironmentVariables

이름	묘사	값

AutoMLJobOutputs

이름	묘사	값

AutoMLVertical

이름	묘사	값
logVerbosity	작업에 대한 자세한 정보를 기록합니다.	'Critical' '디버그' 'Error' '정보' 'NotSet' '경고'
targetColumnName	대상 열 이름: 예측 값 열입니다. 분류 작업의 컨텍스트에서 레이블 열 이름이라고도 합니다.	문자열
taskType	형식 분류대해 '분류'로 설정합니다. 예측유형에 대해 '예측'으로 설정합니다. ImageClassification형식에 대해 'ImageClassification'으로 설정합니다. ImageClassificationMultilabel형식에 대해 'ImageClassificationMultilabel'로 설정합니다. ImageInstanceSegmentation형식에 대해 'ImageInstanceSegmentation'으로 설정합니다. ImageObjectDetection형식에 대해 'ImageObjectDetection'으로 설정합니다. 회귀형식에 대해 '회귀'로 설정합니다. TextClassification형식에 대해 'TextClassification'으로 설정합니다. TextClassificationMultilabel형식에 대해 'TextClassificationMultilabel'로 설정합니다. TextNer형식에 대해 'TextNER'로 설정합니다.	'분류' '예측' 'ImageClassification' 'ImageClassificationMultilabel' 'ImageInstanceSegmentation' 'ImageObjectDetection' '회귀' 'TextClassification' 'TextClassificationMultilabel' 'TextNER'(필수)
trainingData	[필수] 학습 데이터 입력입니다.	MLTableJobInput(필수)

AutoNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Auto'(필수)

AutoSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Auto'(필수)

AutoTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Auto'(필수)

AutoTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Auto'(필수)

BanditPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'Bandit'(필수)
slackAmount	최상의 실행에서 허용되는 절대 거리입니다.	int
slackFactor	가장 성능이 좋은 실행에서 허용된 거리의 비율입니다.	int

BayesianSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Bayesian'(필수)

CategoricalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

CategoricalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

CategoricalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'범주'(필수)
메트릭	[필수] 계산할 범주 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'PearsonsChiSquaredTest' 'PopulationStabilityIndex'(필수)

분류

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
positiveLabel	이진 메트릭 계산에 대한 양의 레이블입니다.	문자열
primaryMetric	작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'분류'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ClassificationTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ClassificationTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	분류 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
blockedTrainingAlgorithms	분류 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '베르누울리나이브베이즈' 'DecisionTree' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LightGBM' 'LinearSVM' 'LogisticRegression' '멀티노미알나이브베이즈' 'RandomForest' 'SGD' 'SVM' 'XGBoostClassifier'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ColumnTransformer

이름	묘사	값
필드	변환기 논리를 적용할 필드입니다.	string[]
매개 변수	변환기에 전달할 다른 속성입니다. 필요한 입력은 키 사전, JSON 형식의 값 쌍입니다.	any

CommandJob

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	CommandJobEnvironmentVariables
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	commandJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Command'(필수)
제한	명령 작업 제한입니다.	CommandJobLimits
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	CommandJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

CommandJobEnvironmentVariables

이름	묘사	값

CommandJobInputs

이름	묘사	값

CommandJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열

CommandJobOutputs

이름	묘사	값

CreateMonitorAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateMonitor'(필수)
monitorDefinition	[필수] 모니터를 정의합니다.	MonitorDefinition(필수)

CronTrigger

이름	묘사	값
식	[필수] 일정의 cron 식을 지정합니다. 식은 NCronTab 형식을 따라야 합니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
triggerType	[필수]	'Cron'(필수)

CustomForecastHorizon

이름	묘사	값
모드	[필수] 예측 수평선 값 선택 모드를 설정합니다.	'Custom'(필수)
값	[필수] 예측 수평선 값입니다.	int(필수)

CustomMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 사용자 정의 메트릭입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

CustomModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

CustomModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'custom_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

CustomMonitoringSignal

이름	묘사	값
componentId	[필수] 사용자 지정 메트릭을 계산하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
inputAssets	입력으로 사용할 자산 모니터링 키는 구성 요소 입력 포트 이름이며, 값은 데이터 자산입니다.	CustomMonitoringSignalInputAssets
입력	입력으로 사용할 추가 구성 요소 매개 변수입니다. 키는 구성 요소 리터럴 입력 포트 이름이며 값은 매개 변수 값입니다.	CustomMonitoringSignalInputs
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	CustomMetricThreshold[] (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Custom'(필수)

CustomMonitoringSignalInputAssets

이름	묘사	값

CustomMonitoringSignalInputs

이름	묘사	값

CustomNCrossValidations

이름	묘사	값
모드	[필수] N 교차 유효성 검사를 결정하는 모드입니다.	'Custom'(필수)
값	[필수] N 교차 유효성 검사 값입니다.	int(필수)

CustomSeasonality

이름	묘사	값
모드	[필수] 계절성 모드입니다.	'Custom'(필수)
값	[필수] 계절성 값입니다.	int(필수)

CustomTargetLags

이름	묘사	값
모드	[필수] 대상 지연 모드 설정 - 자동/사용자 지정	'Custom'(필수)
값	[필수] 대상 지연 값을 설정합니다.	int[] (필수)

CustomTargetRollingWindowSize

이름	묘사	값
모드	[필수] TargetRollingWindowSiz 검색 모드입니다.	'Custom'(필수)
값	[필수] TargetRollingWindowSize 값입니다.	int(필수)

DataDriftMetricThresholdBase

이름	묘사	값
dataType	범주DataDriftMetricThreshold형식에 대해 '범주'로 설정합니다. NumericalDataDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산할 기능을 식별하는 기능 필터입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataDrift'(필수)

DataDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DataQualityMetricThresholdBase

이름	묘사	값
dataType	CategoricalDataQualityMetricThreshold형식에 대해 '범주'로 설정합니다. numericalDataQualityMetricThreshold형식에 대해 'Numerical'으로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

DataQualityMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	DataQualityMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings
기능	드리프트를 계산하는 기능입니다.	MonitoringFeatureFilterBase
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	DataQualityMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 프로덕션 서비스에서 생성된 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'DataQuality'(필수)

DataQualityMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

DistributionConfiguration

이름	묘사	값
distributionType	형식 Mpi대해 'Mpi'로 설정합니다. PyTorch형식에 대해 'PyTorch'로 설정합니다. TensorFlow형식에 대해 'TensorFlow'로 .	'Mpi' 'PyTorch' 'TensorFlow'(필수)

EarlyTerminationPolicy

이름	묘사	값
delayEvaluation	첫 번째 평가를 지연할 간격 수입니다.	int
evaluationInterval	정책 평가 사이의 간격(실행 수)입니다.	int
policyType	BanditPolicy형식에 대해 '산적'으로 설정합니다. MedianStoppingPolicy형식에 대해 'MedianStopping'으로 설정합니다. TruncationSelectionPolicy형식에 대해 'TruncationSelection'으로 설정합니다.	'산적' 'MedianStopping' 'TruncationSelection'(필수)

EndpointScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'InvokeBatchEndpoint'(필수)
endpointInvocationDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다. href="TBD" /< 참조 >	any(필수)

FeatureAttributionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride
featureImportanceSettings	[필수] 컴퓨팅 기능 중요도에 대한 설정입니다.	FeatureImportanceSettings (필수)
metricThreshold	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	FeatureAttributionMetricThreshold(필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	MonitoringInputDataBase[] (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'FeatureAttributionDrift'(필수)

FeatureAttributionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

FeatureAttributionMetricThreshold

이름	묘사	값
메트릭	[필수] 계산할 기능 특성 메트릭입니다.	'NormalizedDiscountedCumulativeGain'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

FeatureImportanceSettings

이름	묘사	값
모드	컴퓨팅 기능 중요도에 대한 작업 모드입니다.	'사용 안 함' 'Enabled'
targetColumn	입력 데이터 자산 내의 대상 열 이름입니다.	문자열

FeatureSubset

이름	묘사	값
기능	[필수] 포함할 기능 목록입니다.	string[] (필수)
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'FeatureSubset'(필수)

FixedInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Fixed'(필수)

ForecastHorizon

이름	묘사	값
모드	AutoForecastHorizon형식에 대해 'Auto'로 설정합니다. CustomForecastHorizon형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

예측

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
forecastingSettings	예측 작업별 입력.	ForecastingSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	예측 작업에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'예측'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	ForecastingTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

ForecastingSettings

이름	묘사	값
countryOrRegionForHolidays	예측 작업에 대한 휴일의 국가 또는 지역입니다. ISO 3166 두 글자 국가/지역 코드(예: 'US' 또는 'GB')여야 합니다.	문자열
cvStepSize	한 CV 접기의 원본 시간과 다음 접기 사이의 기간 수입니다. 때문에 예를 들어 일일 데이터의 경우 CVStepSize = 3이면 각 접기 원본 시간이 됩니다. 3일 간격.	int
featureLags	'auto' 또는 null을 사용하여 숫자 기능에 대한 지연을 생성하는 플래그입니다.	'Auto' 'None'
forecastHorizon	시계열 빈도 단위로 원하는 최대 예측 수평선입니다.	ForecastHorizon
빈도	예측 시 이 매개 변수는 예측이 필요한 기간(예: 매일, 매주, 매년 등)을 나타냅니다. 예측 빈도는 기본적으로 데이터 세트 빈도입니다.	문자열
계절	시계열 계절성을 계열 빈도의 정수 배수로 설정합니다. 계절성이 'auto'로 설정되면 유추됩니다.	계절성
shortSeriesHandlingConfig	AutoML에서 짧은 시계열을 처리하는 방법을 정의하는 매개 변수입니다.	'Auto' 'Drop' 'None' 'Pad'
targetAggregateFunction	사용자가 지정한 빈도를 준수하도록 시계열 대상 열을 집계하는 데 사용할 함수입니다. TargetAggregateFunction이 설정된 경우(예: 'None'이 아니라 freq 매개 변수가 설정되지 않은 경우) 오류가 발생합니다. 가능한 대상 집계 함수는 "sum", "max", "min" 및 "mean"입니다.	'Max' 'Mean' 'Min' 'None' 'Sum'
targetLags	대상 열에서 지연할 지난 기간의 수입니다.	TargetLags
targetRollingWindowSize	대상 열의 롤링 창 평균을 만드는 데 사용된 이전 기간의 수입니다.	TargetRollingWindowSize
timeColumnName	시간 열의 이름입니다. 이 매개 변수는 시계열을 빌드하고 해당 빈도를 유추하는 데 사용되는 입력 데이터의 날짜/시간 열을 지정하도록 예측할 때 필요합니다.	문자열
timeSeriesIdColumnNames	타임스레터를 그룹화하는 데 사용되는 열의 이름입니다. 여러 계열을 만드는 데 사용할 수 있습니다. 그레인이 정의되지 않은 경우 데이터 집합은 하나의 시계열로 간주됩니다. 이 매개 변수는 작업 유형 예측에 사용됩니다.	string[]
useStl	시계열 대상 열의 STL 분해를 구성합니다.	'None' '시즌' 'SeasonTrend'

ForecastingTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	예측 작업에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
blockedTrainingAlgorithms	예측 작업에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: '아리맥스' 'AutoArima' 'Average' 'DecisionTree' 'ElasticNet' 'ExponentialSmoothing' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'Naive' '예언자' 'RandomForest' 'SeasonalAverage' 'SeasonalNaive' 'SGD' 'TCNForecaster' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

GridSamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Grid'(필수)

IdentityConfiguration

이름	묘사	값
identityType	형식 AmlToken대해 'AMLToken'으로 설정합니다. ManagedIdentity형식 'Managed'로 설정합니다. UserIdentity형식에 대해 'UserIdentity'로 설정합니다.	'AMLToken' '관리' 'UserIdentity'(필수)

ImageClassification

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageClassificationMultilabel

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsClassification
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'IOU' 'NormMacroRecall' 'PrecisionScoreWeighted'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	ImageModelDistributionSettingsClassification[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageInstanceSegmentation

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageInstanceSegmentation'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageLimitSettings

이름	묘사	값
maxConcurrentTrials	동시 AutoML 반복의 최대 수입니다.	int
maxTrials	AutoML 반복의 최대 수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

ImageModelDistributionSettingsClassification

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	문자열
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	문자열

ImageModelDistributionSettingsObjectDetection

이름	묘사	값
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	문자열
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열
분산	배포자 학습을 사용할지 여부입니다.	문자열
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	문자열
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	문자열
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	문자열
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	문자열
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	문자열
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	문자열
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	문자열
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	문자열
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	문자열
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	문자열
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	문자열
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	문자열
최적화	최적화 프로그램의 유형입니다. 'sgd', 'adam' 또는 'adamw'여야 합니다.	문자열
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	문자열
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	문자열
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다. NMS: 최대값이 아닌 표시 안 함	문자열
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	문자열
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	문자열
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다. 'none', 'coco', 'voc' 또는 'coco_voc'이어야 합니다.	문자열
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	문자열
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	문자열
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	문자열

