Выполнение конвейеров Машинного обучения Azure в Фабрике данных Azure и Synapse Analytics
ОБЛАСТЬ ПРИМЕНЕНИЯ: 
Фабрика данных Azure Azure Synapse Analytics
Совет
Попробуйте использовать фабрику данных в Microsoft Fabric, решение для аналитики с одним интерфейсом для предприятий. Microsoft Fabric охватывает все, от перемещения данных до обработки и анализа данных в режиме реального времени, бизнес-аналитики и отчетности. Узнайте, как бесплатно запустить новую пробную версию !
Конвейеры службы "Машинное обучение Azure" можно выполнять в качестве шага в конвейерах Фабрики данных Azure и Synapse Analytics. Действия выполнения конвейера в Машинном обучении позволяют осуществлять пакетное выполнение сценариев прогнозирования, таких как определение возможных невозвратов по займам, определение тональности и анализ шаблонов поведения клиентов.
В приведенном ниже шестиминутном видеоролике рассказывается об этой функции и представлена демонстрация ее возможностей.
Создание действия Execute Pipeline Машинного обучения с помощью пользовательского интерфейса
Чтобы использовать действие Execute Pipeline Машинного обучения в конвейере, выполните следующие действия.
Выполните поиск фразы Машинное обучение в области "Действия" конвейера и перетащите действие Execute Pipeline Машинного обучения на холст конвейера.
Выберите новое действие Execute Pipeline Машинного обучения на холсте, если оно еще не выбрано, и перейдите на вкладку Параметры, чтобы изменить сведения о нем.
Выберите существующую или создайте новую связанную службу Машинного обучения Azure. Укажите сведения о конвейере и эксперименте, а также все параметры конвейера и пути к данным, необходимые для конвейера.
Синтаксис
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Свойства типа
| Свойство | Description | Допустимые значения | Обязательное поле |
|---|---|---|---|
| name | Имя действия в конвейере. | Строка | Да |
| type | Тип действия — "AzureMLExecutePipeline" | Строка | Да |
| linkedServiceName | Связанная служба Машинного обучения Azure | Ссылка на связанную службу | Да |
| mlPipelineId | Идентификатор опубликованного конвейера Машинного обучения Azure | Строка (или выражение с типом результата "строка") | Да |
| experimentName | Имя эксперимента журнала выполнения конвейера Машинного обучения | Строка (или выражение с типом результата "строка") | No |
| mlPipelineParameters | Пары "ключ-значение", которые необходимо опубликовать на конечной точке конвейера Машинного обучения Azure. Ключ должен соответствовать именам параметров конвейера, определенным в опубликованном конвейере Машинного обучения. | Объект с парами "ключ-значение" (или выражение с объектом resultType) | No |
| mlParentRunId | Идентификатор родительского выполнения конвейера Машинного обучения Azure | Строка (или выражение с типом результата "строка") | No |
| dataPathAssignments | Словарь, используемый для изменения путей данных в Машинное обучение Azure. Включает переключение каналов данных | Объект с парами ключ-значение | No |
| continueOnStepFailure | Указание того, следует ли продолжать выполнение других шагов в рамках выполнения конвейера Машинного обучения, если шаг завершился сбоем | boolean | No |
Примечание.
Чтобы заполнить элементы раскрывающегося меню имени и идентификатора конвейера Машинного обучения, у пользователя должно быть разрешение на перечисление конвейеров ML. Пользовательский интерфейс вызывает интерфейсы API AzureMLService напрямую, используя учетные данные пользователя, вошедшего в систему. Время обнаружения для раскрывающихся элементов будет гораздо длиннее при использовании частных конечных точек.
Связанный контент
Ознакомьтесь со следующими ссылками, в которых описаны способы преобразования данных другими способами: