# Tworzenie połączenia Azure ML

Połączenia Azure ML tworzy się w Edytorze ładowania danych.

Po utworzeniu połączenia można wybrać dane z dostępnych tabel, aby wysłać je do Azure ML w celu obliczeń, a następnie załadować te dane do swojej aplikacji. Tego połączenia można używać nie tylko w skrypcie ładowania danych, ale też w wyrażeniach wykresu, aby wywoływać punkty końcowe modelu i dokonywać obliczeń wyrażeń wykresu w czasie rzeczywistym.

Musisz znać ustawienia i poświadczenia dostępu do usługi Azure ML, z którą chcesz się połączyć.

## Konfigurowalne ustawienia

W oknie dialogowym połączeń można konfigurować następujące ustawienia:

Konfigurowalne ustawienia w oknie dialogowym połączeń

| Pole | Opis |
| --- | --- |
| Select configuration (Wybierz konfigurację) | Pozycja menu rozwijanego do wyboru konfiguracji, która określa modele Azure ML używane do prognoz modelu uczenia maszynowego.<br><br>Obsługiwane konfiguracje:<br><br><ul> <li> <p><span>Azure ML - Legacy Format</span> (Azure ML – starszy format): tej konfiguracji należy używać w przypadku modeli wdrożonych przed połową stycznia 2022 r., utworzonych za pomocą języka <span>Automated ML</span>, który oczekuje JSON w następującym formacie:</p> <pre><code>{    "data": [      {        &lt;field_list&gt;      }    ] }</code></pre> </li> <li> <p><span>Azure ML</span>: tej konfiguracji należy używać w przypadku modeli utworzonych za pomocą języka <span>Automated ML</span> lub funkcji <span>Designer </span>, która oczekuje JSON w następującym formacie:</p> <pre><code>{    "Inputs": {      "&lt;JSON_object_name&gt;(default is ‘data’)": [        {          &lt; field_list &gt;        }      ]    } } </code></pre> </li> </ul><br><br>InformacjaJeśli masz wątpliwości, której konfiguracji użyć, możesz ponownie wdrożyć swój model, a będzie on używał nowego formatu. |
| Endpoint Name (Nazwa punktu końcowego) | Nazwa punktu końcowego.<br><br>Nazwa punktu końcowego to identyfikator podawany dla punktu końcowego w Azure. Jest ona zwykle tworzona przez użytkownika, który konfiguruje punkt końcowy lub wdraża model. |
| Uwierzytelnianie | Udostępnia Klucz punktu końcowego uczenia maszynowego Azure.<br><br>Wszystkie modele w Azure są uwierzytelniane z włączoną funkcją uwierzytelniania opartą na kluczu Azure. Wymaga to wygenerowania klucza dostępu (podstawowego lub pomocniczego), który ma dostęp do zasobu modelu. |
| Żądanie | Web Service Input Name (Nazwa wejściowa usługi internetowej): nazwa obiektu JSON oczekiwana przez wdrożony model uczenia maszynowego. Należy ją zmienić, jeśli nazwa domyślna nie pasuje do formatu używanego przez model. |
| Tabela odpowiedzi | <ul> <li> <p><span>Name of Returned Table</span> (Nazwa zwracanej tabeli): nazwa zwracanej tabeli z wdrażanego modelu uczenia maszynowego.</p> </li> <li> <p><span>Table Path (JMESPath)</span> (Ścieżka tabelj (JMESPath): tabelę można określić, używając ścieżki tabeli JMES do wiersza prognoz w tablicy odpowiedzi JSON.</p> </li> </ul> |
| Pola odpowiedzi | <ul> <li> <p><span>Load all available fields</span> (Załaduj wszystkie dostępne pola): włącz ładowanie wszystkich dostępnych pól zwracanych przez punkt końcowy uczenia maszynowego. Wyłączenie tej opcji pozwoli określić pola tabeli i wartości do załadowania do aplikacji.</p> <p>Podczas tworzenia aplikacji zaleca się najpierw załadować wszystkie pola zwracane z punktu końcowego modelu, a następnie ewentualnie usunąć pola, które nie są potrzebne do analizy w aplikacji.</p> </li> <li> <p><span>Table Fields (JMESPath)</span> (Pola tabeli (JMESPath): pola tabeli można określić, dodając:</p> <ul> <li> <p>Nazwa: nazwa tabeli, która zostanie załadowana do aplikacji.</p> </li> <li> <p>Value: nazwa wiersza odpowiedzi w tablicy odpowiedzi JSON.</p> </li> </ul> <p>Do analizowania tablicy odpowiedzi JSON można użyć języka JMESPath.</p> </li> </ul> |
| Asocjacja | <ul> <li> <p><span>Association Field</span> (Pole asocjacji): pole z tabeli danych wejściowych zawierające unikatowy identyfikator.</p> <p>Pole to należy uwzględnić w danych źródłowych podczas tworzenia żądania punktu końcowego, aby zwrócona tabela wyników była powiązana z tabelą pól źródłowych przy użyciu klucza. Wyznaczone pole zostanie zwrócone jako pole w odpowiedzi i umożliwi powiązanie prognoz z danymi źródłowymi w modelu danych. Może to być dowolne pole z unikatowym identyfikatorem, pochodzące z danych źródłowych lub używane w ramach procesu ładowania tabeli.</p> </li> <li> <p><span>Send Association Field</span> (Wyślij pole asocjacji): po wybraniu pole określone jako pole asocjacji zostanie zwrócone do <span>Qlik Sense</span> i uwzględnione wśród pól wysyłanych do punktu końcowego</p> <p>Jeśli pole należy do danych źródłowych i jest oczekiwane przez model, należy je wysłać do modelu, włączając opcję <span>Wyślij pole asocjacji</span>.</p> </li> </ul> |
| Nazwa | Nazwa połączenia. Jeśli nie wprowadzisz nazwy, zostanie użyta nazwa domyślna. |

## Tworzenie nowego połączenia

Wykonaj następujące czynności:

1. Uzyskaj dostęp do łącznika za pomocą narzędzia Edytor ładowania danych lub Skrypt.

2. Kliknij polecenie Utwórz nowe połączenie.

3. W obszarze Przestrzeń wybierz przestrzeń, w której będzie się znajdować połączenie.

4. Wybierz Azure ML z listy łączników danych.

5. Wypełnij pola okna dialogowego połączenia.

6. Kliknij Utwórz.

Twoje połączenie jest teraz wyświetlane w obszarze Połączenia danych w narzędziu Edytor ładowania danych lub Skrypt.