ImageModelSettingsClassification

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
trainingCropSize	학습 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationCropSize	유효성 검사 데이터 세트에 대한 신경망에 입력되는 이미지 자르기 크기입니다. 양의 정수여야 합니다.	int
validationResizeSize	유효성 검사 데이터 세트를 자르기 전에 크기를 조정할 이미지 크기입니다. 양의 정수여야 합니다.	int
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
weightedLoss	가중 손실. 허용되는 값은 가중치 손실 없이 0입니다. sqrt를 사용한 가중치 손실의 경우 1. (class_weights). class_weights 가중치 손실에 대한 2. 0 또는 1 또는 2여야 합니다.	int

ImageModelSettingsObjectDetection

이름	묘사	값
advancedSettings	고급 시나리오에 대한 설정입니다.	문자열
amsGradient	최적화 프로그램이 'adam' 또는 'adamw'인 경우 AMSGrad를 사용하도록 설정합니다.	bool
확대	확대를 사용하기 위한 설정입니다.	문자열
beta1	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta1' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
beta2	최적화 프로그램이 'adam' 또는 'adamw'인 경우 'beta2' 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
boxDetectionsPerImage	모든 클래스에 대한 이미지당 최대 검색 수입니다. 양의 정수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
boxScoreThreshold	유추하는 동안 분류 점수가 다음보다 큰 제안만 반환합니다. BoxScoreThreshold. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int
checkpointFrequency	모델 검사점을 저장하는 빈도입니다. 양의 정수여야 합니다.	int
checkpointModel	증분 학습을 위한 미리 학습된 검사점 모델입니다.	MLFlowModelJobInput
checkpointRunId	증분 학습에 대한 미리 학습된 검사점이 있는 이전 실행의 ID입니다.	문자열
분산	분산 학습을 사용할지 여부입니다.	bool
earlyStopping	학습 중에 조기 중지 논리를 사용하도록 설정합니다.	bool
earlyStoppingDelay	기본 메트릭 개선 전에 대기할 최소 Epoch 수 또는 유효성 검사 평가 는 조기 중지를 위해 추적됩니다. 양의 정수여야 합니다.	int
earlyStoppingPatience	이전의 기본 메트릭 개선 없이 Epoch 또는 유효성 검사 평가의 최소 수 실행이 중지되었습니다. 양의 정수여야 합니다.	int
enableOnnxNormalization	ONNX 모델을 내보낼 때 정규화를 사용하도록 설정합니다.	bool
evaluationFrequency	메트릭 점수를 얻기 위해 유효성 검사 데이터 세트를 평가하는 빈도입니다. 양의 정수여야 합니다.	int
gradientAccumulationStep	그라데이션 누적은 구성된 수의 "GradAccumulationStep" 단계를 실행하지 않고 실행됨을 의미합니다. 해당 단계의 그라데이션을 누적하는 동안 모델 가중치를 업데이트한 다음 가중치 업데이트를 계산하기 위한 누적 그라데이션입니다. 양의 정수여야 합니다.	int
imageSize	학습 및 유효성 검사를 위한 이미지 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	int
layersToFreeze	모델에 대해 고정할 레이어 수입니다. 양의 정수여야 합니다. 예를 들어 'seresnext'에 대한 값으로 2를 전달하는 것은 freezing layer0 및 layer1. 지원되는 모델의 전체 목록 및 계층 고정에 대한 세부 정보는 다음을 참조하세요. 참조: /azure/machine-learning/how-to-auto-train-image-models.	int
learningRate	초기 학습 속도입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
learningRateScheduler	학습 속도 스케줄러의 유형입니다. 'warmup_cosine' 또는 '단계'여야 합니다.	'None' 'Step' 'WarmupCosine'
maxSize	백본에 공급하기 전에 크기가 조정될 이미지의 최대 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
minSize	백본에 공급하기 전에 크기가 조정될 이미지의 최소 크기입니다. 양의 정수여야 합니다. 참고: 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
modelName	학습에 사용할 모델의 이름입니다. 사용 가능한 모델에 대한 자세한 내용은 공식 설명서를 참조하세요. /azure/machine-learning/how-to-auto-train-image-models.	문자열
modelSize	모델 크기입니다. 'small', 'medium', 'large' 또는 'xlarge'여야 합니다. 참고: 모델 크기가 너무 크면 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	'ExtraLarge' 'Large' 'Medium' 'None' 'Small'
운동량	최적화 프로그램이 'sgd'일 때의 모멘텀 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
multiScale	이미지 크기를 +/- 50%변경하여 다중 크기 이미지를 사용하도록 설정합니다. 참고: 충분한 GPU 메모리가 없는 경우 학습 실행이 CUDA OOM에 들어갈 수 있습니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해서만 지원됩니다.	bool
nesterov	최적화 프로그램이 'sgd'일 때 nesterov를 사용하도록 설정합니다.	bool
nmsIouThreshold	NMS 사후 처리에서 유추하는 동안 사용되는 IOU 임계값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
numberOfEpochs	학습 epoch의 수입니다. 양의 정수여야 합니다.	int
numberOfWorkers	데이터 로더 작업자 수입니다. 음수가 아닌 정수여야 합니다.	int
최적화	최적화 프로그램의 유형입니다.	'아담' 'Adamw' 'None' 'Sgd'
randomSeed	결정적 학습을 사용할 때 사용할 임의 시드입니다.	int
stepLRGamma	학습 속도 스케줄러가 '단계'인 경우 감마 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
stepLRStepSize	학습 속도 스케줄러가 '단계'인 경우 단계 크기의 값입니다. 양의 정수여야 합니다.	int
tileGridSize	각 이미지를 타일링하는 데 사용할 그리드 크기입니다. 참고: TileGridSize는 작은 개체 검색 논리를 사용하도록 설정할 수 없습니다. mxn 형식의 두 정수가 포함된 문자열입니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	문자열
tileOverlapRatio	각 차원의 인접 타일 간의 겹침 비율입니다. 범위 [0, 1)에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
tilePredictionsNmsThreshold	타일 및 이미지에서 예측을 병합하는 동안 NMS를 수행하는 데 사용할 IOU 임계값입니다. 유효성 검사/유추에 사용됩니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다. 참고: 이 설정은 'yolov5' 알고리즘에 대해 지원되지 않습니다.	int
trainingBatchSize	학습 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationBatchSize	유효성 검사 일괄 처리 크기입니다. 양의 정수여야 합니다.	int
validationIouThreshold	유효성 검사 메트릭을 계산할 때 사용할 IOU 임계값입니다. 범위 [0, 1]에 부동 소수 자릿수여야 합니다.	int
validationMetricType	유효성 검사 메트릭에 사용할 메트릭 계산 방법입니다.	'코코' 'CocoVoc' 'None' 'Voc'
warmupCosineLRCycles	학습 속도 스케줄러가 'warmup_cosine'인 경우 코사인 주기의 값입니다. 범위 [0, 1]의 부동 소수 자릿수여야 합니다.	int
warmupCosineLRWarmupEpochs	학습 속도 스케줄러가 'warmup_cosine'인 경우 준비 epoch의 값입니다. 양의 정수여야 합니다.	int
weightDecay	최적화 프로그램이 'sgd', 'adam' 또는 'adamw'인 경우 가중치 감쇠 값입니다. 범위[0, 1]의 부동 소수 자릿수여야 합니다.	int

ImageObjectDetection

이름	묘사	값
limitSettings	[필수] AutoML 작업에 대한 설정을 제한합니다.	ImageLimitSettings (필수)
modelSettings	모델 학습에 사용되는 설정입니다.	ImageModelSettingsObjectDetection
primaryMetric	이 작업에 최적화할 기본 메트릭입니다.	'MeanAveragePrecision'
searchSpace	모델과 해당 하이퍼 매개 변수의 다양한 조합을 샘플링하기 위한 공간을 검색합니다.	imageModelDistributionSettingsObjectDetection[]
sweepSettings	모델 비우기 및 하이퍼 매개 변수 비우기 관련 설정입니다.	imageSweepSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'ImageObjectDetection'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int

ImageSweepSettings

이름	묘사	값
earlyTermination	조기 종료 정책의 유형입니다.	earlyTerminationPolicy
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘의 형식입니다.	'베이지안' 'Grid' 'Random'(필수)

JobBaseProperties

이름	묘사	값
componentId	구성 요소 리소스의 ARM 리소스 ID입니다.	문자열
computeId	컴퓨팅 리소스의 ARM 리소스 ID입니다.	문자열
묘사	자산 설명 텍스트입니다.	문자열
displayName	작업의 표시 이름입니다.	문자열
experimentName	작업이 속한 실험의 이름입니다. 설정하지 않으면 작업이 "기본" 실험에 배치됩니다.	문자열
신원	ID 구성. 설정된 경우 AmlToken, ManagedIdentity, UserIdentity 또는 null 중 하나여야 합니다. Null인 경우 기본값은 AmlToken입니다.	IdentityConfiguration
isArchived	자산이 보관되어 있나요?	bool
jobType	AutoMLJob형식에 대해 'AutoML'로 설정합니다. CommandJob형식에 대해 'Command'로 설정합니다. PipelineJob형식에 대해 'Pipeline'설정합니다. sweepJob형식에 대해 'Sweep'로 설정합니다.	'AutoML' 'Command' '파이프라인' 'Sweep'(필수)
속성	자산 속성 사전입니다.	ResourceBaseProperties
서비스	JobEndpoints 목록입니다. 로컬 작업의 경우 작업 엔드포인트의 엔드포인트 값은 FileStreamObject입니다.	JobBaseServices
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags

JobBaseServices

이름	묘사	값

JobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	CustomModelJobInput형식에 대해 'custom_model'로 설정합니다. LiteralJobInput형식에 대해 'literal'로 설정합니다. MLFlowModelJobInput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobInput형식에 대해 'mltable'로 설정합니다. tritonModelJobInput형식에 대해 'triton_model'로 설정합니다. UriFileJobInput형식에 대해 'uri_file'로 설정합니다. UriFolderJobInput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobOutput

이름	묘사	값
묘사	출력에 대한 설명입니다.	문자열
jobOutputType	CustomModelJobOutput형식에 대해 'custom_model'로 설정합니다. MLFlowModelJobOutput형식에 대해 'mlflow_model'로 설정합니다. MLTableJobOutput형식에 대해 'mltable'로 설정합니다. TritonModelJobOutput형식에 대해 'triton_model'로 설정합니다. UriFileJobOutput형식에 대해 'uri_file'로 설정합니다. UriFolderJobOutput형식에 대해 'uri_folder'로 설정합니다.	'custom_model' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)

JobResourceConfiguration

이름	묘사	값
dockerArgs	Docker 실행 명령에 전달할 추가 인수입니다. 이렇게 하면 시스템 또는 이 섹션에서 이미 설정한 매개 변수가 재정의됩니다. 이 매개 변수는 Azure ML 컴퓨팅 유형에 대해서만 지원됩니다.	문자열
instanceCount	컴퓨팅 대상에서 사용하는 인스턴스 또는 노드의 선택적 수입니다.	int
instanceType	컴퓨팅 대상에서 지원하는 VM의 선택적 형식입니다.	문자열
속성	추가 속성 모음.	resourceConfigurationProperties
shmSize	Docker 컨테이너의 공유 메모리 블록 크기입니다. 이 형식은 (number)(unit) 형식이어야 합니다. 여기서 숫자는 0보다 크고 단위는 b(바이트), k(킬로바이트), m(메가바이트) 또는 g(기가바이트) 중 하나일 수 있습니다.	문자열 제약 조건: 패턴 = \d+[bBkKmMgG]

JobScheduleAction

이름	묘사	값
actionType	[필수] 일정의 작업 유형을 지정합니다.	'CreateJob'(필수)
jobDefinition	[필수] 일정 작업 정의 세부 정보를 정의합니다.	JobBaseProperties(필수)

JobService

이름	묘사	값
끝점	엔드포인트의 URL입니다.	문자열
jobServiceType	엔드포인트 유형입니다.	문자열
노드	사용자가 서비스를 시작하려는 노드입니다. 노드가 null로 설정되거나 설정되지 않은 경우 서비스는 리더 노드에서만 시작됩니다.	노드
항구	엔드포인트의 포트입니다.	int
속성	엔드포인트에서 설정할 추가 속성입니다.	JobServiceProperties

JobServiceProperties

이름	묘사	값

LiteralJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'literal'(필수)
값	[필수] 입력에 대한 리터럴 값입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

ManagedComputeIdentity

이름	묘사	값
computeIdentityType	[필수] 모니터링 작업 내에서 사용할 ID 유형을 지정합니다.	'ManagedIdentity'(필수)
신원	모니터링 작업에서 활용할 ID입니다.	ManagedServiceIdentity

ManagedIdentity

이름	묘사	값
clientId	클라이언트 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'Managed'(필수)
objectId	개체 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열 제약 조건: 최소 길이 = 36 최대 길이 = 36 패턴 = ^[0-9a-fA-F]{8}-([0-9a-fA-F]{4}-){3}[0-9a-fA-F]{12}$
resourceId	ARM 리소스 ID별로 사용자 할당 ID를 지정합니다. 시스템 할당의 경우 이 필드를 설정하지 마세요.	문자열

ManagedServiceIdentity

이름	묘사	값
형	관리 서비스 ID의 유형입니다(SystemAssigned 및 UserAssigned 형식이 모두 허용되는 경우).	'None' 'SystemAssigned' 'SystemAssigned,UserAssigned' 'UserAssigned'(필수)
userAssignedIdentities	리소스와 연결된 사용자 할당 ID 집합입니다. userAssignedIdentities 사전 키는 '/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName} 형식의 ARM 리소스 ID입니다. 사전 값은 요청에서 빈 개체({})일 수 있습니다.	UserAssignedIdentities

MedianStoppingPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'MedianStopping'(필수)

Microsoft.MachineLearningServices/workspaces/schedules

이름	묘사	값
이름	리소스 이름	문자열 제약 조건: 패턴 = ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$(필수)
parent_id	이 리소스의 부모인 리소스의 ID입니다.	형식 리소스의 ID: 작업 영역
속성	[필수] 엔터티의 추가 특성입니다.	ScheduleProperties(필수)
형	리소스 종류	"Microsoft.MachineLearningServices/workspaces/schedules@2023-10-01"

MLFlowModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLFlowModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mlflow_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MLTableJobInput

이름	묘사	값
묘사	입력에 대한 설명입니다.	문자열
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MLTableJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'mltable'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

MonitorComputeConfigurationBase

이름	묘사	값
computeType	MonitorServerlessSparkCompute형식에 대해 'ServerlessSpark'로 설정합니다.	'ServerlessSpark'(필수)

MonitorComputeIdentityBase

이름	묘사	값
computeIdentityType	AmlTokenComputeIdentity형식에 대해 'AmlToken'으로 설정합니다. ManagedComputeIdentity형식 'ManagedIdentity'로 설정합니다.	'AmlToken' 'ManagedIdentity'(필수)

MonitorDefinition

이름	묘사	값
alertNotificationSettings	모니터의 알림 설정입니다.	MonitorNotificationSettings
computeConfiguration	[필수] 모니터링 작업을 실행할 컴퓨팅 리소스의 ARM 리소스 ID입니다.	MonitorComputeConfigurationBase (필수)
monitoringTarget	모니터가 대상으로 하는 엔터티입니다.	monitoringTarget
신호	[필수] 모니터링할 신호입니다.	MonitorDefinitionSignals(필수)

MonitorDefinitionSignals

이름	묘사	값

MonitorEmailNotificationSettings

이름	묘사	값
전자 메일	총 499자의 제한이 있는 전자 메일 받는 사람 목록입니다.	string[]

MonitoringFeatureFilterBase

이름	묘사	값
filterType	allFeatures형식에 대해 'AllFeatures'로 설정합니다. FeatureSubset형식에 대해 'FeatureSubset'로 설정합니다. TopNFeaturesByAttribution형식에 대해 'TopNByAttribution'으로 설정합니다.	'AllFeatures' 'FeatureSubset' 'TopNByAttribution'(필수)

MonitoringInputDataBase

이름	묘사	값
열	열 이름을 특수 용도로 매핑합니다.	monitoringInputDataBaseColumns
dataContext	데이터 원본의 컨텍스트 메타데이터입니다.	문자열
inputDataType	FixedInputData형식에 대해 'Fixed'로 설정합니다. RollingInputData형식 'Rolling'으로 설정합니다. StaticInputData형식에 대해 'Static'으로 설정합니다.	'수정됨' '롤링' 'Static'(필수)
jobInputType	[필수] 작업 유형을 지정합니다.	'custom_model' 'literal' 'mlflow_model' 'mltable' 'triton_model' 'uri_file' 'uri_folder'(필수)
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

MonitoringInputDataBaseColumns

이름	묘사	값

MonitoringSignalBase

이름	묘사	값
notificationTypes	이 신호의 현재 알림 모드입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'AmlNotification'
속성	속성 사전입니다. 속성을 추가할 수 있지만 제거하거나 변경할 수는 없습니다.	monitoringSignalBaseProperties
signalType	CustomMonitoringSignal형식에 대해 'Custom'으로 설정합니다. DataDriftMonitoringSignal형식에 대해 'DataDrift'로 설정합니다. DataQualityMonitoringSignal형식에 대해 'DataQuality'로 설정합니다. FeatureAttributionDriftMonitoringSignal형식에 대해 'FeatureAttributionDrift'로 설정합니다. PredictionDriftMonitoringSignal형식에 대해 'PredictionDrift'로 설정합니다.	'Custom' 'DataDrift' 'DataQuality' 'FeatureAttributionDrift' 'PredictionDrift'(필수)

MonitoringSignalBaseProperties

이름	묘사	값

MonitoringTarget

이름	묘사	값
deploymentId	이 모니터가 대상으로 하는 배포 자산에 대한 참조입니다.	문자열
modelId	이 모니터가 대상으로 하는 모델 자산에 대한 참조입니다.	문자열
taskType	[필수] 모니터링되는 모델의 기계 학습 작업 유형입니다.	'분류' '회귀'(필수)

MonitoringThreshold

이름	묘사	값
값	임계값입니다. null인 경우 집합 기본값은 메트릭 형식에 따라 달라집니다.	int

MonitorNotificationSettings

이름	묘사	값
emailNotificationSettings	AML 알림 전자 메일 설정입니다.	MonitorEmailNotificationSettings

MonitorServerlessSparkCompute

이름	묘사	값
computeIdentity	[필수] 서버리스 Spark에서 실행되는 Spark 작업에서 활용하는 ID 체계입니다.	MonitorComputeIdentityBase (필수)
computeType	[필수] 모니터링할 신호의 유형을 지정합니다.	'ServerlessSpark'(필수)
instanceType	[필수] Spark 작업을 실행하는 인스턴스 유형입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
runtimeVersion	[필수] Spark 런타임 버전입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = ^[0-9]+\.[0-9]+$(필수)

Mpi

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'Mpi'(필수)
processCountPerInstance	MPI 노드당 프로세스 수입니다.	int

