Esportare o eliminare i dati dell'area di lavoro nel servizio Machine Learning

Articolo
03/21/2024

In Azure Machine Learning è possibile esportare o eliminare i dati dell'area di lavoro con l'interfaccia grafica del portale o Python SDK. Questo articolo descrive entrambe le opzioni.

Nota

Per informazioni su come visualizzare o eliminare dati personali, vedere Richieste del soggetto dei dati per il GDPR in Azure. Per altre informazioni sul GDPR, vedere la sezione GDPR del Centro protezione Microsoft e la sezione GDPR di Service Trust Portal.

Nota

Questo articolo illustra le procedure per l'eliminazione dei dati personali dal dispositivo o dal servizio e può essere usato per adempiere gli obblighi del Regolamento generale sulla protezione dei dati (GDPR). Per informazioni generali sul GDPR, vedi la sezione GDPR del Centro protezione Microsoft e la sezione GDPR del Service Trust Portal.

Controllare i dati dell'area di lavoro

I dati nel prodotto archiviati da Azure Machine Learning sono disponibili per l'esportazione e l'eliminazione. È possibile esportare ed eliminare dati con lo studio di Azure Machine Learning, l'interfaccia della riga di comando e l'SDK. È anche possibile accedere ai dati di telemetria tramite il portale per la privacy di Azure.

In Azure Machine Learning i dati personali sono costituiti da informazioni utente nei documenti della cronologia dei processi.

Un'area di lavoro di Azure si basa su un gruppo di risorse per contenere le risorse correlate per una soluzione di Azure. Quando si crea un'area di lavoro, è possibile usare un gruppo di risorse esistente o crearne uno nuovo. Per altre informazioni sui gruppi di risorse di Azure, vedere questa pagina.

Eliminare le risorse di alto livello usando il portale

Quando si crea un'area di lavoro, Azure crea diverse risorse all'interno del gruppo di risorse:

L'area di lavoro stessa
Un account di archiviazione
Un registro contenitori
Un'istanza di Applications Insights
Un insieme di credenziali delle chiavi

Per eliminare queste risorse, selezionarle dall'elenco e scegliere Elimina:

Importante

Se la risorsa è configurata per l'eliminazione temporanea, i dati non verranno effettivamente eliminati, a meno che non si selezioni facoltativamente di eliminare la risorsa in modo permanente. Per altre informazioni, vedere gli articoli seguenti:

Verrà visualizzata una finestra di dialogo di conferma, in cui è possibile confermare le scelte.

I documenti della cronologia dei processi possono contenere informazioni personali sull'utente. Questi documenti vengono archiviati nell'account di Archiviazione BLOB in sottocartelle /azureml. È possibile scaricare ed eliminare i dati dal portale.

Esportare ed eliminare risorse di apprendimento automatico con lo studio di Azure Machine Learning

Lo studio di Azure Machine Learning offre una visualizzazione unificata delle risorse di apprendimento automatico, ad esempio notebook, asset di dati, modelli e processi. Lo studio di Azure Machine Learning presta particolare attenzione alla conservazione di un record dei dati e degli esperimenti. È possibile eliminare le risorse di calcolo, ovvero le pipeline e le risorse di calcolo, direttamente nel browser. Per queste risorse passare alla risorsa specifica e scegliere Elimina.

È possibile annullare la registrazione degli asset di dati e dei processi di archiviazione, ma queste operazioni non eliminano i dati. Per rimuovere completamente i dati, è necessario eliminare gli asset di dati e i dati del processo a livello di archiviazione. L'eliminazione a livello di archiviazione viene eseguita nel portale, come descritto in precedenza. Lo studio di Azure Machine Learning può gestire l'eliminazione singola. L'eliminazione del processo elimina i dati del processo.

Lo studio di Azure Machine Learning può gestire i download degli artefatti di training dai processi sperimentali. Scegliere il Processo pertinente. Scegliere Output e log e passare agli elementi specifici da scaricare. Scegliere ... e Scarica oppure selezionare Scarica tutto.

Per scaricare un modello registrato, passare a Modello e scegliere Scarica.

Esportare ed eliminare risorse con Python SDK

È possibile scaricare gli output di un processo specifico usando:

# 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)

È possibile eliminare le risorse di apprendimento automatico seguenti usando Python SDK:

Type	Chiamata di funzione	Note
`Workspace`	`delete`	Usare `delete-dependent-resources` per propagare a catena l'eliminazione
`Model`	`delete`
`ComputeTarget`	`delete`
`WebService`	`delete`

Passaggi successivi

Altre informazioni sulla Gestione di un'area di lavoro.

Condividi tramite