Gegevens van uw Machine Learning Service-werkruimte exporteren of verwijderen
In Azure Machine Learning kunt u uw werkruimtegegevens exporteren of verwijderen met de grafische portalinterface of de Python SDK. In dit artikel worden beide opties beschreven.
Notitie
Voor informatie over het weergeven of verwijderen van persoonlijke gegevens raadpleegt u algemene verzoeken van betrokkenen voor de AVG, Azure-verzoeken van betrokkenen voor de AVG of Verzoeken van Betrokkenen van Windows voor de AVG, afhankelijk van uw specifieke gebied en behoeften. Zie de AVG-sectie van het Microsoft Trust Center en de AVG-sectie van de Service Trust Portal voor algemene informatie over de AVG.
Notitie
Dit artikel bevat stappen voor het verwijderen van persoonlijke gegevens van het apparaat of de service. U kunt het ook gebruiken om uw verplichtingen met betrekking tot de AVG (Algemene Verordening Gegevensbescherming) na te komen. Zie voor algemene informatie over AVG de AVG-sectie van het Vertrouwenscentrum van Microsoft en de AVG-sectie van de Service Trust Portal.
Uw werkruimtegegevens beheren
Azure Machine Learning slaat in-productgegevens op die beschikbaar zijn voor exporteren en verwijderen. U kunt gegevens exporteren en verwijderen met Azure Machine Learning-studio, de CLI of de SDK. Daarnaast hebt u toegang tot telemetriegegevens via azure Privacy Portal.
In Azure Machine Learning bestaan persoonlijke gegevens uit gebruikersgegevens in taakgeschiedenisdocumenten.
Een Azure-werkruimte is afhankelijk van een resourcegroep voor het opslaan van de gerelateerde resources voor een Azure-oplossing. Wanneer u een werkruimte maakt, kunt u een bestaande resourcegroep gebruiken of een nieuwe maken. Ga naar deze resource voor meer informatie over Azure-resourcegroepen.
Resources op hoog niveau verwijderen met behulp van de portal
Wanneer u een werkruimte maakt, worden in Azure verschillende resources binnen de resourcegroep gemaakt:
- De werkruimte zelf
- Een opslagaccount
- Een containerregister
- Een Applications Insights-exemplaar
- Een sleutelkluis
Als u deze resources wilt verwijderen, selecteert u deze in de lijst en kiest u Verwijderen:
Belangrijk
Als de resource is geconfigureerd voor voorlopig verwijderen, worden de gegevens pas daadwerkelijk verwijderd als u er optioneel voor kiest om de resource permanent te verwijderen. Ga voor meer informatie naar deze bronnen:
Er wordt een bevestigingsdialoogvenster geopend, waarin u uw keuzes kunt bevestigen.
Documenten voor taakgeschiedenis kunnen persoonlijke gebruikersgegevens bevatten. Deze documenten worden opgeslagen in het opslagaccount in blobopslag, in /azureml submappen. U kunt de gegevens downloaden en verwijderen uit de portal. Selecteer eerst de Azure-services voor Opslagaccounts in Azure Portal, zoals wordt weergegeven in deze schermopname:
Selecteer op de pagina Opslagaccounts het relevante opslagaccount, zoals wordt weergegeven in deze schermopname:
Selecteer Containers , zoals wordt weergegeven in deze schermopname:
Selecteer een specifieke container, zoals wordt weergegeven in deze schermopname:
Selecteer en verwijder in die container de resource of resources die u wilt verwijderen, zoals wordt weergegeven in deze schermopname:
Machine learning-resources exporteren en verwijderen met behulp van Azure Machine Learning-studio
Azure Machine Learning-studio biedt een uniforme weergave van uw machine learning-resources, bijvoorbeeld gegevensassets, modellen, notebooks en taken. Azure Machine Learning-studio benadrukt het behoud van een record van uw gegevens en experimenten. U kunt rekenresources - pijplijnen en rekenresources - rechtstreeks in de browser verwijderen. Voor deze resources gaat u naar de betreffende resource en kiest u Verwijderen.
U kunt de registratie van gegevensassets en archieftaken ongedaan maken, maar met deze bewerkingen worden de gegevens niet verwijderd. Als u de gegevens volledig wilt verwijderen, moeten gegevensassets en taakgegevens op opslagniveau worden verwijderd. Verwijdering op opslagniveau vindt plaats in de portal, zoals eerder is beschreven. Azure Machine Learning-studio kan afzonderlijke verwijdering verwerken. Bij het verwijderen van de taak worden de gegevens van die taak verwijderd.
Artefact- en logboekdownloads van taken
Azure Machine Learning-studio kan het downloaden van trainingsartefacten en logboeken verwerken vanuit experimentele taken. Selecteer taken op de hoofdpagina van Azure Machine Learning-studio, zoals wordt weergegeven in deze schermopname:
Als u de beschikbare taken wilt weergeven, selecteert u het tabblad Alle taken , zoals wordt weergegeven in deze schermopname:
Selecteer een specifieke taak, zoals wordt weergegeven in deze schermopname:
Selecteer Alles downloaden, zoals wordt weergegeven in deze schermopname:
Een geregistreerd model downloaden
Als u een geregistreerd model wilt downloaden, selecteert u Modellen om de lijst met modellen te openen in Azure Machine Learning-studio en selecteert u vervolgens een specifiek model, zoals wordt weergegeven in deze schermopname:
Selecteer Alles downloaden om het downloadproces van het model te starten, zoals wordt weergegeven in deze schermopname:
Resources exporteren en verwijderen met behulp van de Python SDK
U kunt de uitvoer van een bepaalde taak downloaden met behulp van:
# Retrieved from Azure Machine Learning web UI
run_id = 'aaaaaaaa-bbbb-cccc-dddd-0123456789AB'
experiment = ws.experiments['my-experiment']
run = next(run for run in ex.get_runs() if run.id == run_id)
metrics_output_port = run.get_pipeline_output('metrics_output')
model_output_port = run.get_pipeline_output('model_output')
metrics_output_port.download('.', show_progress=True)
model_output_port.download('.', show_progress=True)
U kunt deze machine learning-resources verwijderen met de Python SDK:
| Type | Functieoproep | Opmerkingen |
|---|---|---|
Workspace |
delete |
Gebruiken delete-dependent-resources om de verwijdering trapsgewijs te verwijderen |
Model |
delete |
|
ComputeTarget |
delete |
|
WebService |
delete |