NCrossValidations

이름	묘사	값
모드	AutoNCrossValidations형식에 대해 'Auto'로 설정합니다. CustomNCrossValidations형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

NlpVerticalFeaturizationSettings

이름	묘사	값
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열

NlpVerticalLimitSettings

이름	묘사	값
maxConcurrentTrials	최대 동시 AutoML 반복입니다.	int
maxTrials	AutoML 반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열

노드

이름	묘사	값
nodesValueType	AllNodes형식에 대해 'All'으로 설정합니다.	'All'(필수)

NumericalDataDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

NumericalDataQualityMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 데이터 품질 메트릭입니다.	'DataTypeErrorRate' 'NullValueRate' 'OutOfBoundsRate'(필수)

NumericalPredictionDriftMetricThreshold

이름	묘사	값
dataType	[필수] 메트릭 임계값의 데이터 형식을 지정합니다.	'Numerical'(필수)
메트릭	[필수] 계산할 숫자 예측 드리프트 메트릭입니다.	'젠슨샤논디스탄스' 'NormalizedWassersteinDistance' 'PopulationStabilityIndex' 'TwoSampleKolmogorovSmirnovTest'(필수)

목표

이름	묘사	값
골	[필수] 하이퍼 매개 변수 튜닝에 지원되는 메트릭 목표를 정의합니다.	'최대화' '최소화'(필수)
primaryMetric	[필수] 최적화할 메트릭의 이름입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

PipelineJob

이름	묘사	값
입력	파이프라인 작업에 대한 입력입니다.	pipelineJobInputs
작업	작업은 파이프라인 작업을 생성합니다.	pipelineJobJobs
jobType	[필수] 작업 유형을 지정합니다.	'Pipeline'(필수)
출력	파이프라인 작업에 대한 출력	PipelineJobOutputs
설정	ContinueRunOnStepFailure 등의 파이프라인 설정	any
sourceJobId	원본 작업의 ARM 리소스 ID입니다.	문자열

PipelineJobInputs

이름	묘사	값

PipelineJobJobs

이름	묘사	값

PipelineJobOutputs

이름	묘사	값

PredictionDriftMetricThresholdBase

이름	묘사	값
dataType	형식에 대해 '범주'로 설정합니다. numericalPredictionDriftMetricThreshold형식에 대해 'Numerical'로 설정합니다.	'범주' 'Numerical'(필수)
문지방	임계값입니다. null이면 선택한 메트릭에 따라 기본값이 설정됩니다.	MonitoringThreshold

PredictionDriftMonitoringSignal

이름	묘사	값
featureDataTypeOverride	기능 이름을 해당 데이터 형식에 매핑하는 사전입니다.	PredictionDriftMonitoringSignalFeatureDataTypeOverride
metricThresholds	[필수] 계산할 메트릭 및 관련 임계값 목록입니다.	PredictionDriftMetricThresholdBase[] (필수)
productionData	[필수] 드리프트가 계산될 데이터입니다.	monitoringInputDataBase (필수)
referenceData	[필수] 드리프트를 계산할 데이터입니다.	monitoringInputDataBase (필수)
signalType	[필수] 모니터링할 신호의 유형을 지정합니다.	'PredictionDrift'(필수)

PredictionDriftMonitoringSignalFeatureDataTypeOverride

이름	묘사	값

PyTorch

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'PyTorch'(필수)
processCountPerInstance	노드당 프로세스 수입니다.	int

QueueSettings

이름	묘사	값
jobTier	컴퓨팅 작업 계층을 제어합니다.	'기본' 'Null' '프리미엄' 'Spot' 'Standard'

RandomSamplingAlgorithm

이름	묘사	값
규칙	특정 유형의 임의 알고리즘	'Random' 'Sobol'
samplingAlgorithmType	[필수] 구성 속성과 함께 하이퍼 매개 변수 값을 생성하는 데 사용되는 알고리즘	'Random'(필수)
씨	난수 생성을 위한 시드로 사용할 선택적 정수입니다.	int

RecurrenceSchedule

이름	묘사	값
시간	[필수] 일정의 시간 목록입니다.	int[] (필수)
분	[필수] 일정의 시간(분) 목록입니다.	int[] (필수)
monthDays	일정의 월 일 목록	int[]
평일	일정의 일 수 목록입니다.	다음 중 어느 것을 포함하는 문자열 배열: '금요일' '월요일' '토요일' '일요일' '목요일' '화요일' '수요일'

RecurrenceTrigger

이름	묘사	값
빈도	[필수] 일정을 트리거하는 빈도입니다.	'Day' 'Hour' 'Minute' '월' 'Week'(필수)
간	[필수] 빈도와 함께 일정 간격을 지정합니다.	int(필수)
일정	되풀이 일정입니다.	RecurrenceSchedule
triggerType	[필수]	'되풀이'(필수)

회귀

이름	묘사	값
cvSplitColumnNames	CVSplit 데이터에 사용할 열입니다.	string[]
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	tableVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	tableVerticalLimitSettings
nCrossValidations	학습 데이터 세트에 적용할 교차 유효성 검사 접기 수 유효성 검사 데이터 세트가 제공되지 않으면 입니다.	NCrossValidations
primaryMetric	회귀 태스크에 대한 기본 메트릭입니다.	'NormalizedMeanAbsoluteError' 'NormalizedRootMeanSquaredError' 'R2Score' '스피어만코렐레이션'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'회귀'(필수)
testData	데이터 입력을 테스트합니다.	MLTableJobInput
testDataSize	유효성 검사를 위해 따로 설정해야 하는 테스트 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
trainingSettings	AutoML 작업의 학습 단계에 대한 입력입니다.	RegressionTrainingSettings
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput
validationDataSize	유효성 검사를 위해 따로 설정해야 하는 학습 데이터 세트의 비율입니다. (0.0, 1.0) 사이의 값 유효성 검사 데이터 세트가 제공되지 않을 때 적용됩니다.	int
weightColumnName	샘플 가중치 열의 이름입니다. 자동화된 ML은 가중 열을 입력으로 지원하여 데이터의 행에 가중치를 적용하거나 줄입니다.	문자열

RegressionTrainingSettings

이름	묘사	값
allowedTrainingAlgorithms	회귀 태스크에 허용되는 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
blockedTrainingAlgorithms	회귀 태스크에 대한 차단된 모델입니다.	다음 중 어느 것을 포함하는 문자열 배열: 'DecisionTree' 'ElasticNet' 'ExtremeRandomTrees' 'GradientBoosting' 'KNN' 'LassoLars' 'LightGBM' 'RandomForest' 'SGD' 'XGBoostRegressor'
enableDnnTraining	DNN 모델의 권장 사항을 사용하도록 설정합니다.	bool
enableModelExplainability	최상의 모델에서 설명 기능을 켜는 플래그입니다.	bool
enableOnnxCompatibleModels	onnx 호환 모델을 사용하도록 설정하기 위한 플래그입니다.	bool
enableStackEnsemble	스택 앙상블 실행을 사용하도록 설정합니다.	bool
enableVoteEnsemble	투표 앙상블 실행을 사용하도록 설정합니다.	bool
ensembleModelDownloadTimeout	VotingEnsemble 및 StackEnsemble 모델 생성 중에 이전 자식 실행의 여러 맞춤 모델이 다운로드됩니다. 더 많은 시간이 필요한 경우 이 매개 변수를 300초보다 높은 값으로 구성합니다.	문자열
stackEnsembleSettings	스택 앙상블 실행에 대한 스택 앙상블 설정입니다.	StackEnsembleSettings

ResourceBaseProperties

이름	묘사	값

ResourceBaseProperties

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceBaseTags

이름	묘사	값

ResourceConfigurationProperties

이름	묘사	값

RollingInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Rolling'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowOffset	[필수] 데이터 창의 끝과 모니터의 현재 런타임 사이의 시간 오프셋입니다.	string(필수)
windowSize	[필수] 롤링 데이터 창의 크기입니다.	string(필수)

SamplingAlgorithm

이름	묘사	값
samplingAlgorithmType	BayesianSamplingAlgorithm형식에 대해 'Bayesian'으로 설정합니다. GridSamplingAlgorithm형식에 대해 'Grid'로 설정합니다. RandomSamplingAlgorithm형식에 대해 'Random'으로 설정합니다.	'베이지안' 'Grid' 'Random'(필수)

ScheduleActionBase

이름	묘사	값
actionType	JobScheduleAction형식에 대해 'CreateJob'으로 설정합니다. CreateMonitorAction형식에 대해 'CreateMonitor'로 설정합니다. EndpointScheduleAction형식에 대해 'InvokeBatchEndpoint'로 설정합니다.	'CreateJob' 'CreateMonitor' 'InvokeBatchEndpoint'(필수)

ScheduleProperties

이름	묘사	값
행동	[필수] 일정의 동작을 지정합니다.	ScheduleActionBase(필수)
묘사	자산 설명 텍스트입니다.	문자열
displayName	일정의 표시 이름입니다.	문자열
isEnabled	일정이 활성화되어 있나요?	bool
속성	자산 속성 사전입니다.	ResourceBaseProperties
태그	태그 사전입니다. 태그를 추가, 제거 및 업데이트할 수 있습니다.	resourceBaseTags
방아쇠	[필수] 트리거 세부 정보를 지정합니다.	TriggerBase(필수)

계절

이름	묘사	값
모드	AutoSeasonality형식에 대해 'Auto'로 설정합니다. CustomSeasonality형식에 대해 'Custom'으로 설정합니다.	'Auto' 'Custom'(필수)

StackEnsembleSettings

이름	묘사	값
stackMetaLearnerKWargs	메타 학습자의 이니셜라이저에 전달할 선택적 매개 변수입니다.	any
stackMetaLearnerTrainPercentage	메타 학습자를 학습하기 위해 예약할 학습 집합의 비율(학습 및 학습 유효성 검사 유형을 선택할 때)을 지정합니다. 기본값은 0.2입니다.	int
stackMetaLearnerType	메타 학습자는 개별 이종 모델의 출력에 대해 학습된 모델입니다.	'ElasticNet' 'ElasticNetCV' 'LightGBMClassifier' 'LightGBMRegressor' 'LinearRegression' 'LogisticRegression' 'LogisticRegressionCV' 'None'

StaticInputData

이름	묘사	값
inputDataType	[필수] 모니터링할 신호의 유형을 지정합니다.	'Static'(필수)
preprocessingComponentId	데이터를 전처리하는 데 사용되는 구성 요소 자산에 대한 참조입니다.	문자열
windowEnd	[필수] 데이터 창의 종료 날짜입니다.	string(필수)
windowStart	[필수] 데이터 창의 시작 날짜입니다.	string(필수)

SweepJob

이름	묘사	값
earlyTermination	조기 종료 정책을 사용하면 완료하기 전에 성능이 저하된 실행을 취소할 수 있습니다.	earlyTerminationPolicy
입력	작업에 사용되는 입력 데이터 바인딩의 매핑입니다.	SweepJobInputs
jobType	[필수] 작업 유형을 지정합니다.	'Sweep'(필수)
제한	스윕 작업 제한입니다.	SweepJobLimits
목표	[필수] 최적화 목표입니다.	Objective(필수)
출력	작업에 사용되는 출력 데이터 바인딩의 매핑입니다.	SweepJobOutputs
queueSettings	작업에 대한 큐 설정	QueueSettings
samplingAlgorithm	[필수] 하이퍼 매개 변수 샘플링 알고리즘	SamplingAlgorithm(필수)
searchSpace	[필수] 각 매개 변수와 해당 분포를 포함하는 사전입니다. 사전 키는 매개 변수의 이름입니다.	any(필수)
재판	[필수] 평가판 구성 요소 정의입니다.	trialComponent (필수)

SweepJobInputs

이름	묘사	값

SweepJobLimits

이름	묘사	값
jobLimitsType	[필수] JobLimit 형식입니다.	'Command' 'Sweep'(필수)
maxConcurrentTrials	작업 최대 동시 평가판을 스윕합니다.	int
maxTotalTrials	스윕 작업 최대 총 평가판입니다.	int
타임 아웃	ISO 8601 형식의 최대 실행 기간이며, 그 후에 작업이 취소됩니다. 전체 자릿수가 초인 기간만 지원합니다.	문자열
trialTimeout	비우기 작업 평가판 시간 제한 값입니다.	문자열

