Ir para conteúdo principal Pular para conteúdo complementar

Criando uma conexão Azure ML

Conexões Azure ML são criadas no editor de carregamento de dados.

Depois de criar uma conexão, você pode selecionar dados das tabelas disponíveis para enviar ao Azure ML para cálculos e, em seguida, carregar esses dados em seu aplicativo. Essa conexão pode ser usada não apenas em seu script de carregamento de dados, mas também em expressões de gráfico para chamar terminais de modelo e executar cálculos de expressão de gráfico em tempo real.

Você deve conhecer as configurações e as credenciais de acesso para o serviço Azure ML ao qual deseja se conectar.

Configurações definíveis

As seguintes configurações podem ser definidas na caixa de diálogo de conexão:

Configurações definíveis na caixa de diálogo de conexão
Campo Descrição
Selecione a configuração

Item de menu suspenso para selecionar a configuração que determina quais modelos do Azure ML devem ser usados para previsões de modelos de aprendizado de máquina.

Configurações compatíveis:

  • Azure ML - Formato legadl: essa configuração deve ser usada para os modelos implementados antes de meados de janeiro de 2022 que foram criados usando o Automated ML, que espera o JSON no seguinte formato:

    {    "data": [      {        <field_list>      }    ] }
  • Azure ML: essa configuração deve ser usada para os modelos que são criados usando o Automated ML ou o Designer , que espera o JSON no seguinte formato:

    {    "Inputs": {      "<JSON_object_name>(default is ‘data’)": [        {          < field_list >        }      ]    } }
Nota informativaSe estiver em dúvida sobre qual configuração usar, poderá reimplementar seu modelo, e ele usará o novo formato.
Nome do terminal

Nome do endpoint.

O nome do endpoint é o identificador fornecido para o endpoint na Azure. Isso geralmente é criado pelo usuário que configura o endpoint ou implanta um modelo.

Autenticação

Fornece a Chave de endpoint do Azure ML.

Todos os modelos no Azure são autenticados com a autenticação baseada em chave do Azure habilitada. Isso requer uma chave de acesso (chave primária ou secundária) gerada que tenha acesso ao recurso do modelo.

Solicitação

Nome da entrada do serviço Web: nome do objeto JSON esperado pelo modelo de machine learning implementado. Deverá ser alterado se o nome padrão não se adequar ao formato usado pelo modelo.

Tabela de resposta
  • Nome da tabela retornada: nome da tabela retornada do modelo de aprendizado de máquina implementado.

  • Caminho da tabela (JMESPath): a tabela pode ser especificada usando o caminho da tabela JMES para a linha de previsões na matriz de resposta JSON.

Campos de resposta
  • Carregar todos os campos disponíveis: habilite o carregamento de todos os campos disponíveis retornados pelo terminal de aprendizado de máquina. Desativar isso permitirá que você especifique os campos e valores da tabela a serem carregados no aplicativo.

    Ao desenvolver aplicativos, é recomendado primeiro carregar todos os campos retornados do endpoint do modelo e, em seguida, potencialmente remover os campos que não são necessários para a análise no aplicativo.

  • Campos de tabela (JMESPath): os campos da tabela podem ser especificados adicionando o seguinte:

    • Nome: o nome da tabela que será carregada no aplicativo.

    • Valor: o nome da linha de resposta na matriz de resposta JSON.

    A linguagem de consulta JMESPath pode ser usada para analisar a matriz de resposta JSON.

Associação
  • Campo de associação: um campo da tabela de dados de entrada que contém um identificador exclusivo.

    É necessário incluir esse campo nos dados de origem ao fazer uma solicitação de terminal para que a tabela de resultados retornada seja associada à tabela de campo de origem usando uma chave. O campo designado será retornado como um campo na resposta e permitirá que as previsões sejam associadas aos dados de origem no modelo de dados. Pode ser qualquer campo com um ID exclusivo, seja dos dados de origem ou como parte do processo de carregamento da tabela.

  • Enviar campo de associação: quando selecionado, o campo especificado como o campo de associação será retornado ao Qlik Sense e incluído nos campos enviados ao terminal

    Se o campo pertencer aos dados de origem e for esperado pelo modelo, ele precisará ser enviado ao modelo habilitando Enviar campo de associação.

Nome O nome da conexão. O nome padrão será usado se você não inserir um nome.

Criando uma nova conexão

  1. Acesse o conector por meio do Editor da carga de dados ou do Script.

  2. Clique em Criar nova conexão.

  3. Em Espaço, selecione o espaço onde a conexão será localizada.

  4. Selecione Azure ML na lista de conectores de dados.

  5. Preencha os campos da caixa de diálogo de conexão.

  6. Clique em Criar.

Sua conexão agora está listada em Conexões de dados no Editor da carga de dados ou no Script.

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!