설명

설명
다음 사용자 지정 역할은 다음 작업을 제외한 작업 공간에서 모든 작업을 수행할 수 있습니다.
* 컴퓨팅 리소스를 생성하거나 업데이트할 수 없습니다.
* 컴퓨팅 리소스를 삭제할 수 없습니다.
* 역할 할당을 추가, 삭제 또는 변경할 수 없습니다.
* 작업 공간을 삭제할 수 없습니다.
사용자 지정 역할을 만들려면 먼저 역할에 대한 권한과 범위를 지정하는 역할 정의 JSON 파일을 구성합니다. 다음 예에서는 특정 작업 공간 수준에서 범위가 지정된 "Data Scientist Custom"이라는 사용자 지정 역할을 정의합니다.
data_scientist_custom_role.json :
{
"이름": "데이터 과학자 사용자 정의",
"IsCustom": true,
"설명": "실험을 실행할 수 있지만 컴퓨팅을 생성하거나 삭제할 수 없습니다."
"작업": ["*"],
"NotActions": [
"Microsoft.MachineLearningServices/workspaces/*/삭제",
"Microsoft.MachineLearningServices/workspaces/write",
"Microsoft.MachineLearningServices/workspaces/computes/*/write",
"Microsoft.MachineLearningServices/workspaces/computes/*/삭제",
"Microsoft.Authorization/*/write"
],
"할당 가능한 범위": [
"/subscriptions/<구독_ID>/resourceGroups/<resource_group_name>/providers/Microsoft.MachineLearni
]
}
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-sign-roles

1 - 워크스테이션에 Docker 설치
2 - AksWebservice 배포 구성을 생성하고 모델을 배포합니다.
3 - 서비스에 대한 LocalWebservice 배포 구성을 만들고 해당 서비스에 모델을 배포합니다.
4 - 필요에 따라 스코어링 스크립트를 디버그하고 수정합니다. 각 수정 후 서비스의 reload() 메서드를 사용합니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-azure-kubernetes-service
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-troubleshoot-deployment-local

설명

박스 1: nb_server

박스 2: mlc_cluster
Azure Machine Learning을 사용하면 다양한 리소스 또는 환경에서 모델을 학습할 수 있으며, 이를 통틀어 컴퓨팅 대상이라고 합니다. 컴퓨팅 대상은 로컬 머신 또는 Azure Machine Learning 컴퓨팅, Azure HDInsight 또는 원격 가상 머신과 같은 클라우드 리소스일 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/concept-compute-target
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-set-up-training-targets

설명

Azure Machine Learning Studio의 누락된 데이터 정리 모듈을 사용하면 누락된 값을 제거, 대체 또는 유추할 수 있습니다.