SweepJobOutputs

이름	묘사	값

TableVerticalFeaturizationSettings

이름	묘사	값
blockedTransformers	이러한 변압기는 기능화에 사용되지 않습니다.	다음 중 어느 것을 포함하는 문자열 배열: 'CatTargetEncoder' 'CountVectorizer' 'HashOneHotEncoder' 'LabelEncoder' '나이브베이즈' 'OneHotEncoder' 'TextTargetEncoder' 'TfIdf' 'WoETargetEncoder' 'WordEmbedding'
columnNameAndTypes	열 이름 및 해당 형식(int, float, string, datetime 등)의 사전입니다.	TableVerticalFeaturizationSettingsColumnNameAndTypes
datasetLanguage	텍스트 데이터에 유용한 데이터 세트 언어입니다.	문자열
enableDnnFeaturization	데이터 기능화에 Dnn 기반 기능화기를 사용할지 여부를 결정합니다.	bool
모드	기능화 모드 - 사용자는 기본 '자동' 모드를 유지할 수 있으며 AutoML은 기능화 단계에서 필요한 데이터 변환을 처리합니다. '끄기'를 선택하면 기능화가 수행되지 않습니다. '사용자 지정'을 선택하면 사용자는 추가 입력을 지정하여 기능화를 수행하는 방법을 사용자 지정할 수 있습니다.	'Auto' 'Custom' 'Off'
transformerParams	사용자는 적용할 열 및 변환기 생성자에 대한 매개 변수와 함께 사용할 추가 변환기를 지정할 수 있습니다.	TableVerticalFeaturizationSettingsTransformerParams

TableVerticalFeaturizationSettingsColumnNameAndTypes

이름	묘사	값

TableVerticalFeaturizationSettingsTransformerParams

이름	묘사	값

TableVerticalLimitSettings

이름	묘사	값
enableEarlyTermination	조기 종료를 사용하도록 설정하고, 지난 20번의 반복에서 점수 개선이 없는 경우 AutoMLJob이 일찍 종료되는지 여부를 결정합니다.	bool
exitScore	AutoML 작업의 종료 점수입니다.	int
maxConcurrentTrials	최대 동시 반복입니다.	int
maxCoresPerTrial	반복당 최대 코어 수입니다.	int
maxTrials	반복 횟수입니다.	int
타임 아웃	AutoML 작업 시간 제한입니다.	문자열
trialTimeout	반복 시간 제한입니다.	문자열

TargetLags

이름	묘사	값
모드	AutoTargetLags형식에 대해 'Auto'로 설정합니다. CustomTargetLags형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TargetRollingWindowSize

이름	묘사	값
모드	AutoTargetRollingWindowSize형식에 대해 'Auto'로 설정합니다. CustomTargetRollingWindowSize형식에 대해 '사용자 지정'으로 설정합니다.	'Auto' 'Custom'(필수)

TensorFlow

이름	묘사	값
distributionType	[필수] 배포 프레임워크의 유형을 지정합니다.	'TensorFlow'(필수)
parameterServerCount	매개 변수 서버 작업의 수입니다.	int
workerCount	작업자 수입니다. 지정하지 않으면 기본값은 인스턴스 수입니다.	int

TextClassification

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
primaryMetric	Text-Classification 작업에 대한 기본 메트릭입니다.	'정확도' 'AUCWeighted' 'AveragePrecisionScoreWeighted' 'NormMacroRecall' 'PrecisionScoreWeighted'
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassification'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextClassificationMultilabel

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextClassificationMultilabel'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TextNer

이름	묘사	값
featurizationSettings	AutoML 작업에 필요한 기능화 입력입니다.	NlpVerticalFeaturizationSettings
limitSettings	AutoMLJob에 대한 실행 제약 조건입니다.	nlpVerticalLimitSettings
taskType	[필수] AutoMLJob의 작업 유형입니다.	'TextNER'(필수)
validationData	유효성 검사 데이터 입력입니다.	MLTableJobInput

TopNFeaturesByAttribution

이름	묘사	값
filterType	[필수] 메트릭을 계산할 기능을 선택할 때 활용할 기능 필터를 지정합니다.	'TopNByAttribution'(필수)
맨 위로	포함할 상위 기능의 수입니다.	int

TrialComponent

이름	묘사	값
codeId	코드 자산의 ARM 리소스 ID입니다.	문자열
명령	[필수] 작업을 시작할 때 실행할 명령입니다. 예. "python train.py"	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
분포	작업의 배포 구성입니다. 설정된 경우 Mpi, Tensorflow, PyTorch 또는 null 중 하나여야 합니다.	DistributionConfiguration
environmentId	[필수] 작업에 대한 환경 사양의 ARM 리소스 ID입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)
environmentVariables	작업에 포함된 환경 변수입니다.	trialComponentEnvironmentVariables
리소스	작업에 대한 컴퓨팅 리소스 구성입니다.	JobResourceConfiguration

TrialComponentEnvironmentVariables

이름	묘사	값

TriggerBase

이름	묘사	값
endTime	UTC 오프셋이 없는 ISO 8601에서 일정의 종료 시간을 지정합니다. https://en.wikipedia.org/wiki/ISO_8601참조하세요. 주석 처리된 형식은 "2022-06-01T00:00:01"입니다. 없는 경우 일정이 무기한 실행됩니다.	문자열
startTime	UTC 오프셋 없이 ISO 8601 형식으로 일정의 시작 시간을 지정합니다.	문자열
timeZone	일정이 실행되는 표준 시간대를 지정합니다. 표준 시간대는 Windows 표준 시간대 형식을 따라야 합니다. 참조: /windows-hardware/manufacture/desktop/default-time-zones?view=windows-11	문자열
triggerType	CronTrigger형식에 대해 'Cron'으로 설정합니다. RecurrenceTrigger형식에 대해 '되풀이'로 설정합니다.	'Cron' '되풀이'(필수)

TritonModelJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

TritonModelJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'triton_model'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

TruncationSelectionPolicy

이름	묘사	값
policyType	[필수] 정책 구성의 이름	'TruncationSelection'(필수)
truncationPercentage	각 평가 간격에서 취소할 실행의 백분율입니다.	int

UriFileJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFileJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_file'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UriFolderJobInput

이름	묘사	값
jobInputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	입력 자산 배달 모드입니다.	'Direct' '다운로드' 'EvalDownload' 'EvalMount' 'ReadOnlyMount' 'ReadWriteMount'
uri	[필수] 입력 자산 URI입니다.	문자열 제약 조건: 최소 길이 = 1 패턴 = [a-zA-Z0-9_](필수)

UriFolderJobOutput

이름	묘사	값
jobOutputType	[필수] 작업 유형을 지정합니다.	'uri_folder'(필수)
모드	출력 자산 배달 모드입니다.	'ReadWriteMount' '업로드'
uri	출력 자산 URI입니다.	문자열

UserAssignedIdentities

이름	묘사	값

UserAssignedIdentity

이름	묘사	값

UserIdentity

이름	묘사	값
identityType	[필수] ID 프레임워크의 형식을 지정합니다.	'UserIdentity'(필수)