تكامل استوديو التعلم الآلي (الكلاسيكي) في تحليلات البث
هام
سينتهي دعم Machine Learning Studio (classic) في 31 أغسطس 2024. نوصي بالانتقال إلى zure Machine Learning بحلول ذلك التاريخ.
اعتبارا من 1 ديسمبر 2021، لن تتمكن من إنشاء موارد استوديو التعلم الآلي (كلاسيكية) جديدة (مساحة العمل وخطة خدمة الويب). حتى 31 أغسطس 2024، يمكنك الاستمرار في استخدام تجارب استوديو التعلم الآلي (الكلاسيكية) الحالية وخدمات الويب.
- يمكنك الاطلاع على معلومات عن نقل مشاريع التعلم الآلي من ML Studio (classic) إلى Azure Machine Learning.
- تعرف على المزيد حول Azure Machine Learning
يتم الآن استبعاد وثائق ML Studio (classic) وقد لا يتم تحديثها في المستقبل.
يدعم Stream Analytics الوظائف التي يحددها المستخدم والتي تستدعي نقاط نهاية التعلم الآلي Studio (الكلاسيكية). يتم تفصيل دعم واجهة برمجة تطبيقات REST لهذه الميزة في مكتبة واجهة برمجة تطبيقات REST لتحليلات البث. توفر هذه المقالة المعلومات التكميلية اللازمة للتنفيذ الناجح لهذه الإمكانية في Stream Analytics. كما تم نشر برنامج تعليمي وهو متاح هنا.
نظرة عامة: مصطلحات استوديو التعلم الآلي (الكلاسيكية)
يوفر Microsoft التعلم الآلي Studio (الكلاسيكي) أداة سحب وإفلات تعاونية يمكنك استخدامها لإنشاء حلول التحليلات التنبؤية واختبارها ونشرها على بياناتك. تسمى هذه الأداة التعلم الآلي Studio (كلاسيكي)". يستخدم Studio (الكلاسيكي) للتفاعل مع موارد التعلم الآلي وبناء تصميمك واختباره وتكراره بسهولة. وترد أدناه هذه الموارد وتعاريفها.
- مساحة العمل: مساحة العمل عبارة عن حاوية تجمع جميع موارد التعلم الآلي الأخرى معا في حاوية للإدارة والتحكم.
- التجربة: يتم إنشاء التجارب من قبل علماء البيانات لاستخدام مجموعات البيانات وتدريب نموذج التعلم الآلي.
- نقطة النهاية: نقاط النهاية هي كائن Studio (الكلاسيكي) المستخدم لأخذ المعالم كمدخلات وتطبيق نموذج محدد للتعلم الآلي وإرجاع المخرجات المسجلة.
- خدمة تسجيل الويب: خدمة تسجيل النقاط على الويب هي مجموعة من نقاط النهاية كما هو مذكور أعلاه.
تحتوي كل نقطة نهاية على apis لتنفيذ الدفعات والتنفيذ المتزامن. يستخدم Stream Analytics التنفيذ المتزامن. تسمى الخدمة المحددة خدمة طلب/استجابة في استوديو التعلم الآلي (كلاسيكي).
موارد الاستوديو (الكلاسيكية) اللازمة لوظائف Stream Analytics
لأغراض معالجة مهام Stream Analytics، تعد نقطة نهاية الطلب/الاستجابة، وواجهة المستخدم، وتعريف التباهي ضرورية للتنفيذ الناجح. يحتوي Stream Analytics على نقطة نهاية إضافية تقوم بإنشاء عنوان URL لنقطة النهاية المتبجحة ، وتبحث عن الواجهة وتعرض تعريفا افتراضيا ل UDF للمستخدم.
تكوين UDF لتحليلات البث والاستوديو (الكلاسيكي) عبر واجهة برمجة تطبيقات REST
باستخدام واجهات برمجة تطبيقات REST ، يمكنك تكوين وظيفتك لاستدعاء وظائف Studio (الكلاسيكية). الخطوات هي كما يلي:
- إنشاء مشروع Stream Analytics
- تعريف إدخال
- تعريف الإخراج
- استخدام وظيفة معرفة بواسطة المستخدم (UDF)
- اكتب تحويلا في Stream Analytics يستدعي UDF
- بدء الوظيفة
إنشاء UDF مع الخصائص الأساسية
على سبيل المثال، يقوم نموذج التعليمات البرمجية التالي بإنشاء UDF رقمي يسمى newudf الذي يرتبط بنقطة نهاية استوديو التعلم الآلي (كلاسيكي). لاحظ أنه يمكن العثور على نقطة النهاية (عنوان URI للخدمة) في صفحة مساعدة واجهة برمجة التطبيقات للخدمة المختارة ويمكن العثور على apiKey في الصفحة الرئيسية للخدمات.
