참고문헌:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/partition-and-sample

설명

박스 1:예
ComputeTargetException 클래스: 컴퓨트 대상을 만들거나, 상호작용하거나, 구성할 때 발생하는 오류와 관련된 예외입니다. 이 예외는 일반적으로 컴퓨트 대상을 연결하는 오류, 헤더 누락, 지원되지 않는 구성 값에 대해 발생합니다.
Create(작업공간, 이름, 프로비저닝 구성)
컴퓨팅 유형과 관련 구성을 지정하여 컴퓨팅 객체를 프로비저닝합니다.
이 방법은 기존 컴퓨팅 대상을 연결하는 대신 새로운 컴퓨팅 대상을 생성합니다.
박스 2: 예
박스 3: 아니요
print('Step1') 앞의 줄은 실패합니다.
참조:
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetarget

참조:
https://notebooks.azure.com/azureml/projects/azureml-getting-started/html/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computetarget

설명

박스 1: 샘플링
데이터 샘플 생성
이 옵션은 단순 임의 샘플링 또는 계층화된 임의 샘플링을 지원합니다. 이는 테스트를 위해 더 작은 대표적 샘플 데이터 세트를 만들고 싶을 때 유용합니다.
1. Studio에서 실험에 파티션 및 샘플 모듈을 추가하고 데이터 세트를 연결합니다.
2. 분할 또는 샘플 모드: 샘플링으로 설정합니다.
3. 샘플링 비율. 아래 상자 2 참조.
박스 2 : 0
3. 샘플링 비율. 샘플링을 위한 랜덤 시드: 선택적으로 시드 값으로 사용할 정수를 입력합니다.
이 옵션은 행을 매번 같은 방식으로 나누려는 경우 중요합니다. 기본값은 0이며, 이는 시작 시드가 시스템 클록을 기반으로 생성됨을 의미합니다. 이는 실험을 실행할 때마다 약간 다른 결과가 나올 수 있습니다.
참고문헌:
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/partition-and-sample

설명