@azure/arm-machinelearning package

Ce type de connexion couvre l’authentification AAD pour tout service Azure applicable

Un calcul Machine Learning basé sur AKS.

Propriétés AKS

Interface modèle AccèsCléAuthTypeEspace de travailConnexionPropriétés

Interface modèle AccountApiKeys

Ce type de connexion couvre la connexion de clé de compte pour le stockage Azure

Configuration des informations d’identification de la banque de données de clé de compte.

Secrets de clé de compte de banque de données.

Détails du compte ACR à utiliser pour le registre

interface de modèle ActualCapacityInfo

Secrets liés à un calcul Machine Learning basé sur AKS.

Configuration avancée pour la mise en réseau AKS

interface modèle AllFeatures

Tous les nœuds signifie que le service s’exécutera sur tous les nœuds du travail

Un calcul Azure Machine Learning.

Informations sur le nœud de calcul liées à un AmlCompute.

Propriétés de calcul AML

Configuration de l’identité du jeton AML.

Définition de l’identité de calcul du jeton AML.

Fonctionnalités activées pour un espace de travail

Identifiants d’accès sans identifiants

Ce type de connexion couvre les catégories de connexion d’authentification ApiKey génériques, par exemple : AzureOpenAI : Catégorie := AzureOpenAI AuthType := ApiKey (en tant que discriminateur de type) Informations d’identification := {ApiKey} en tant que Microsoft.MachineLearning.AccountRP.Contracts.WorkspaceConnection.ApiKey Cible := {ApiBase}

CognitiveService : Category := CognitiveService AuthType := ApiKey (en tant que discriminateur de type) Credentials := {SubscriptionKey} en tant que Microsoft.MachineLearning.AccountRP.Contracts.WorkspaceConnection.ApiKey Target := ServiceRegion={serviceRegion}

CognitiveSearch : Category := CognitiveSearch AuthType := ApiKey (en tant que discriminateur de type) Informations d’identification := {Key} as Microsoft.MachineLearning.AccountRP.Contracts.WorkspaceConnection.ApiKey Target := {Endpoint}

Utiliser le conteneur de propriétés de métadonnées pour ApiType, ApiVersion, Kind et d’autres champs de métadonnées

ARM ResourceId d’une ressource

interface modèle AssetBase

interface modèle AssetContainer

Définition de base pour les références d’actifs.

Utilisateur qui peut être affecté à une instance de calcul.

Horizon de prévision déterminé automatiquement par le système.

Classe AutoMLJob. Utilisez cette classe pour exécuter des tâches AutoML telles que la classification/régression, etc. Voir l’énumération TaskType pour toutes les tâches prises en charge.

Classe verticale AutoML. Classe de base pour les verticales AutoML - TableVertical/ImageVertical/NLPVertical

Les validations N-Cross sont déterminées automatiquement.

Propriétés de pause automatique

Propriétés de l’échelle automobile

interface modèle AutoSeasonality

interface modèle AutoTargetLags

La fenêtre glissante des décalages cibles est déterminée automatiquement.

interface modèle AvailableQuota

interface modèle AvailableQuotaProperties

Configuration de la banque de données Azure Blob.

Configuration de la banque de données Azure Data Lake Gen1.

Configuration de la banque de données Azure Data Lake Gen2.

Détails du webhook spécifiques à Azure DevOps

Configuration de la banque de données Azure File.

Paramètres facultatifs pour le client.

interface model AzureOpenAiFineTuning

Hyperparamètres Azure Open AI pour un réglage précis.

Définit une politique de résiliation anticipée basée sur des critères de relâchement, ainsi qu’une fréquence et un intervalle de retard pour l’évaluation

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

Propriétés pertinentes pour différents types de déploiement.

Paramètres d’inférence par lot par déploiement.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération de BatchDeployments.

Paramètres facultatifs.

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

Valeurs par défaut du point de terminaison de lot

Configuration du point de terminaison par lots.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération BatchEndpoints.

Paramètres facultatifs.

Propriétés d’un déploiement de composant de pipeline par lots.

Réessayez les paramètres d’une opération d’inférence par lots.

Définit un algorithme d’échantillonnage qui génère des valeurs basées sur les valeurs précédentes

Interface modèle BindOptions

Interface du modèle BlobReferenceForConsumptionDto

Paramètres de configuration du contexte de build Docker

Enveloppe de ressource Azure Resource Manager.

Interface du modèle Capacités Propriétés hôtes

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération CapabilityHosts.

interface de modèle CategoricalDataDriftMetricThreshold

interface de modèleCategoricalDataQualityMetricThreshold

Interface du modèle CategoriquePrédictionDériveMesureSeuilT

Configuration des informations d’identification de la banque de données de certificat.

Secrets de certificat de banque de données.

Tâche de classification dans la verticale de la table AutoML.

Configuration liée à la formation de classification.

Paramètres de mise à jour AmlCompute.

Les propriétés d’un amlCompute qui doivent être mises à jour.

Configuration d’une ressource de code de scoring.

Enveloppe de ressource Azure Resource Manager.

Conteneur pour les versions de ressources de code.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération CodeContainers.

Enveloppe de ressource Azure Resource Manager.

Détails de la version de l’actif de code.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération CodeVersions.

Paramètres facultatifs.

interface de modèle CognitiveServicesSku

Collection d’interface de modèles

Paramètres du transformateur de colonne.

Définition de la tâche de commande.

Classe limite de la tâche de commande.

Enveloppe de ressource Azure Resource Manager.

Définition du conteneur de composant. <voir href="https://docs.microsoft.com/en-us/azure/machine-learning/reference-yaml-component-command" />

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ComponentContainers.

Enveloppe de ressource Azure Resource Manager.

Définition d’une version de composant : définit les ressources qui couvrent tous les types de composants.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ComponentVersions.

Paramètres facultatifs.

Objet de calcul Machine Learning.

Une instance de calcul Azure Machine Learning.

Définit une application d’instance Aml et son URI de point de terminaison de connectivité.

Spécifie les paramètres de l’autologger.

Définit tous les points de terminaison et propriétés de connectivité d’un ComputeInstance.

Définit un conteneur d’instance Aml.

Décrit les informations sur l’utilisateur qui a créé cette ComputeInstance.

Définit un DataDisk d’instance AML.

Définit un DataMount d’instance aml.

Informations sur l’environnement

Dernière opération sur ComputeInstance.

Propriétés de l’instance de calcul

Spécifie la stratégie et les paramètres pour l’accès SSH.

Version de computeInstance.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ComputeOperations.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

interface de modèle ComputeRecurrenceSchedule

Objet de calcul Machine Learning encapsulé dans l’enveloppe de ressource ARM.

interface de modèle ComputeRuntimeDto

La liste des horaires à appliquer sur les calculs.

Secrets liés à un calcul de Machine Learning. Cela peut varier selon le type de calcul.

Propriétés de planification de démarrage et d’arrêt du calcul

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération de connexion.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ConnectionRaiBlocklistItem.

Paramètres facultatifs.

Interface représentant une opération ConnectionRaiBlocklistItems.

Interface représentant une opération ConnectionRaiBlocklist.

Paramètres facultatifs.

Interface représentant une opération ConnectionRaiBlocklist.

Paramètres facultatifs.

Interface représentant une opération ConnectionRaiPolicies.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ConnectionRaiPolicy.

Configuration requise pour chaque instance de conteneur au sein d’un déploiement en ligne.

interface modèle ContainerResourceSettings

interface modèle ContentSafety

Interface du modèle ContenuSécuritéPoint de TerminaisDéploiementRessourcesPropriétés

Interface du modèle ContenuSécuritéPoints de TerminaisRessourcesPropriétés

interface modèle CosmosDbSettings

interface modèle CreateMonitorAction

Le déclencheur de flux de travail cron pour le type de planification ComputeStartStop.

interface modèle CronTrigger

Horizon de prévision maximal souhaité en unités de fréquence de série chronologique.

Objet d’informations d’identification clés personnalisées

Category := CustomKeys AuthType := CustomKeys (en tant que discriminateur de type) Informations d’identification := {CustomKeys} en tant que Microsoft.MachineLearning.AccountRP.Contracts.WorkspaceConnection.CustomKeys Target := {any value} Utiliser le conteneur de propriétés Metadata pour ApiVersion et d’autres champs de métadonnées

interface de modèle CustomMetricThreshold

interface modèle CustomModelFineTuning

interface modèle CustomModelJobInput

interface modèle CustomModelJobOutput

interface de modèle CustomMonitoringSignal

Les validations N-Cross sont spécifiées par l’utilisateur.

interface de modèle CustomSeasonality

Spécifie la configuration du service personnalisé

interface modèle CustomTargetLags

interface de modèle : CustomTargetRollingWindowSize

interface modèle DataCollector

Enveloppe de ressource Azure Resource Manager.

Conteneur pour les versions des ressources de données.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération DataContainers.

interface de modèleDataDriftMetricThresholdBase

interface de modèleDatadriftSignalMonitoring

Un calcul DataFactory.

interface de modèleDataGénérationVerticale

Un calcul DataLakeAnalytics.

interface de modèleDatalakeAnalytiqueSchémaPropriétés

Référence à une ressource via son chemin d’accès dans une banque de données.

interface de modèle DataQualityMetricThresholdBase

interface de modèleDataQualitéSignalSurveillance

Classe de base DataReferenceCredential

Enveloppe de ressource Azure Resource Manager.

Définition de la base de versions de données

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération DataVersions.

Paramètres facultatifs.

Un calcul DataFactory.

Secrets liés à un calcul Machine Learning basé sur Databricks.

Propriétés de Databricks

Objet de référence de jeu de données.

Enveloppe de ressource Azure Resource Manager.

Définition de base pour les identifiants de l’entrepôt de données.

Définition de base pour la configuration du contenu du stockage de données.

Définition de base pour les secrets du datastore.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération Datastores.

interface du modèle Paramètres d’échelle par défaut

Contrat pour DeltaModelCurrentState.

interface modèle DeltaModelListRequest

Base de contrat pour DeltaModelChangeRequest. Utilisé pour ajouter ou supprimer.

interface modèle DeltaModelStatusRequest

Contrat retournant à l’utilisateur les modèles delta.

interface modèle DeploymentLogs

interface modèle DeploymentLogsRequest

interface modèle DeploymentResourceConfiguration

Publication des informations sur les actifs du registre de destination

interface de modèle DiagnoseRequestProperties

interface du modèle DiagnoseResponseResult

interface de modèle DiagnoseResponseResultValue

Résultat du diagnostic

Paramètres de diagnostic d’un espace de travail

Distillation Définition du travail.

Définition de base pour la configuration de la distribution des tâches.

interface modèle Docker

Informations d’identification pour docker avec nom d’utilisateur et mot de passe

Les stratégies d’arrêt anticipé permettent d’annuler les exécutions médiocres avant qu’elles ne se terminent

Interface de modèle EncryptionKeyVaultUpdateProperties

interface modèle Propriété de chiffrement

interface de modèle EncryptionUpdateProperties

Interface modèle Extrémité

Clés pour l’authentification du point de terminaison.

Jeton de service

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

interface modèle EndpointDeploymentModel

Interface représentant une opération EndpointDeployment.

Définition de base pour le déploiement des points de terminaison.

interface de modèle EndpointDeploymentResourceProperties

EndpointDeploymentResourcePropertiesBasicResource est disponible uniquement en aperçu.

Paramètres facultatifs.

Paramètres facultatifs.

interface modèle EndpointKeys

Paramètres facultatifs.

Paramètres facultatifs.

interface de modèle EndpointModelDeprecationProperties

Propriétés du modèle de point de terminaison.

interface modèle EndpointModelSkuCapacityProperties

interface modèle EndpointModelSkuProperties

Interface de modèle EndpointModèle SkuDébitLimitePropriétés

Interface modèle EndpointModèle SkuRateLimitRègleModèlModèlPropriétés

Interface de modèle EndpointModelSkuRateLimitRuleProperties

Collection paginée des éléments EndpointModelProperties

Interface représentant une opération de point de terminaison.

Définition de base du point d’extrémité par inférence

Paramètres facultatifs.

interface de modèle EndpointResourceProperties

EndpointResourcePropertiesBasicResource est une ressource uniquement en aperçu.

interface modèle EndpointScheduleAction

Enveloppe de ressource Azure Resource Manager.

Conteneur pour les versions de spécification d’environnement.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération EnvironmentContainers.

interface de modèle AmbianceVariable

Enveloppe de ressource Azure Resource Manager.

Détails de la version de l’environnement.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération EnvironmentVersions.

Paramètres facultatifs.

Informations supplémentaires sur l’erreur de gestion des ressources.

Détail de l’erreur.

Réponse d’erreur courante pour toutes les API Azure Resource Manager afin de retourner les détails de l’erreur pour les opérations ayant échoué.

Informations sur le prix estimé pour l’utilisation d’une machine virtuelle d’un type de système d’exploitation, d’un niveau, etc.

Informations sur le prix estimé pour l’utilisation d’une machine virtuelle.

interface de modèle ExternalFqdnResponse

Enveloppe de ressource Azure Resource Manager.

interface modèle Caractéristique Attribution Dérive SignalSurveillance

interface de modèle FeatureAttributionMetricThreshold

interface du modèle FonctionnalitéImportanceParamètres

Objet DTO représentant la caractéristique

interface modèle FeatureStoreSettings

Sous-ensemble de caractéristiques de l’interface du modèle

Spécifie la fenêtre de fonction

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération Features.

Enveloppe de ressource Azure Resource Manager.

Objet DTO représentant l’ensemble des fonctionnalités

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération FeaturesetContainers.

Objet DTO représentant la spécification

Enveloppe de ressource Azure Resource Manager.

Charge utile de demande pour la création d’une demande de renvoi pour une version d’ensemble de fonctionnalités donnée

Charge utile de réponse pour la création d’une demande de renvoi pour une version d’ensemble de fonctionnalités donnée

Objet DTO représentant la version de l’ensemble de fonctionnalités

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération FeaturesetVersions.

Enveloppe de ressource Azure Resource Manager.

Objet DTO représentant l’entité de caractéristique

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération FeaturestoreEntityContainers.

Enveloppe de ressource Azure Resource Manager.

Objet DTO représentant la version de l’entité de caractéristique

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération FeaturestoreEntityVersions.

Configuration de caractérisation.

Définition de la tâche AffiNiéning.

interface modèle FineTuningVertical

interface modèle FinetuningDétails

Correction de la définition des données d’entrée.

interface modèle FlavorData

Horizon de prévision maximal souhaité en unités de fréquence de série chronologique.

Tâche de prévision dans la verticale de la table AutoML.

Prévision de paramètres spécifiques.

Configuration liée à la formation.

interface model FqdnEndpoint

interface modèle FqdnEndpointDetail

Interface de modèle FqdnEndpoints

Conteneur de propriétés pour le résultat des points de terminaison FQDN

Règle de trafic sortant FQDN pour le réseau géré d’un espace de travail Machine Learning.

interface modèle GetBlobReferenceForConsumptionDto

BlobReferenceSASRequest for getBlobReferenceAPI SAS

BlobReferenceSASResponse for getBlobReferenceSAS API

Définit un algorithme d’échantillonnage qui génère de manière exhaustive chaque combinaison de valeurs dans l’espace

Options de configuration de l’environnement.

Options de configuration du modèle.

interface de modèle GroupStatut

Un calcul HDInsight.

Propriétés de calcul HDInsight

Contient une plage d’adresses IPv4 en notation CIDR, telle que « 124.56.78.91 » (adresse IP simple) ou « 124.56.78.0/24 » (toutes les adresses commençant par 124.56.78). La valeur peut être « Autoriser » ou « Refuser ».

Référence à une ressource via son ID de ressource ARM.

Définition de base pour la configuration identité.

Objet d’identité utilisé pour le chiffrement.

Arrête l’instance de calcul après la période d’inactivité définie par l’utilisateur.

Interface du modèle Image

Classification d’images. La classification d’images multiclasses est utilisée lorsqu’une image est classifiée avec une seule étiquette provenant d’un ensemble de classes - par exemple, chaque image est classée comme une image d’un « chat », d’un « chien » ou d’un « canard ».

Classification d’images multi-étiquettes. La classification d’images multi-étiquettes est utilisée lorsqu’une image peut avoir une ou plusieurs étiquettes d’un ensemble d’étiquettes - par exemple, une image peut être étiquetée à la fois avec « chat » et « chien ».

interface du modèle ImagesDétails

interface modèle ImageInfo

Segmentation d’instance d’image. La segmentation d’instance est utilisée pour identifier les objets d’une image au niveau du pixel, en dessinant un polygone autour de chaque objet de l’image.

Limitez les paramètres de la tâche AutoML.

Renvoie des métadonnées sur l’image du système d’exploitation pour cette instance de calcul.

Expressions de distribution pour balayer les valeurs des paramètres du modèle. <exemple> Quelques exemples sont :

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
All distributions can be specified as distribution_name(min, max) or choice(val1, val2, ..., valn)
where distribution name can be: uniform, quniform, loguniform, etc
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Expressions de distribution pour balayer les valeurs des paramètres du modèle. <exemple> Quelques exemples sont :

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Expressions de distribution pour balayer les valeurs des paramètres du modèle. <exemple> Quelques exemples sont :

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Paramètres utilisés pour l’apprentissage du modèle. Pour plus d’informations sur les paramètres disponibles, veuillez consulter la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Paramètres utilisés pour l’apprentissage du modèle. Pour plus d’informations sur les paramètres disponibles, veuillez consulter la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Paramètres utilisés pour l’apprentissage du modèle. Pour plus d’informations sur les paramètres disponibles, veuillez consulter la documentation officielle : https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Détection d’objets d’image. La détection d’objets est utilisée pour identifier les objets dans une image et localiser chaque objet à l’aide d’une boîte englobante, par exemple localiser tous les chiens et chats dans une image et dessiner une boîte englobante autour de chacun.

Modèles de balayage et de balayage hyperparamètres paramètres associés au balayage.

Objet DTO représentant la colonne d’index

interface de modèle InférencePropriétésConteneurs

InferenceEndpoint est une ressource uniquement en aperçu.

InférenceConfiguration du point de terminaison

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération InferenceEndpoints.

Paramètres facultatifs.

InferenceGroup est une ressource uniquement en aperçu.

Configuration du groupe d’inférence

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération InferenceGroups.

Paramètres facultatifs.

InferencePool est une ressource uniquement en aperçu.

Configuration du pool d’inférence

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération InferencePools.

Paramètres facultatifs.

Schéma de type d’instance.

Demandes/limites de ressources pour ce type d’instance

Enveloppe de ressource Azure Resource Manager.

Définition de base pour un emploi.

Définition de la tâche de commande.

interface modèle JobLimits

Informations sur la définition des conteneurs de sortie de travail sur l’endroit où trouver la sortie/logs de travail.

interface modèle JobResourceConfiguration

interface modèle JobResources

interface modèle JobScheduleAction

Définition du point de terminaison de la tâche

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération Jobs.

Configuration du noyau Jupyter.

Propriétés du coffre de clés client.

Un calcul Machine Learning basé sur Kubernetes Compute.

Propriétés spécifiques à un KubernetesOnlineDeployment.

Propriétés de Kubernetes

Interface modèle GénérationÉtiquette

interface de modèle LakeHouseArtifact

Interface modèle ListeNotebookKeysResult

Interface modèle ListeStockCompteClésRésultat

Interface modèle ListeEspaces de travailClésRésultat

Type d’entrée littérale.

Interface modèle MLFlowModelJobInput

interface modèle MLFlowModelJobOutput

Définition de données MLTable

interface modèle MLTableJobInput

interface modèle MLTableJobOutput

Définition de l’identité de calcul managé.

Configuration de l’identité managée.

Interface de modèle GéréeIdidentitéAuthTypeEspace de travailConnexionPropriétés

Informations d’identification pour l’identité gérée par l’utilisateur

Options de provisionnement du réseau géré d’un espace de travail Machine Learning.

État de l’approvisionnement pour le réseau managé d’un espace de travail Machine Learning.

Interface représentant une opération ManagedNetworkProvisions.

Paramètres facultatifs.

Paramètres réseau managés pour un espace de travail Machine Learning.

interface de modèle ManagedRéseauRéglagesRessource BasicResource

interface modèle ManagedNetworkSettingsEx

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ManagedNetworkSettings.

Paramètres facultatifs.

Propriétés des paramètres réseau géré d’un espace de travail Machine Learning.

ManagedNetworkSettingsPropertiesBasicResource est une ressource uniquement en aperçu.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération de règles ManagedNetworkSettings.

Propriétés spécifiques à un ManagedOnlineDeployment.

Interface modèle ManagedOnlineEndpointDéployementRessourcesPropriétés

Interface de modèle ManagedOnlineEndpointResourceProperties

Détails des identités attribuées par un groupe de ressources gérées.

Paramètres du groupe de ressources gérées

Identité de service managée (identités affectées par le système et/ou identités affectées par l’utilisateur)

interface modèle MarketplacePlan

Enveloppe de ressource Azure Resource Manager.

interface modèle MarketplaceAbonnementPropriétés

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération MarketplaceSubscriptions.

Objet DTO représentant la ressource de calcul

interface de modèle Matérialisations

Définit une politique de résiliation anticipée basée sur les moyennes mobiles de la métrique principale de toutes les exécutions

Enveloppe de ressource Azure Resource Manager.

Interface modèle ModèlesPropriétés du Conteneur

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ModelContainers.

ModèlesParamètres

Enveloppe de ressource Azure Resource Manager.

Détails de la version de l’actif du modèle.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ModelVersions.

Paramètres facultatifs.

Surveillez la définition de la base de configuration de calcul.

Surveillez la définition de la base de l’identité de calcul.

interface de modèle MonitorDéfinition

Interface du modèle MonitorEmailNotificationParamètres

interface modèle MonitorNotificationSettings

Surveillez la définition du calcul d’étincelle sans serveur.

interface de modèle MonitoringFeatureFilterBase

Surveillance de la définition de la base de données d’entrée.

interface modèle MonitoringSignalBase

Suivi de la définition de la cible.

interface modèle MonitoringThreshold

Configuration de la distribution MPI.

Valeur de validation N-Cross.

interface modèle NetworkAcls

interface de modèle NlpVerticalFeaturizationSettings

Contraintes d’exécution des tâches.

Nombre de différents états de nœud de calcul sur amlCompute.

Définition des nœuds abstraits

Interface de modèle NoneAuthTypeLieu de travailConnectionPropriétés

Informations d’identification de la banque de données vides/aucunes.

interface modèle NotebookAccessTokenResult

interface modèle NotebookPreparationError

interface modèle NotebookResourceInfo

Configuration de la notification.

interface modèle NumericalDataDriftMetricThreshold

interface modèle NumericalDataQualityMetricThreshold

interface du modèle NumériquePrédictionDériveSeuilMétriqueSeuil

Interface modèle OAuth2AuthTypeEspace de travailConnexionPropriétés

Objectif d’optimisation.

Configuration des artefacts (source de données) de OneLake.

Configuration de la banque de données OneLake (Trident).

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

interface modèle OnlineDeploymentProperties

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération OnlineDeployments.

Paramètres facultatifs.

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

Configuration du point de terminaison en ligne

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération OnlineEndpoints.

Paramètres facultatifs.

Paramètres facultatifs.

Configuration des demandes de scoring de déploiement en ligne.

Configuration de la mise à l’échelle du déploiement en ligne.

interface de modèle OpenAIEndpointDeploymentResourceProperties

interface modèle OpenAIEndpointResourceProperties

Détails d’une opération d’API REST, retournée par l’API d’opérations du fournisseur de ressources

Informations d’affichage localisées pour une opération.

Paramètres facultatifs.

Interface représentant des opérations.

Renvoie les métadonnées relatives à l’application des correctifs du système d’exploitation.

Règle de trafic sortant pour le réseau managé d’un espace de travail Machine Learning.

Des types de ressources proxy concrets peuvent être créés en créant un alias de ce type à l’aide d’un type de propriété spécifique.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération OutRule.

Interface représentant une opération OutRules.

Paramètres facultatifs.

Référence à un actif via son chemin d’accès dans une sortie de tâche.

interface modèle PATAuthTypeLieu de travailConnexionPropriétés

interface de modèle PTUDeploymentUsage

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération PTUQuota.

interface du modèle PackageDetails

Options de la méthode byPage

Interface qui permet une itération itérable asynchrone à la fois à l’achèvement et à la page.

Paramètres d’inférence par lot modifiables par déploiement.

Strictement utilisé dans les demandes de mise à jour.

Identité de service managée (identités affectées par le système et/ou identités affectées par l’utilisateur)

Strictement utilisé dans les demandes de mise à jour.

Strictement utilisé dans les demandes de mise à jour.

Strictement utilisé dans les demandes de mise à jour.

Strictement utilisé dans les demandes de mise à jour.

Strictement utilisé dans les demandes de mise à jour.

Définition de référence SKU commune.

Mot de passe de l’interface du modèle

interface modèle PendingUploadCredentialDto

interface modèle PendingUploadRequestDto

interface modèle PendingUploadResponseDto

Paramètres d’une instance de calcul personnelle.

Définition du travail de pipeline : définit les attributs MFE génériques.

Prédiction de l’interface du modèle Dérive MétriqueSeuilBase

Interface de modèle PrédictionDériveSurveillanceSignal

Ressource de point de terminaison privé.

Ressource de connexion de point de terminaison privé.

Propriétés de connexion de point de terminaison privé.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant des opérations PrivateEndpointConnections.

Destination de point de terminaison privé pour une règle de trafic sortant de point de terminaison privé pour le réseau managé d’un espace de travail Machine Learning.

Règle de sortie de stock de point de terminaison privé pour le réseau géré d’un espace de travail Machine Learning.

Ressource réseau PE liée à cette connexion PE.

Ressource de liaison privée

Propriétés d’une ressource de liaison privée.

Paramètres facultatifs.

Interface représentant une opération PrivateLinkResources.

Collection d’informations sur l’état de la connexion entre le consommateur de services et le fournisseur.

Configuration de la sonde liveness/readiness du conteneur de déploiement.

Interface du modèle PromptParamètres

Définition de base pour les ressources du pool.

Définition du modèle de ressource pour une ressource proxy Azure Resource Manager. Il n’aura pas de balises et un emplacement

Configuration de la distribution PyTorch.

Paramètres de file d’attente de l’interface du modèle

Les propriétés de mise à jour ou d’extraction des quotas.

Paramètres de mise à jour des quotas.

Paramètres facultatifs.

Interface représentant une opération de quotas.

Paramètres facultatifs.

Configuration de la liste de blocs Azure OpenAI.

Corps de la requête RaiBlocklist Item cognitive Services.

Propriétés d’élément de liste de blocs personnalisées RAI.

RaiBlocklistItemPropertiesBasicResource est une ressource uniquement en aperçu.

Propriétés de la liste de blocs personnalisées RAI.

RaiBlocklistPropertiesBasicResource est une ressource uniquement en aperçu.

Paramètres facultatifs.

Interface représentant une opération RaiPolicies.

Filtre de contenu Azure OpenAI.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RaiPolicy.

Propriétés filtres de contenu Azure OpenAI.

Ressource Filtres de contenu Azure OpenAI.

Définit un algorithme d’échantillonnage qui génère des valeurs de manière aléatoire

Configuration de la distribution des rayons. Une classe pour gérer la configuration d’un travail Ray distribué.

La périodicité du déclencheur de flux de travail pour le type de planification ComputeStartStop.

interface modèle RecurrenceSchedule

interface modèle RecurrenceTrigger

interface modèle RegenerateEndpointKeysRequest

interface de modèle RegenerateServiceAccountKeyContent

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant les opérations d’un Registre.

Paramètres facultatifs.

Paramètres facultatifs.

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryCodeContainers.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryCodeVersions.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryComponentContainers.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryComponentVersions.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryDataContainers.

Paramètres facultatifs.

Interface représentant une opération RegistryDataReferences.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryDataVersions.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryEnvironmentContainers.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryEnvironmentVersions.

Interface de modèle RegistryListCredentialsResult

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryModelContainers.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération RegistryModelVersions.

Identité de service managée (identités affectées par le système et/ou identités affectées par l’utilisateur)

Définition de la connexion de point de terminaison privé.

Propriétés de la connexion de point de terminaison privé

État de connexion.

Détails du registre

Détails pour chaque région dans laquelle se trouve le registre

Tâche de régression dans la verticale de la table AutoML.

Configuration liée à l’entraînement de régression.

Configuration des demandes de notation.

Request Logging de l’interface du modèle

Schéma pour le redimensionnement de l’instance de calcul.

Champs courants retournés dans la réponse pour toutes les ressources Azure Resource Manager

interface modèle ResourceBase

interface modèle RessourceConfiguration

Représente un ID de ressource. Par exemple, pour un sous-réseau, il s’agit de l’URL de la ressource du sous-réseau.

Le nom de la ressource.

Quota attribué à une ressource.

Définition des données d’entrée glissantes.

Interface du modèle Route

Interface modèle SASAuthTypeWorkspaceConnectionProperties

Accès avec l’uri SAS complet

interface modèle SASCredentialDto

L’algorithme d’échantillonnage utilisé pour générer des valeurs d’hyperparamètres, ainsi que des propriétés pour configurer l’algorithme

Configuration des informations d’identification de la banque de données SAS.

Secrets SAS de la banque de données.

paramètres d’échelle pour AML Compute

Paramètres d’échelle souhaités pour l’amlCompute.

Configuration du pool ScaleUnit.

Enveloppe de ressource Azure Resource Manager.

interface modèle ScheduleActionBase

interface modèle ScheduleBase

Définition de base d’un planning

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération de planification.

Référence du script

Scripts d’installation personnalisés

Prévision de la saisonnalité.

Configuration de l’expiration des secrets.

interface de modèle ServerlessComputeSettings

Les types de ressources suivis concrets peuvent être créés en alias ce type à l’aide d’un type de propriété spécifique.

interface modèle ServerlessEndpointCapacityReservation

interface modèle ServerlessEndpointContentSafety

interface de modèle ServerlessEndpointInférenceEndpoint

interface modèle ServerlessEndpointModèlesParamètres

interface de modèle ServerlessEndpointProperties

interface de modèle ServerlessEndpointResourceProperties

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération ServerlessEndpoints.

Paramètres facultatifs.

Paramètres facultatifs.

interface de modèle ServerlessInferenceEndpoint

interface modèle ServerlessOffer

Interface de modèle ServiceManagedResourcesSettings

Interface de modèle ServicePrincipalAuthTypeEspace de travailConnectionPropriétés

Configuration des informations d’identification de la banque de données du principal du service.

Secrets du principal du service de banque de données.

Destination d’étiquette de service pour une règle sortante d’étiquette de service pour le réseau managé d’un espace de travail Machine Learning.

Règle de sortie de stock de numéro de série pour le réseau géré d’un espace de travail Machine Learning.

Détails des scripts personnalisés à exécuter pour configurer le cluster.

interface modèle SharedPrivateLinkResource

Propriétés d’une ressource de liaison privée partagée.

Un polleur simple qui peut être utilisé pour interroger une opération de longue durée.

Définition du modèle de ressource représentant la référence SKU

Informations sur la capacité du SKU

Répond à l’exigence du contrat ARM de répertorier toutes les références SKU disponibles pour une ressource.

SkuSetting répond au besoin d’informations SKU réduites dans le contrat ARM.

Définition du job Spark.

Définition du point d’entrée de l’emploi Spark.

interface de modèle SparkJobPythonEntry

interface modèle SparkJobScalaEntry

interface modèle SparkResourceConfiguration

interface de modèle Parole Point d’Accès de Déploiement Ressources Propriétés

interface de modèle AdresseExtrémitéRessourcePropriétés

La configuration ssl pour le scoring

Réglage avancé pour personnaliser l’exécution de StackEnsemble.

Définition des données d’entrée statiques.

Détails du compte de stockage à utiliser pour le registre

interface modèle StringStringKeyValuePair

Définition du travail de balayage.

Classe de limite de tâche de balayage.

Un calcul SynapseSpark.

interface modèle SynapseSparkProperties

interface de modèle SystemCreatedAcrAccount

interface de modèle SystemCreatedStorageAccount

Métadonnées relatives à la création et à la dernière modification de la ressource.

Service système s’exécutant sur un calcul.

Configuration de caractérisation.

Contraintes d’exécution des tâches.

Nombre de périodes passées à décalager à partir de la colonne cible.

Prévision de la taille de la fenêtre roulante cible.

interface modèle CibleUtilisationÉchelleParamètres

interface modèle TeacherModelEndpoint

Interface de modèle TeacherModelEndpointRequestSettings

interface de modèle TeacherModelSettings

Configuration de la distribution TensorFlow.

Tâche de classification de texte dans AutoML NLP vertical. NLP - Traitement du langage naturel.

Tâche Multilabel de classification de texte dans AutoML NLP vertical. NLP - Traitement du langage naturel.

Text-NER tâche dans AutoML NLP verticale. NER : reconnaissance d’entités nommées. NLP - Traitement du langage naturel.

Interface modèle TmpfsOptions

interface modèle TopNFeaturesByAttribution

Définition du modèle de ressource pour une ressource de niveau supérieur suivi d’Azure Resource Manager qui a des « balises » et un « emplacement »

Configuration liée à l’entraînement.

Définition du composant d’évaluation.

interface modèle TriggerBase

Interface modèle TritonModelJobInput

interface modèle TritonModelJobOutput

Définit une stratégie d’arrêt anticipé qui annule un pourcentage donné d’exécutions à chaque intervalle d’évaluation.

Propriétés de mise à jour de la réponse Quota.

Résultat de la mise à jour du quota d’espace de travail.

URI-file Data Version Entity

Interface modèle UriFileJobInput

Interface de modèle UriFileJobOutput

URI-folder Data Version Entity

interface modèle UriFolderJobInput

interface modèle UriFolderJobOutput

Décrit l’utilisation des ressources AML.

interface de modèle UsageAndQuotaDetails

Noms d’utilisation.

Paramètres facultatifs.

Interface représentant une opération d’utilisation.

Paramètres du compte d’utilisateur qui est créé sur chacun des nœuds d’un calcul.

Propriétés d’identité attribuées par l’utilisateur

Configuration de l’identité de l’utilisateur.

Interface modèle Nom d’utilisateur Mot de passe AuthType Espace de travailConnexionPropriétés

Un calcul Machine Learning basé sur des machines virtuelles Azure.

Image de machine virtuelle pour Windows AML Compute

interface de modèle VirtualMachineSchemaProperties

Secrets liés à un calcul Machine Learning basé sur AKS.

Décrit les propriétés d’une taille de machine virtuelle.

Réponse de l’opération List Virtual Machine size.

Paramètres facultatifs.

Interface représentant une opération VirtualMachineSize.

Informations d’identification d’administrateur pour la machine virtuelle

interface modèle VolumeDéfinition

interface modèle VolumeOptions

interface du modèle VulnérabilitéDétails

Interface du modèle Vulnérabilité Résultats

Base de webhook

Objet qui représente un espace de travail Machine Learning.

interface modèle WorkspaceConnectionAccessKey

Objet clé de compte pour les informations d’identification de connexion de l’espace de travail.

Objet de clé API pour les informations d’identification de connexion de l’espace de travail.

interface de modèle WorkspaceConnectionManagedIdentity

ClientId et ClientSecret sont requis. D’autres propriétés sont facultatives en fonction de l’implémentation de chaque fournisseur OAuth2.

interface modèle WorkspaceConnectionPersonalAccessToken

interface modèle WorkspaceConnectionPropertiesV2

Des types de ressources proxy concrets peuvent être créés en créant un alias de ce type à l’aide d’un type de propriété spécifique.

interface de modèle WorkspaceConnectionServicePrincipal

interface modèle WorkspaceConnexionPartageAccès PartagéSignature

Les propriétés avec lesquelles la connexion à l’espace de travail Machine Learning sera mise à jour.

interface modèle Espace de travailConnexionNom d’utilisateurMot de passe

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération WorkspaceConnections.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération WorkspaceFeatures.

Objet de configuration d’WorkspaceHub.

Ressource de point de terminaison privé.

Les propriétés d’un espace de travail d’apprentissage automatique.

Paramètres de mise à jour d’un espace de travail Machine Learning.

