öğretici: adanmış SQL havuzları için makine öğrenme modeli puanlama sihirbazı (önizleme)

tahmine dayalı makine öğrenimi modelleriyle verileri adanmış SQL havuzlarda kolayca zenginleştirme hakkında bilgi edinin. Veri bilimcilerinin oluşturmakta olduğu modeller artık tahmine dayalı analiz için veri uzmanlarına kolayca erişebilir. azure Synapse Analytics 'teki bir veri uzmanı, azure Synapse SQL havuzlarında dağıtım için Azure Machine Learning modeli kayıt defterinden bir model seçebilir ve verileri zenginleştirmek için tahminleri başlatabilir.

Bu öğreticide aşağıdakilerin nasıl yapılacağını öğreneceksiniz:

Azure aboneliğiniz yoksa başlamadan önce ücretsiz bir hesap oluşturun.

Önkoşullar

• varsayılan depolama alanı olarak yapılandırılmış bir Azure Data Lake Storage 2. depolama hesabıyla Azure Synapse Analytics çalışma alanı . birlikte çalıştığınız Data Lake Storage 2. dosya sisteminin Depolama Blob verileri katılımcısı olması gerekir.
• Azure Synapse Analytics çalışma alanınızda adanmış SQL havuzu. ayrıntılar için bkz. adanmış bir SQL havuzu oluşturma.
• Azure Synapse Analytics çalışma alanınızda bağlı hizmeti Azure Machine Learning. ayrıntılar için bkz. Azure Synapse 'de Azure Machine Learning bağlantılı hizmet oluşturma.

Azure portalında oturum açın

Azure portalında oturum açın.

Azure Machine Learning bir modeli eğitme

Başlamadan önce, sköğren sürümünüzün 0.20.3 olduğunu doğrulayın.

Not defterindeki tüm hücreleri çalıştırmadan önce, işlem örneğinin çalışıp çalışmadığını denetleyin.

1. Azure Machine Learning çalışma alanınıza gidin.

2. indirme tahmin nyc taxı İpuçları. ipynb'yi indirin.

3. Azure Machine Learning Studio'da Azure Machine Learning çalışma alanını açın.

4. not defterleri > Upload dosyalarına gidin. ardından, indirdiğiniz nyc taxı İpuçları. ipynb dosyasını seçip karşıya yükleyin.

5. Not defteri karşıya yüklenip açıldıktan sonra tüm hücreleri Çalıştır' ı seçin.

   Hücrelerden biri başarısız olabilir ve Azure 'da kimlik doğrulaması yapmanız istenir. Bunu hücre çıktılarında izleyin ve bağlantıyı izleyerek ve kodu girerek tarayıcınızda kimlik doğrulaması yapın. Ardından, Not defterini yeniden çalıştırın.

6. Not defteri bir ONNX modelini eğitecektir ve MLflow 'a kaydeder. Yeni modelin düzgün şekilde kaydedilip kaydedilmediği denetlemek için modeller ' e gidin.

7. Not defteri çalıştırıldığında, test verileri bir CSV dosyasına da dışarı aktarılacaktır. CSV dosyasını yerel sisteminize indirin. daha sonra, CSV dosyasını ayrılmış bir SQL havuzuna aktarır ve bu verileri kullanarak modeli test edersiniz.

   CSV dosyası, Not defteri dosyanız ile aynı klasörde oluşturulur. Hemen görmüyorsanız dosya Gezgini 'nde Yenile ' yi seçin.

   

SQL puanlama sihirbazıyla tahminleri başlatma

1. SYNAPSE Studio ile Azure SYNAPSE çalışma alanını açın.

2. verilere > bağlı > Depolama hesaplarına gidin. Upload test_data.csv varsayılan depolama hesabına gidin.

   

3. SQL betikleri geliştirmeye gidin. adanmış SQL havuzunuza yüklemek için yeni bir SQL betiği oluşturun test_data.csv .

IF NOT EXISTS (SELECT * FROM sys.objects WHERE NAME = 'nyc_taxi' AND TYPE = 'U')
CREATE TABLE dbo.nyc_taxi
(
    tipped int,
    fareAmount float,
    paymentType int,
    passengerCount int,
    tripDistance float,
    tripTimeSecs bigint,
    pickupTimeBin nvarchar(30)
)
WITH
(
    DISTRIBUTION = ROUND_ROBIN,
    CLUSTERED COLUMNSTORE INDEX
)
GO

COPY INTO dbo.nyc_taxi
(tipped 1, fareAmount 2, paymentType 3, passengerCount 4, tripDistance 5, tripTimeSecs 6, pickupTimeBin 7)
FROM '<URL to linked storage account>/test_data.csv'
WITH
(
    FILE_TYPE = 'CSV',
    ROWTERMINATOR='0x0A',
    FIELDQUOTE = '"',
    FIELDTERMINATOR = ',',
    FIRSTROW = 2
)
GO

SELECT TOP 100 * FROM nyc_taxi
GO

1. Veri > çalışma alanına gidin. adanmış SQL havuz tablosuna sağ tıklayarak SQL puanlama sihirbazını açın. > bir modelle tahmin Machine Learning seçin.

   Not

   Azure Machine Learning için oluşturulmuş bağlı bir hizmetiniz yoksa makine öğrenimi seçeneği görünmez. (Bu öğreticinin başındaki önkoşullara bakın.)

   

2. açılan kutuda bağlı bir Azure Machine Learning çalışma alanı seçin. bu adım, seçili Azure Machine Learning çalışma alanının model kayıt defterinden makine öğrenimi modellerinin bir listesini yükler. Şu anda yalnızca ONNX modelleri desteklenir, bu nedenle bu adım yalnızca ONNX modellerini görüntüler.

3. Az önce eğitilen modeli seçin ve ardından devam' ı seçin.

   

4. Tablo sütunlarını model girişleri ile eşleyin ve model çıkışlarını belirtin. Model MLflow biçiminde kaydedilirse ve model imzası doldurulduktan sonra, eşleme, adların benzerliğine göre bir mantık kullanılarak sizin için otomatik olarak yapılır. Arabirim ayrıca el ile eşlemeyi de destekler.

   Devam’ı seçin.

   

5. oluşturulan T-SQL kodu, saklı bir yordamın içine sarmalanır. Bu nedenle, bir saklı yordam adı sağlamanız gerekir. meta veriler (sürüm, açıklama ve diğer bilgiler) de dahil olmak üzere model ikili dosyası Azure Machine Learning ' den ayrılmış SQL havuz tablosuna fiziksel olarak kopyalanacaktır. Bu nedenle, modelin hangi tabloya kaydedileceğini belirtmeniz gerekir.

   Mevcut tablo veya Yeni oluştur seçeneklerinden birini belirleyebilirsiniz. işiniz bittiğinde modeli dağıtmak ve T-SQL tahmin betiği oluşturmak için modeli dağıt + betiği aç ' ı seçin.

   

6. Betik oluşturulduktan sonra, Puanlama yürütmek ve tahminleri almak için Çalıştır ' ı seçin.

   

Sonraki adımlar

• hızlı başlangıç: Azure 'da yeni Azure Machine Learning bağlantılı hizmet oluşturma Synapse
• Azure Synapse Analytics'te Makine Öğrenmesi özellikleri