Compartilhar via

Executar os pipelines do Azure Machine Learning no Azure Data Factory e no Synapse Analytics

  • Artigo

APLICA-SE A: Azure Data Factory Azure Synapse Analytics

Dica

Experimente o Data Factory no Microsoft Fabric, uma solução de análise tudo-em-um para empresas. O Microsoft Fabric abrange desde movimentação de dados até ciência de dados, análise em tempo real, business intelligence e relatórios. Saiba como iniciar uma avaliação gratuita!

Execute os pipelines do Azure Machine Learning com etapa nos pipelines do Azure Data Factory e do Synapse Analytics. O Machine Learning atividade Execute Pipeline permite cenários de previsão em lote, como identificar possíveis padrões de empréstimo, determinar sentimento e analisar padrões de comportamento do cliente.

O vídeo abaixo apresenta uma introdução de seis minutos e uma demonstração desse recurso.

Criar uma atividade Execute Pipeline de Machine Learning com a interface do usuário

Para usar um atividade Execute Pipeline de Machine Learning em um pipeline, siga estas etapas:

  1. Procure Machine Learning no painel Atividades do pipeline e arraste uma atividade Execute Pipeline de Machine Learning para a tela do pipeline.

  2. Selecione a nova atividade Execute Pipeline de Machine Learning na tela, se ainda não estiver selecionada, e a guia Configurações para editar os detalhes.

    Exibe a interface do usuário de uma atividade Execute Pipeline de Machine Learning.

  3. Selecione ou crie um serviço vinculado do Azure Machine Learning e forneça detalhes do pipeline e do experimento e os demais parâmetros de pipeline ou atribuições de caminho de dados necessárias para o pipeline.

Sintaxe

{
    "name": "Machine Learning Execute Pipeline",
    "type": "AzureMLExecutePipeline",
    "linkedServiceName": {
        "referenceName": "AzureMLService",
        "type": "LinkedServiceReference"
    },
    "typeProperties": {
        "mlPipelineId": "machine learning pipeline ID",
        "experimentName": "experimentName",
        "mlPipelineParameters": {
            "mlParameterName": "mlParameterValue"
        }
    }
}

Propriedades de tipo

Propriedade Descrição Valores permitidos Obrigatório
name Nome da atividade no pipeline String Sim
type O tipo de atividade é 'AzureMLExecutePipeline' String Sim
linkedServiceName Serviço vinculado do Azure Machine Learning Referência de serviço vinculado Sim
mlPipelineId ID do pipeline Azure Machine Learning publicado Cadeia de caracteres (ou expressão com um resultType de cadeia de caracteres) Sim
experimentName Nome do experimento de histórico de Machine Learning de teste Cadeia de caracteres (ou expressão com um resultType de cadeia de caracteres) Não
mlPipelineParameters Pares de chave/valor a serem passados ao ponto de extremidade do Serviço do Azure Machine Learning publicado. As chaves devem corresponder aos nomes dos parâmetros do pipeline definidos no pipeline do Azure Machine Learning Studio publicado Objeto com pares chave-valor (ou Expressão com objeto resultType) No
mlParentRunId A ID de Azure Machine Learning pipeline pai Cadeia de caracteres (ou expressão com um resultType de cadeia de caracteres) Não
dataPathAssignments Dicionário usado para alterar caminhos de dados no Azure Machine Learning. Habilita a comutação de caminhos de dados Objeto com pares de valor da chave No
continueOnStepFailure Opção que define se a execução de outras etapas deverá prosseguir na execução de pipeline do Machine Learning caso uma etapa falhe booleano No

Observação

Para preencher os itens suspensos Machine Learning nome e ID do pipeline, o usuário precisa ter permissão para listar pipelines de ML. A interface do usuário chama as APIs do AzureMLService diretamente usando as credenciais do usuário conectado. O tempo de descoberta dos itens suspensos seria muito maior ao usar pontos de extremidade privados.

Conteúdo relacionado

Consulte os seguintes artigos que explicam como transformar dados de outras maneiras: