parquet ファイル形式のデータ アセットを使用した場合に発生する既知の問題について

Azure Machine Learning の AutoML ジョブにおいて、parquet ファイル形式のデータ アセットを使用した場合に発生する問題についてご紹介させていただきます。

※ 2023/4/13 時点の状態となります。以降のアップデートに依って修正される可能性がある点についてご留意ください。

Azure Machine Learning パイプラインを使用した自動機械学習ライフサイクルの例 (SDK v2)

Azure Machine Learning SDK v2 を使用し、以下の Azure Machine Learning パイプラインの利用例について紹介させていただきます。今回紹介するライフサイクルは次の通りです。

  • 自動機械学習を実行
  • ベスト モデルを選択して Managed Online Endpoint にデプロイ

今後、以下が実行できるよう更新予定です。

  • 公開したパイプライン実行時に、データ アセットの最新バージョンを使用して AutoML が実行されるようにする
  • パイプライン実行毎に既存のエンドポイントが更新されるようにする

v2 API の有効化に伴う Azure Machine Learning Workspace への影響について

件名 「Network Isolation Change with Our New API Platform on Azure Resource Manager」 の電子メールにて、Action Required to use new API platform with private link enabled workspace といった内容が通知されています。 このメールにおいて実際に必要な対応内容をお纏めして紹介します。

(注意) 本情報は適宜調整しております。併せて下記公式サイトをご参照ください。

Azure Machine Learning パイプラインを使用した自動機械学習ライフサイクルの例

Azure Machine Learning のライフサイクルを実現する Azure Machine Learning パイプラインの利用例について紹介させていただきます。今回紹介するライフサイクルは次の通りです。

  • ストレージ アカウント上の csv ファイル読み込み
  • 自動機械学習を実行
  • ベスト モデルを選択して ACI にデプロイ

名前に日本語を含むリソースグループを使用する場合の注意点について

リソースグループ名に日本語 (例: 機械学習用リソースグループ) など 2 バイト文字が含まれる場合、当該リソースグループに Azure Machine Learning ワークスペースを作るといくつかの管理操作がエラーとなる場合がございます。これらの事例と、推奨する設定をお纏めいたします。

Azure Machine Learning Studio で参照可能なデータの格納場所について

Azure Machine Learning Studio で作成した実験用ノートブック ファイルやスクリプト、実験時のログ、アップロードしたファイルなどは、Azure Machine Learning ワークスペース既定のストレージ アカウントに格納されます。お問い合わせをいただくことが多い格納先について紹介します。

Azure MachineLeaning Studio の Notebooks メニューにおける「現時点ではこれにはアクセスできません」エラーへの対応方法

本記事では、Azure MachineLeaning Studio の Notebooks メニューで開いた Notebook で処理を実行した際に「現時点ではこれにはアクセスできません」とエラーメッセージが表示されてしまう場合の対応方法をご案内します。

Azure Machine Learning で作成したモデルの推論を実行する方法について

本記事では、Azure Machne Learning で作成したモデルを SDK を使用して推論実行する方法を紹介します。
試験的に作成したモデルの評価を行う場合には、都度 Web サービスにデプロイする方法は効率的ではないため、ローカルにロードして推論実行する手順を紹介します。また、Web サービスにデプロイして推論を実行する方法についても併せて紹介します。