Accéder au contenu principal Passer au contenu complémentaire

Création d'une connexion Databricks MLflow

Les connexions Databricks MLflow sont créées dans l'éditeur de chargement de données ou l'Éditeur de script.

Une fois que vous avez créé une connexion, vous pouvez sélectionner des données dans les tables disponibles pour les envoyer à Databricks MLflow à des fins de calculs, puis charger ces données dans votre application. Cette connexion peut être utilisée dans votre script de chargement de données et dans des expressions de graphique pour appeler des points de terminaison de modèle et effectuer des calculs d'expression de graphique en temps réel.

Vous devez connaître les paramètres et les informations d'identification d'accès au service Databricks MLflow auquel vous souhaitez vous connecter.

Paramètres configurables

Les paramètres suivants peuvent être configurés dans la boîte de dialogue Connexion :

Paramètres configurables dans la boîte de dialogue de connexion
Champ Description
Sélectionner la configuration

Configuration : Sélectionnez la version de Databricks MLflow utilisée par votre modèle. Les options suivantes sont disponibles :

  • MLflow 1.0 : Le modèle est créé via Databricks MLflow 1.x.

  • MLflow 2.0 : Le modèle est créé via Databricks MLflow 2.x.

    Note Informations Pour les modèles créés via Databricks MLflow 2.0 (versions 2.x), les données sont envoyées à Databricks au format JSON dataframe_split, qui est le format de prédilection des données structurées dans Databricks MLflow.
Modèle

Model URL : URL vers la plateforme Databricks MLflow sur laquelle le modèle Databricks MLflow est déployé.

Authentification

Fournit le jeton d'API Databricks.

Tous les modèles sur Databricks MLflow sont authentifiés avec l'authentification basée sur jeton Databricks activée. Cela nécessite la génération d'un jeton d'API ayant accès à la ressource du modèle.

Table de réponse

Name of Returned Table : Nom de la table renvoyée depuis le modèle d'apprentissage machine déployé.

Champs de réponse
  • Load all available fields : activez le chargement de tous les champs disponibles renvoyés par le point de terminaison d'apprentissage machine. Si vous désactivez ce paramètre, vous pourrez spécifier les champs de table et les valeurs à charger dans l'application.

    Lors du développement d'applications, il est recommandé de commencer par charger tous les champs renvoyés depuis le point de terminaison du modèle, puis de supprimer éventuellement les champs inutiles pour l'analyse dans l'application.

  • Table Fields (JMESPath) : Il est possible de spécifier les champs de table en ajoutant les valeurs suivantes :

    • Name : nom de la table qui sera chargée dans l'application.

    • Value : nom de la ligne de réponse du tableau de réponses JSON.

    Le langage de requête JMESPath peut être utilisé pour analyser le tableau de réponses JSON.

Association
  • Association Field : champ de la table de données d'entrée contenant un identificateur unique.

    Il est obligatoire d'inclure ce champ dans les données source lors du lancement d'une requête de point de terminaison pour que la table de résultats renvoyée soit associée à la table de champs source via une clé. Le champ désigné sera renvoyé sous forme de champ dans la réponse et permet l'association des prédictions aux données source du modèle de données. Il peut s'agir de n'importe quel champ avec un ID unique, provenant des données source ou faisant partie du processus de chargement de la table.

  • Send Association Field : lorsque cette option est sélectionnée, le champ spécifié comme le champ d'association sera renvoyé à Qlik Sense et inclus dans les champs envoyés au point de terminaison.

    Si le champ appartient aux données source et s'il est attendu par le modèle, il doit être envoyé au modèle via l'activation de Send Association Field.

Name Nom de la connexion. Si vous ne saisissez pas de nom, le nom par défaut sera utilisé.

Création d'une connexion

  1. Accédez au connecteur via l'éditeur de chargement de données ou l'Éditeur de script.

    Cliquez sur Créer une connexion et sélectionnez le connecteur Databricks MLflow dans la liste.

  2. Renseignez les champs de la boîte de dialogue de connexion.

  3. Cliquez sur Créer.

Votre connexion apparaît maintenant dans la liste sous Connexions de données dans l'Éditeur de chargement de données ou l'Éditeur de script.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !