Conexión a los datos con Azure Machine Learning Studio

En este artículo se muestra cómo acceder a los datos con Estudio de Azure Machine Learning. Conéctese a los datos en los servicios de almacenamiento de Azure con almacenes de datos de Azure Machine Learning. Después, empaquete esos datos para las tareas de flujo de trabajo de Machine Learning con conjuntos de datos de Azure Machine Learning.

En esta tabla se definen y resumen las ventajas de los almacenes de datos y los conjuntos de datos.

Para más información sobre dónde encajan los almacenes de datos y los conjuntos de datos en el flujo de trabajo general de acceso a datos de Azure Machine Learning, visite Acceso seguro a los datos.

Para más información sobre el SDK de Python de Azure Machine Learning y una experiencia centrada en el código, visite.

• Conexión a servicios de almacenamiento de Azure con almacenes de datos
• Creación de conjuntos de datos de Azure Machine Learning

Requisitos previos

• Suscripción a Azure. Si no tiene una suscripción a Azure, cree una cuenta gratuita antes de empezar. Pruebe la versión gratuita o de pago de Azure Machine Learning.

• Acceso a Estudio de Azure Machine Learning

• Un área de trabajo de Azure Machine Learning. Creación de recursos de área de trabajo

  • Al crear un área de trabajo, se registran automáticamente un contenedor de blobs de Azure y un recurso compartido de archivos de Azure en el área de trabajo como almacenes de datos. Se denominan workspaceblobstore y workspacefilestore, respectivamente. Para que los recursos de Blob Storage sean suficientes, workspaceblobstore se establece como almacén de datos predeterminado ya configurado para su uso. Para más recursos de Blob Storage, necesita una cuenta de Azure Storage con un tipo de almacenamiento compatible.

Creación de almacenes de datos

Puede crear almacenes de datos a partir de estas soluciones de Azure Storage. En el caso de las soluciones de almacenamiento no compatibles, y para ahorrar el costo de salida durante los experimentos de ML, debe mover los datos a una solución de Azure Storage compatible. Para más información sobre los almacenes de datos, visite este recurso.

Puede crear almacenes de datos con acceso basado en credenciales o acceso basado en identidades.

Creación de recursos de datos

Después de crear un almacén de datos, cree un conjunto de datos para interactuar con los datos. Los conjuntos de datos empaquetan los datos en un objeto consumible que se evalúa de forma diferida para tareas de aprendizaje automático, como las de entrenamiento. Visite Creación de conjuntos de datos de Azure Machine Learning para más información sobre los conjuntos de datos.

Los conjuntos de datos tienen dos tipos: FileDataset y TabularDataset. Los objetos FileDataset crean referencias a uno o varios archivos, o direcciones URL públicas. Los objetos TabularDataset representan los datos en formato tabular. Puede crear instancias de TabularDataset a partir de

• .csv
• .tsv
• .parquet
• archivos .json y de resultados de consultas SQL.

Los siguientes pasos describen cómo crear un conjunto de datos en el estudio de Azure Machine Learning.

1. Vaya a Estudio de Azure Machine Learning

2. En Recursos en el panel de navegación izquierdo, seleccione Datos. En la pestaña Recursos de datos, seleccione Crear, como se muestra en la captura de pantalla siguiente:

1. Asigne un nombre al recurso de datos y una descripción opcional. A continuación, en Tipo, seleccione un tipo de conjunto de datos, archivo o tabular, como se muestra en la captura de pantalla siguiente:

1. El panel Origen de datos se abre a continuación, como se muestra en la captura de pantalla siguiente:

Tiene otras opciones para el origen de datos. Para los datos ya almacenados en Azure, elija "Desde Azure Storage". Para cargar datos desde la unidad local, elija "Desde archivos locales". Para los datos almacenados en una ubicación web pública, elija "Desde archivos web". También puede crear un recurso de datos desde una base de datos SQL o desde Azure Open Datasets.

1. En el paso de selección de archivos, seleccione la ubicación donde Azure debe almacenar los datos y los archivos de datos que quiere usar.

   1. Habilite la omisión de la validación si los datos están en una red virtual. Para obtener más información sobre el aislamiento y la privacidad de la red virtual, visite este recurso.

2. Siga los pasos para establecer la configuración y el esquema de análisis de datos para el recurso de datos. Los valores se rellenan previamente en función del tipo de archivo y puede configurar aún más los valores antes de crear el recurso de datos.

3. Una vez que llegue al paso Revisar, seleccione Crear en la última página

Versión preliminar y perfil de los datos

Después de crear el conjunto de datos, compruebe que puede ver la vista previa y el perfil en Estudio:

1. Inicie sesión en Azure Machine Learning Studio.
2. Como se muestra en la siguiente captura de pantalla, en Recursos en el panel de navegación izquierdo, seleccione Datos:

1. Seleccione el nombre del conjunto de datos que quiere ver.
2. Seleccione la pestaña Explore (Explorar).
3. Seleccione la pestaña Vista previa , como se muestra en la captura de pantalla siguiente:

1. Seleccione la pestaña Perfil , como se muestra en la captura de pantalla siguiente:

Para comprobar si el conjunto de datos está listo para el aprendizaje automático, puede usar estadísticas de resumen sobre el conjunto de datos. En el caso de las columnas no numéricas, estas estadísticas solo incluyen medidas estadísticas básicas( por ejemplo, min, max y error count). Las columnas numéricas, también ofrecen momentos estadísticos y cuantiles estimados.

El perfil de datos del conjunto de datos de Azure Machine Learning incluye lo siguiente:

Permisos y acceso a Storage

Para garantizar una conexión segura al servicio Azure Storage, Azure Machine Learning exige que tenga permiso para acceder al almacenamiento de datos correspondiente. Este acceso depende de las credenciales de autenticación usadas para registrar el almacén de datos.

Red de área virtual

Si la cuenta de almacenamiento de datos se encuentra en una red virtual, se necesitan pasos de configuración adicionales para garantizar que Azure Machine Learning tenga acceso a los datos. Visite Uso de Azure Machine Learning Studio en una red virtual para asegurarse de que se aplican los pasos de configuración adecuados al crear y registrar el almacén de datos.

Validación de acceso

Como parte del proceso de creación y registro del almacén de datos inicial, Azure Machine Learning valida automáticamente que el servicio de almacenamiento subyacente exista y que la entidad de seguridad proporcionada por el usuario (nombre de usuario, entidad de servicio o token de SAS) tenga acceso al almacenamiento especificado.

Después de crear el almacén de datos, esta validación solo se realiza para los métodos que necesitan acceso al contenedor de almacenamiento subyacente. La validación no se realiza cada vez que se recuperan los objetos de almacén de datos. Por ejemplo, la validación se produce cuando descarga archivos del almacén de datos. Pero si solo quiere cambiar el almacén de datos predeterminado, no se produce la validación.

Para autenticar el acceso al servicio de almacenamiento subyacente, proporcione la clave de cuenta, tokens de firmas de acceso compartido (SAS) o una entidad de servicio, en función del tipo de almacén de datos que quiere crear. La matriz de tipo de almacenamiento muestra los tipos de autenticación admitidos que corresponden a cada tipo de almacén de datos.

Puede encontrar la clave de cuenta, el token de SAS y la información de la entidad de servicio en Azure Portal.

• A fin de obtener una clave de cuenta para la autenticación, seleccione Cuentas de almacenamiento en el panel de la izquierda y elija la cuenta de almacenamiento que quiera registrar

  • La página Información general proporciona información como el nombre de la cuenta, el contenedor y el nombre del recurso compartido de archivos.
  • Expanda el nodo Seguridad y redes en el panel de navegación de la izquierda
  • Seleccione Claves de acceso.
  • Los valores de clave disponibles sirven como valores de clave de cuenta

• A fin de obtener un token de SAS para la autenticación, seleccione Cuentas de almacenamiento en el panel de la izquierda y elija la cuenta de almacenamiento que quiera

  • Para obtener un valor de clave de acceso, expanda el nodo Seguridad y redes en el panel de navegación de la izquierda
  • Seleccione Firma de acceso compartido
  • Complete el proceso para generar el valor de SAS

• Para usar un principal de servicio para la autenticación, vaya a Registros de aplicaciones y seleccione la aplicación que desea usar.

  • Su página de información general correspondiente contiene información necesaria, como el identificador de inquilino y el identificador de cliente.

Permisos

En el caso del contenedor de blobs de Azure y el almacenamiento de Azure Data Lake Gen 2, asegúrese de que las credenciales de autenticación tengan acceso de Lector de datos de Storage Blob. Obtenga más información sobre el Lector de datos de Storage Blob. De manera predeterminada, un token de SAS de cuenta no tiene ningún permiso.

• Para el acceso de lectura de datos, las credenciales de autenticación deben tener un número mínimo de permisos de enumeración y lectura para contenedores y objetos.

• Para el acceso de escritura de datos, también se necesitan los permisos de escritura y agregación.

Entrenamiento con conjuntos de datos

Use sus conjuntos de datos en los experimentos de aprendizaje automático para entrenar modelos de aprendizaje automático. Obtenga más información sobre cómo entrenar con conjuntos de datos.

Pasos siguientes

• Ejemplo de entrenamiento paso a paso con instancias de TabularDataset y aprendizaje automático automatizado
• Entrenamiento de un modelo
• Para obtener más ejemplos de entrenamiento de conjuntos de datos, consulte los cuadernos de ejemplo.