# Создание подключения Azure ML

Подключения Azure ML создаются в редакторе загрузки данных.

После создания подключения можно выбирать данные из доступных таблиц, отправлять их в Azure ML для расчетов, а затем загружать результаты в приложение. Это подключение можно использовать не только в скрипте загрузки данных, но также в выражениях диаграммы для вызова конечных точек модели и выполнения расчетов выражения диаграммы в реальном времени.

Необходимо знать настройки и учетные данные для доступа к службе Azure ML, к которой требуется подключиться.

## Настраиваемые параметры

Следующие параметры можно настроить в диалоговом окне подключения.

Настраиваемые параметры в диалоговом окне подключения

| Поле | Описание |
| --- | --- |
| Select configuration (Выбрать конфигурацию) | Пункт раскрывающегося меню для выбора конфигурации, которая определяет модели Azure ML, которые необходимо использовать для прогнозов модели машинного обучения.<br><br>Поддерживаемые конфигурации:<br><br><ul> <li> <p><span>Azure ML ― устаревший формат</span>: эта конфигурация должна использоваться для моделей, развернутых до середины января 2022 года и созданных с использованием конфигурации <span>Automated ML</span>, которая ожидает JSON в следующем формате:</p> <pre><code>{    "data": [      {        &lt;field_list&gt;      }    ] }</code></pre> </li> <li> <p><span>Azure ML</span>: эта конфигурация должна использоваться для моделей, созданных с использованием конфигурации <span>Automated ML</span> или <span>Designer </span> которая ожидает JSON в следующем формате:</p> <pre><code>{    "Inputs": {      "&lt;JSON_object_name&gt;(default is ‘data’)": [        {          &lt; field_list &gt;        }      ]    } } </code></pre> </li> </ul><br><br>Примечание к информацииЕсли возникают сомнения, какую конфигурацию использовать, можно развернуть модель повторно, тогда будет использоваться новый формат. |
| Endpoint Name (Имя конечной точки) | Имя конечной точки.<br><br>Имя конечной точки является идентификатором, присвоенным конечной точке в Azure. Обычно его создает пользователь, который настраивает конечную точку или разворачивает модель. |
| Authentication (Проверка подлинности) | Предоставляет ключ конечной точки Azure ML.<br><br>Проверка подлинности для всех моделей в Azure выполняется с использованием включенной проверки подлинности на основе ключей Azure. Для этого требуется сгенерированный ключ доступа (первичный или вторичный ключ), обеспечивающий доступ к ресурсу модели. |
| Request (Запрос) | Web Service Input Name (Имя ввода веб-службы): имя объекта JSON, который ожидается развернутой моделью машинного обучения. Необходимо изменить, если имя по умолчанию не совпадает с используемым в модели. |
| Response Table (Таблица ответа) | <ul> <li> <p><span>Name of Returned Table</span> (Имя возвращенной таблицы): имя таблицы, возвращенной из развернутой модели машинного обучения.</p> </li> <li> <p><span>Table Path (JMESPath)</span> (Путь к таблице (JMESPath)): таблицу можно указать, используя путь к таблице JMES, указывающий на строку прогнозов в массиве ответа JSON.</p> </li> </ul> |
| Response Fields (Поля ответа) | <ul> <li> <p><span>Load all available fields</span> (Загрузить все доступные поля): включает загрузку всех доступных полей, возвращенных конечной точкой машинного обучения. Отключив этот параметр, можно указать поля таблицы и значения, загружаемые в приложение.</p> <p>При разработке приложений рекомендуется сначала загружать все поля, возвращаемые конечной точкой модели, а затем по необходимости удалять те поля, которые не требуются для анализа в приложении.</p> </li> <li> <p><span>Table Fields (JMESPath)</span> (Поля таблицы (JMESPath)): поля таблицы можно задать, добавляя следующие параметры.</p> <ul> <li> <p>Name (Имя): имя таблицы, которая будет загружаться в приложение.</p> </li> <li> <p>Value (Значение): имя строки ответа в массиве ответа JSON.</p> </li> </ul> <p>Для разбора массива ответа JSON можно использовать язык запроса JMESPath.</p> </li> </ul> |
| Association (Ассоциация) | <ul> <li> <p><span>Association field</span> (Поле связи): задайте поле связи, это поле из таблицы входных данных, содержащее уникальный идентификатор.</p> <p>Оно требуется для включения поля в исходные данные, когда отправляется запрос конечной точки для связывания возвращенной таблицы результатов с исходной таблицей поля с помощью ключа. Назначенное поле будет возвращено как поле в ответе и обеспечит возможность связывания с исходными данными в модели данных. Это может быть любое поле с уникальным ИД, из исходных данных или из процесса загрузки таблицы.</p> </li> <li> <p><span>Send Association Field</span> (Отправить поле связи): когда этот флажок установлен, поле, указанное как поле связи, будет возвращено в <span>Qlik Sense</span> и включено в поля, отправляемые в конечную точку.</p> <p>Если поле относится к исходным данным и ожидается моделью, его необходимо отправить в модель, установив флажок <span>Send Association Field</span> (Отправить поле ассоциаций).</p> </li> </ul> |
| Имя | Имя подключения. Если оставить поле пустым, будет использоваться имя по умолчанию. |

## Создание нового подключения

Выполните следующие действия.

1. Вызовите коннектор через редактор загрузки данных или Скрипт.

2. Щелкните команду Создать новое подключение.

3. В поле Пространство выберите пространство, где будет находиться подключение.

4. Выберите Azure ML из списка коннекторов данных.

5. Заполните поля диалогового окна подключения.

6. Нажмите Создать.

Теперь подключение отображается в списке Подключения к данным в Редактор загрузки данных или Скрипт.