PUT : /subscriptions/<subscriptionId>/resourceGroups/<resourceGroup>/providers/Microsoft.StreamAnalytics/streamingjobs/<streamingjobName>/functions/<udfName>?api-version=<apiVersion>
مثال على نص الطلب:
{
"name": "newudf",
"properties": {
"type": "Scalar",
"properties": {
"binding": {
"type": "Microsoft.MachineLearning/WebService",
"properties": {
"endpoint": "https://ussouthcentral.services.azureml.net/workspaces/f80d5d7a77fb4b46bf2a30c63c078dca/services/b7be5e40fd194258796fb402c1958eaf/execute ",
"apiKey": "replacekeyhere"
}
}
}
}
}
استدعاء RetrieveDefaultDefinition نقطة النهاية ل UDF الافتراضي
بمجرد إنشاء الهيكل العظمي UDF ، هناك حاجة إلى التعريف الكامل ل UDF. تساعدك نقطة نهاية RetrieveDefaultDefinition في الحصول على التعريف الافتراضي لدالة رقمية مرتبطة بنقطة نهاية التعلم الآلي Studio (كلاسيكية). تتطلب الحمولة أدناه الحصول على تعريف UDF الافتراضي لدالة رقمية مرتبطة بنقطة نهاية Studio (كلاسيكية). لا يحدد نقطة النهاية الفعلية حيث تم توفيرها بالفعل أثناء طلب PUT. يستدعي Stream Analytics نقطة النهاية المقدمة في الطلب إذا تم توفيرها صراحة. وإلا فإنه يستخدم واحد المشار إليها في الأصل. هنا يأخذ UDF معلمة سلسلة واحدة (جملة) وإرجاع إخراج واحد من سلسلة النوع التي تشير إلى تسمية "المشاعر" لتلك الجملة.
POST : /subscriptions/<subscriptionId>/resourceGroups/<resourceGroup>/providers/Microsoft.StreamAnalytics/streamingjobs/<streamingjobName>/functions/<udfName>/RetrieveDefaultDefinition?api-version=<apiVersion>
مثال على نص الطلب:
{
"bindingType": "Microsoft.MachineLearning/WebService",
"bindingRetrievalProperties": {
"executeEndpoint": null,
"udfType": "Scalar"
}
}
ستبدو عينة من هذا الأمر كما لو كانت أدناه.
{
"name": "newudf",
"properties": {
"type": "Scalar",
"properties": {
"inputs": [{
"dataType": "nvarchar(max)",
"isConfigurationParameter": null
}],
"output": {
"dataType": "nvarchar(max)"
},
"binding": {
"type": "Microsoft.MachineLearning/WebService",
"properties": {
"endpoint": "https://ussouthcentral.services.azureml.net/workspaces/f80d5d7a77ga4a4bbf2a30c63c078dca/services/b7be5e40fd194258896fb602c1858eaf/execute",
"apiKey": null,
"inputs": {
"name": "input1",
"columnNames": [{
"name": "tweet",
"dataType": "string",
"mapTo": 0
}]
},
"outputs": [{
"name": "Sentiment",
"dataType": "string"
}],
"batchSize": 10
}
}
}
}
}
تصحيح UDF مع الاستجابة
الآن يجب تصحيح UDF مع الاستجابة السابقة ، كما هو موضح أدناه.
PATCH : /subscriptions/<subscriptionId>/resourceGroups/<resourceGroup>/providers/Microsoft.StreamAnalytics/streamingjobs/<streamingjobName>/functions/<udfName>?api-version=<apiVersion>
نص الطلب (الإخراج من RetrieveDefaultDefinition):
{
"name": "newudf",
"properties": {
"type": "Scalar",
"properties": {
"inputs": [{
"dataType": "nvarchar(max)",
"isConfigurationParameter": null
}],
"output": {
"dataType": "nvarchar(max)"
},
"binding": {
"type": "Microsoft.MachineLearning/WebService",
"properties": {
"endpoint": "https://ussouthcentral.services.azureml.net/workspaces/f80d5d7a77ga4a4bbf2a30c63c078dca/services/b7be5e40fd194258896fb602c1858eaf/execute",
"apiKey": null,
"inputs": {
"name": "input1",
"columnNames": [{
"name": "tweet",
"dataType": "string",
"mapTo": 0
}]
},
"outputs": [{
"name": "Sentiment",
"dataType": "string"
}],
"batchSize": 10
}
}
}
}
}
تنفيذ تحويل تحليلات البث لاستدعاء UDF
الآن استفسر عن UDF (المسمى هنا scoreTweet) لكل حدث إدخال واكتب ردا لهذا الحدث على مخرج.
{
"name": "transformation",
"properties": {
"streamingUnits": null,
"query": "select *,scoreTweet(Tweet) TweetSentiment into blobOutput from blobInput"
}
}
الحصول على المساعدة
لمزيد من المساعدة، جرب صفحة أسئلة Microsoft QA& الخاصة بنا ل Azure Stream Analytics