데이터 입력 및 출력

참고

적용 대상: Machine Learning Studio (클래식)

이 콘텐츠는 Studio (클래식)에만 해당 됩니다. Azure Machine Learning 디자이너에는 비슷한 끌어서 놓기 모듈이 추가 되었습니다. 이 문서에서는 두 가지 버전을 비교 하는방법에 대해 자세히 알아보세요.

이 문서에서는 Azure Machine Learning Studio (클래식)에서 데이터 및 모델을 가져오고 내보내는 데 사용할 수 있는 모듈을 나열 합니다.

모듈을 사용 하는 것 외에도 컴퓨터 또는 네트워크의 로컬 파일에서 데이터 집합을 직접 업로드 하 고 다운로드할 수 있습니다. 자세한 내용은 Azure Machine Learning 실험에 기존 데이터 업로드를 참조 하세요.

Machine Learning Studio (클래식)에서 데이터 및 모델을 가져오고 내보내는 데 사용할 수 있는 몇 가지 원본은 다음과 같습니다.

  • 클라우드의 원본 (예: Azure SQL Database, Azure SQL Data Warehouse, Azure Storage 및 Azure Cosmos DB)에서 데이터를 가져옵니다. 또한 공용 웹 URL로 제공 되는 데이터를 가져오거나, Hive 쿼리를 사용 하 여 Hadoop에서 데이터를 가져오거나, 온-프레미스 SQL server를 쿼리할 수 있습니다.
  • Azure Blob storage에서 이미지 컬렉션을 로드 하 여 이미지 분류 작업에 사용 합니다.
  • Machine Learning에 업로드 한 압축 파일에서 데이터를 추출 합니다. 실험에서 데이터 집합을 사용할 수 있습니다.
  • Machine Learning Studio (클래식) UI를 입력 하 여 작은 데이터 집합을 만듭니다. 이는 작은 테스트 데이터 집합을 만드는 데 유용할 수 있습니다.
  • 결과 또는 중간 데이터를 Azure Table storage, Blob storage, SQL database 또는 Hive 쿼리에 저장 합니다.
  • URL 또는 Blob 저장소에서 학습 된 모델을 가져온 다음 실험에서 사용 합니다.

참고

이 그룹의 모듈은 Machine Learning Studio (클래식) 간에만 데이터를 이동 합니다. 가져오기 또는 내보내기 프로세스 중에는 모듈을 사용 하 여 데이터를 필터링, 캐스팅 또는 변환할 수 없습니다.

Machine Learning Studio (클래식)에서 데이터를 변환 하 고 필터링 하는 방법에 대 한 자세한 내용은 데이터 변환을 참조 하세요.

리소스

다음 문서에서는 기계 학습에서 일반적인 데이터 시나리오를 소개 합니다.

시작하기

클라우드에서 기계 학습에 대 한 데이터를 관리 하는 방법을 알아봅니다. 이 문서의 정보는 업계 표준인 선명한 DM을 기반으로 합니다. 이 문서에서는 Azure HDInsight 및 SQL Database와 같은 클라우드 데이터 솔루션과 machine learning을 통합 하는 방법을 보여 주는 종단 간 연습을 제공 합니다.

이 문서에서는 데이터를 Azure로 가져온 다음 실험을 만드는 방법을 설명 합니다.

고급 데이터 과학

Machine Learning Python 클라이언트 라이브러리를 설치 하 고이를 사용 하 여 메타 데이터에 액세스 하 고 데이터 집합으로 작업 하는 방법을 알아봅니다.

샘플 실험

모듈 목록

데이터 입력 및 출력 범주에는 다음 모듈이 포함 됩니다.

  • 수동으로 데이터 입력: 값을 입력 하 여 작은 데이터 집합을 만들 수 있습니다.
  • 데이터 내보내기: Azure에서 테이블, BLOB 또는 SQL database와 같은 다양 한 형식의 클라우드 기반 저장소 나 웹 url에 데이터 집합을 작성 합니다.
  • 데이터 가져오기: 테이블 저장소, Blob storage, SQL Database, SQL Data Warehouse, Azure Cosmos DB 또는 Hive 쿼리와 같은 Azure의 다양 한 형태의 클라우드 기반 저장소 및 웹의 외부 원본에서 데이터를 로드 합니다. 온-프레미스 SQL Server 데이터베이스에서 데이터를 가져올 수도 있습니다.
  • 학습 된 모델 로드: 점수 매기기 실험에 사용할 URL 또는 Blob 저장소에서 학습 된 모델을 가져옵니다.
  • 압축 된 데이터 집합 압축 풀기: 압축 된 형식으로 저장 된 데이터 집합의 압축을 푼 다음 작업 영역에 데이터 집합을 추가 합니다.

참고 항목