Azure Data Factory ve Synapse Analytics'te Azure Machine Learning işlem hatlarını yürütme
UYGULANANLAR: 
Azure Data Factory Azure Synapse Analytics
İpucu
Kuruluşlar için hepsi bir arada analiz çözümü olan Microsoft Fabric'te Data Factory'yi deneyin. Microsoft Fabric , veri taşımadan veri bilimine, gerçek zamanlı analize, iş zekasına ve raporlamaya kadar her şeyi kapsar. Yeni bir deneme sürümünü ücretsiz olarak başlatmayı öğrenin!
Azure Data Factory ve Synapse Analytics işlem hatlarınızdaki bir adım olarak Azure Machine Learning işlem hatlarınızı çalıştırın. Machine Learning İşlem Hattı Yürütme etkinliği olası kredi varsayılanlarını belirleme, yaklaşım belirleme ve müşteri davranışı desenlerini analiz etme gibi toplu tahmin senaryolarını etkinleştirir.
Aşağıdaki videoda bu özelliğin altı dakikalık giriş ve tanıtım bilgileri yer alır.
Kullanıcı arabirimiyle Machine Learning İşlem Hattı Yürütme etkinliği oluşturma
Machine Learning İşlem Hattı Yürütme etkinliğini bir işlem hattında kullanmak için aşağıdaki adımları tamamlayın:
İşlem hattı Etkinlikleri bölmesinde Machine Learning'i arayın ve bir Machine Learning İşlem Hattı Yürütme etkinliğini işlem hattı tuvaline sürükleyin.
Tuvalde henüz seçili değilse yeni Machine Learning İşlem Hattı Yürütme etkinliğini ve ayrıntılarını düzenlemek için Ayarlar sekmesini seçin.
Mevcut bir Azure Machine Learning bağlı hizmetini seçin veya yeni bir Azure Machine Learning bağlı hizmeti oluşturun, işlem hattı ve denemenin ayrıntılarını ve işlem hattı için gereken işlem hattı parametrelerini veya veri yolu atamalarını sağlayın.
Sözdizimi
{
"name": "Machine Learning Execute Pipeline",
"type": "AzureMLExecutePipeline",
"linkedServiceName": {
"referenceName": "AzureMLService",
"type": "LinkedServiceReference"
},
"typeProperties": {
"mlPipelineId": "machine learning pipeline ID",
"experimentName": "experimentName",
"mlPipelineParameters": {
"mlParameterName": "mlParameterValue"
}
}
}
Tür özellikleri
| Özellik | Açıklama | İzin verilen değerler | Zorunlu |
|---|---|---|---|
| Adı | İşlem hattındaki etkinliğin adı | String | Yes |
| Tür | Etkinlik türü: 'AzureMLExecutePipeline' | String | Yes |
| linkedServiceName | Azure Machine Learning'e Bağlı Hizmet | Bağlı hizmet başvurusu | Yes |
| mlPipelineId | Yayımlanan Azure Machine Learning işlem hattının kimliği | Dize (veya dizenin resultType değeriyle ifade) | Yes |
| experimentName | Machine Learning işlem hattı çalıştırmasının çalıştırma geçmişi deneme adı | Dize (veya dizenin resultType değeriyle ifade) | Hayır |
| mlPipelineParameters | Anahtar, Yayımlanan Azure Machine Learning işlem hattı uç noktasına geçirilecek değer çiftleri. Anahtarlar, yayımlanan Machine Learning işlem hattında tanımlanan işlem hattı parametrelerinin adlarıyla eşleşmelidir | Anahtar değer çiftlerine sahip nesne (veya resultType nesnesiyle ifade) | Hayır |
| mlParentRunId | Üst Azure Machine Learning işlem hattı çalıştırma kimliği | Dize (veya dizenin resultType değeriyle ifade) | Hayır |
| dataPathAssignments | Azure Machine Learning'de veri yollarını değiştirmek için kullanılan sözlük. Veri yollarının geçişini etkinleştirir | Anahtar değer çiftlerine sahip nesne | Hayır |
| continueOnStepFailure | Bir adım başarısız olursa Machine Learning işlem hattındaki diğer adımların yürütülmesine devam edilip edilmeyeceği | boolean | Hayır |
Not
Machine Learning işlem hattı adı ve kimliğindeki açılan öğeleri doldurmak için kullanıcının ML işlem hatlarını listeleme iznine sahip olması gerekir. Kullanıcı arabirimi, oturum açmış kullanıcının kimlik bilgilerini kullanarak AzureMLService API'lerini doğrudan çağırır. Özel Uç Noktalar kullanılırken açılan öğelerin bulma süresi çok daha uzun olacaktır.
İlgili içerik
Verileri başka şekillerde dönüştürmeyi açıklayan aşağıdaki makalelere bakın: