다음을 통해 공유

데이터 입력 및 출력

  • 아티클

중요

Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.

2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.

ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.

참고

적용 대상: Machine Learning Studio(클래식) 전용

유사한 끌어서 놓기 모듈은 Azure Machine Learning 디자이너에서 사용할 수 있습니다.

이 문서에서는 Machine Learning Studio(클래식)에서 데이터 및 모델을 가져오고 내보내는 데 사용할 수 있는 모듈을 나열합니다.

모듈을 사용하는 것 외에도 컴퓨터 또는 네트워크의 로컬 파일에서 데이터 세트를 직접 업로드하고 다운로드할 수 있습니다. 자세한 내용은 기존 데이터를 Machine Learning 실험에 업로드 참조하세요.

다음은 Machine Learning Studio(클래식)에서 데이터 및 모델을 가져오고 내보내는 데 사용할 수 있는 몇 가지 원본입니다.

  • Azure SQL Database, Azure SQL Data Warehouse, Azure Storage 및 Azure Cosmos DB와 같은 클라우드의 원본에서 데이터를 가져옵니다. 공용 웹 URL로 제공된 데이터를 가져오거나, Hive 쿼리를 사용하여 Hadoop에서 데이터를 가져오거나, 온-프레미스 SQL 서버를 쿼리할 수도 있습니다.
  • 이미지 분류 작업에 사용할 Azure Blob Storage에서 이미지 컬렉션을 로드합니다.
  • Machine Learning 업로드한 압축 파일에서 데이터를 추출합니다. 실험에서 데이터 세트를 사용할 수 있습니다.
  • Machine Learning Studio(클래식) UI를 입력하여 작은 데이터 세트를 만듭니다. 이 기능은 작은 테스트 데이터 세트를 만드는 데 유용할 수 있습니다.
  • 결과 또는 중간 데이터를 Azure Table Storage, Blob Storage, SQL 데이터베이스 또는 Hive 쿼리에 저장합니다.
  • URL 또는 Blob Storage에서 학습된 모델을 가져와 실험에서 사용합니다.

참고

이 그룹의 모듈은 Machine Learning Studio(클래식)에서만 데이터를 이동합니다. 가져오기 또는 내보내기 프로세스 중에는 모듈을 사용하여 데이터를 필터링, 캐스팅 또는 변환할 수 없습니다.

Machine Learning Studio(클래식)에서 데이터를 변환하고 필터링하는 방법에 대한 자세한 내용은 데이터 변환을 참조하세요.

리소스

다음 문서에서는 기계 학습의 일반적인 데이터 시나리오를 소개합니다.

시작하기

클라우드에서 기계 학습을 위한 데이터를 관리하는 방법을 알아봅니다. 이 문서의 정보는 업계 표준인 CRISP-DM을 기반으로 합니다. 이 문서에서는 Azure HDInsight 및 SQL Database 같은 클라우드 데이터 솔루션과 기계 학습의 통합을 보여 주는 엔드 투 엔드 연습을 제공합니다.

이 문서에서는 Azure로 데이터를 가져와서 실험을 만드는 방법을 설명합니다.

고급 데이터 과학

Machine Learning Python 클라이언트 라이브러리를 설치한 다음 이를 사용하여 메타데이터에 액세스하고 데이터 세트를 사용하는 방법을 알아봅니다.

샘플 실험

모듈 목록

데이터 입력 및 출력 범주에는 다음 모듈이 포함됩니다.

  • 수동으로 데이터 입력: 값을 입력하여 작은 데이터 세트를 만들 수 있습니다.
  • 데이터 내보내기: 데이터 세트를 웹 URL 또는 테이블, Blob 또는 SQL 데이터베이스와 같은 Azure의 다양한 형태의 클라우드 기반 스토리지에 씁니다.
  • 데이터 가져오기: Table Storage, Blob Storage, SQL Database, SQL Data Warehouse, Azure Cosmos DB 또는 Hive 쿼리와 같은 다양한 형태의 Azure 클라우드 기반 스토리지와 웹의 외부 원본에서 데이터를 로드합니다. 온-프레미스 SQL Server 데이터베이스에서 데이터를 가져올 수도 있습니다.
  • 학습된 모델 로드: 점수 매기기 실험에 사용할 URL 또는 Blob Storage에서 학습된 모델을 가져옵니다.
  • 압축된 데이터 세트 압축 풀기: 압축된 형식으로 저장된 데이터 세트의 압축을 풀고 작업 영역에 데이터 세트를 추가합니다.

참고 항목