Paramètres de mise à jour d’un espace de travail Machine Learning.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Interface représentant une opération Workspaces.

Paramètres facultatifs.

Paramètres facultatifs.

Paramètres facultatifs.

Énumération extensible. Indique le type d’action. « Interne » fait référence aux actions destinées aux API internes uniquement.
KnownActionType peut être utilisé de manière interchangeable avec ActionType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

interne : les actions sont destinées aux API internes uniquement.

État d’allocation du calcul. Les valeurs possibles sont : stable - Indique que le calcul n’est pas redimensionné. Il n’y a aucune modification du nombre de nœuds de calcul dans le calcul en cours. Un calcul entre dans cet état lorsqu’il est créé et lorsqu’aucune opération n’est effectuée sur le calcul pour modifier le nombre de nœuds de calcul. redimensionnement : indique que le calcul est en cours de redimensionnement ; En d’autres termes, des nœuds de calcul sont ajoutés ou supprimés du calcul.
KnownAllocationState peut être utilisé de manière interchangeable avec AllocationState, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Régulier
Redimensionnement

Niveau auquel le contenu est filtré.
KnownAllowedContentLevel peut être utilisé de manière interchangeable avec AllowedContentLevel, ce type enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Faible
Moyenne
Élevé

Stratégie de partage d’applications sur cette instance de calcul entre les utilisateurs de l’espace de travail parent. Si personnel, seul le créateur peut accéder aux applications sur cette instance de calcul. Lorsqu’il est partagé, tout utilisateur de l’espace de travail peut accéder aux applications sur cette instance en fonction de son rôle attribué.
KnownApplicationSharingPolicy peut être utilisé de manière interchangeable avec ApplicationSharingPolicy, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Personnel
Partagé

État de provisionnement de l’actif de registre.
KnownAssetProvisioningState peut être utilisé de manière interchangeable avec AssetProvisioningState, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Réussi
Échoué
Annulé
Créer
Mise à jour
Suppression en cours

Alias pour AssetReferenceBaseUnion

Énumération pour déterminer le mode d’authentification du point de terminaison.
KnownAuthMode peut être utilisé de manière interchangeable avec AuthMode, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AAD

Alias for AutoMLVerticalUnion

Réglage de reconstruction automatique pour l’image dérivée
KnownAutoRebuildSetting peut être utilisé de manière interchangeable avec AutoRebuildSetting, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Disabled
OnBaseImageUpdate

Paramètres d’enregistrement automatique.
KnownAutosave peut être utilisé de manière interchangeable avec Autosave, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

None
Local
Lointain

Valeurs prises en charge pour le paramètre cloud en tant que type littéral de chaîne

Types de propriétés énumérés pour les déploiements par lots.
KnownBatchDeploymentConfigurationType peut être utilisé de manière interchangeable avec BatchDeploymentConfigurationType, ce type enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Modèle
PipelineComponent

Alias pour BatchDeploymentConfigurationUnion

Verbosité du journal pour l’inférence par lots. L’ordre de verbosité croissant pour la journalisation est : Warning, Info et Debug. La valeur par défaut est Info.
KnownBatchLoggingLevel peut être utilisé de manière interchangeable avec BatchLoggingLevel, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Info
Avertissement
Débogage

Enum pour déterminer comment l’inférence par lots gérera la sortie
KnownBatchOutputAction peut être utilisé de manière interchangeable avec BatchOutputAction, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Résumé uniquement
AppendRow

Code à trois lettres spécifiant la devise du prix de la machine virtuelle. Exemple : USD
KnownBillingCurrency peut être utilisé de manière interchangeable avec BillingCurrency, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

USD

Enumération pour tous les modèles de classification pris en charge par AutoML.
KnownBlockedTransformers peut être utilisé de manière interchangeable avec BlockedTransformers, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

TextTargetEncoder : Encodage cible pour les données textuelles.
OneHotEncoder : Ohe hot encoding crée une transformation binaire de caractéristiques.
CatTargetEncoder : Encodage de cible pour les données catégorielles.
TfIdf : Tf-Idf signifie fréquence des termes multipliée par fréquence inverse des documents. Il s’agit d’un système de pondération des termes courant pour identifier les informations provenant de documents.
WoETargetEncoder : L’encodage par poids de preuves est une technique utilisée pour encoder des variables catégorielles. Il utilise le logarithme naturel de P(1)/P(0) pour créer des poids.
LabelEncoder : L’encodeur d’étiquettes convertit les étiquettes/variables catégorielles sous forme numérique.
WordEmbedding : L’inclusion de Word helps représente les mots ou les expressions sous forme de vecteur, ou une série de nombres.
NaiveBayes : Naive Bayes est une classification utilisée pour la classification de caractéristiques discrètes qui sont catégoriquement réparties.
CountVectorizer : Count Vectorizer convertit une collection de documents textes en une matrice de comptages de jetons.
HashOneHotEncoder : Hachage d’un encodeur chaud peut transformer des variables catégorielles en un nombre limité de nouvelles fonctionnalités. Ceci est souvent utilisé pour les caractéristiques catégorielles à cardinalité élevée.

Type de mise en cache du disque de données.
Le KnownCaching peut être utilisé de manière interchangeable avec le Caching, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

None
ReadOnly
LectureÉcriture

Type de capacitéHôteType

État de provisionnement de l’hôte de capacité.
KnownCapabilityHostProvisioningState peut être utilisé de manière interchangeable avec CapabilityHostProvisioningState, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Réussi
Échoué
Annulé
Créer
Mise à jour
Suppression en cours

Type de CategoricalDataDriftMetric

Type de CategoricaLDataQualityMetric

Type de PrédictionMétrique Catégorique Dérive

Enumération pour tous les modèles de classification pris en charge par AutoML.
KnownClassificationModels peut être utilisé de manière interchangeable avec ClassificationModels, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Régression logistique : La régression logistique est une technique fondamentale de classification. Il appartient au groupe des classificateurs linéaires et est quelque peu similaire à la régression polynomiale et linéaire. La régression logistique est rapide et relativement simple, et il est pratique pour vous d’interpréter les résultats. Bien qu’il s’agisse essentiellement d’une méthode de classification binaire, elle peut également être appliquée à des problèmes multiclasses.
SGD : SGD : La descente du gradient stochastique est un algorithme d’optimisation souvent utilisé dans les applications d’apprentissage automatique pour trouver les paramètres du modèle correspondant au meilleur ajustement entre les sorties prédites et réelles.
MultinomialNaiveBayes : Le classificateur multinomial Naive Bayes convient à la classification avec des caractéristiques discrètes (par exemple, le nombre de mots pour la classification de texte). La distribution multinomiale nécessite normalement un nombre de caractéristiques entières. Cependant, en pratique, les comptages fractionnaires tels que tf-idf peuvent également fonctionner.
BernoulliNaiveBayes : Classificateur Naive Bayes pour modèles Bernoulli multivariés.
SVM : Une machine à vecteurs de support (SVM) est un modèle d’apprentissage automatique supervisé qui utilise des algorithmes de classification pour des problèmes de classification à deux groupes. Après avoir fourni à un modèle SVM des ensembles de données d’entraînement étiquetées pour chaque catégorie, ils sont en mesure de catégoriser le nouveau texte.
LinearSVM : Une machine à vecteurs de support (SVM) est un modèle d’apprentissage automatique supervisé qui utilise des algorithmes de classification pour des problèmes de classification à deux groupes. Après avoir fourni à un modèle SVM des ensembles de données d’entraînement étiquetées pour chaque catégorie, ils sont en mesure de catégoriser le nouveau texte. La SVM linéaire fonctionne mieux lorsque les données d’entrée sont linéaires, c’est-à-dire que les données peuvent être facilement classifiées en traçant la ligne droite entre les valeurs classifiées sur un graphique tracé.
KNN : L’algorithme K-plus proches voisins (KNN) utilise la « similarité des caractéristiques » pour prédire les valeurs de nouveaux points de données, ce qui signifie en outre que le nouveau point de données se verra attribuer une valeur basée sur la proximité avec les points de l’ensemble d’entraînement.
Arbre de décision : Les arbres de décision sont une méthode d’apprentissage supervisé non paramétrique utilisée à la fois pour les tâches de classification et de régression. L’objectif est de créer un modèle qui prédit la valeur d’une variable cible en apprenant des règles de décision simples déduites des caractéristiques de données.
RandomForest : La forêt aléatoire est un algorithme d’apprentissage supervisé. La « forêt » qu’il construit est un ensemble d’arbres de décision, généralement entraînés avec la méthode du « bagging ». L’idée générale de la méthode d’ensachage est qu’une combinaison de modèles d’apprentissage augmente le résultat global.
ExtremeRandomTrees : Extreme Trees est un algorithme d’apprentissage automatique en ensemble qui combine les prédictions issues de nombreux arbres de décision. Il est lié à l’algorithme de forêt aléatoire largement utilisé.
LightGBM : LightGBM est un framework de renforcement des gradients qui utilise des algorithmes d’apprentissage basés sur des arbres.
GradientBoost : La technique consistant à transformer les apprenants de la semaine en un apprenant fort s’appelle le Boosting. Le processus de l’algorithme de boosting de gradient fonctionne sur cette théorie de l’exécution.
XGBoostClassificateur : XGBoost : Algorithme d’augmentation extrême du gradient. Cet algorithme est utilisé pour les données structurées où les valeurs de colonne cible peuvent être divisées en valeurs de classe distinctes.

Métriques principales pour les tâches de classification multi-étiquettes.
KnownClassificationMultilabelPrimaryMetrics peut être utilisé de manière interchangeable avec ClassificationMultilabelPrimaryMetrics, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AUCWeighted : AUC est la zone sous la courbe. Cette métrique représente la moyenne arithmétique du score de chaque classe, pondérée par le nombre d’instances réelles dans chaque classe.
Précision : La précision est le ratio des prédictions qui correspondent exactement aux véritables étiquettes de classe.
NormMacroRecall : Le rappel macro normalisé est un rappel macro-moyenné et normalisé, de sorte que la performance aléatoire ait un score de 0, et la performance parfaite un score de 1.
MoyennePrécisionScorePondérée : La moyenne arithmétique du score moyen de précision pour chaque classe, pondérée par le nombre d’occurrences vraies dans chaque classe.
PrécisionScorePondérée : La moyenne arithmétique de la précision pour chaque classe, pondérée par le nombre d’occurrences vraies dans chaque classe.
Reconnaissance de reconnaissance : intersection sur union. Intersection des prédictions divisée par l’union des prédictions.

Indicateurs principaux pour les tâches de classification.
KnownClassificationPrimaryMetrics peut être utilisé de manière interchangeable avec ClassificationPrimaryMetrics, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AUCWeighted : AUC est la zone sous la courbe. Cette métrique représente la moyenne arithmétique du score de chaque classe, pondérée par le nombre d’instances réelles dans chaque classe.
Précision : La précision est le ratio des prédictions qui correspondent exactement aux véritables étiquettes de classe.
NormMacroRecall : Le rappel macro normalisé est un rappel macro-moyenné et normalisé, de sorte que la performance aléatoire ait un score de 0, et la performance parfaite un score de 1.
MoyennePrécisionScorePondérée : La moyenne arithmétique du score moyen de précision pour chaque classe, pondérée par le nombre d’occurrences vraies dans chaque classe.
PrécisionScorePondérée : La moyenne arithmétique de la précision pour chaque classe, pondérée par le nombre d’occurrences vraies dans chaque classe.

Utilisation prévue du cluster
KnownClusterPurpose peut être utilisé de manière interchangeable avec ClusterPurpose, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

FastProd
DenseProd
DevTest

Type d’autorisation de l’instance de calcul. Les valeurs disponibles sont personnelles (par défaut).
KnownComputeInstanceAuthorizationType peut être utilisé de manière interchangeable avec ComputeInstanceAuthorizationType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Vie personnelle

État actuel d’une ComputeInstance.
KnownComputeInstanceState peut être utilisé de manière interchangeable avec ComputeInstanceState, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Créer
CreateFailed
Suppression en cours
En cours
Redémarrage
Redimensionnement
Gestion de Jobs
Mise en place
Installation échouée
Démarrage
Stopped
Arrêt
UserSettingUp
UtilisateurConfigurationÉchouée
Inconnu
Inutilisable

[Obligatoire] Action de puissance de calcul.
KnownComputePowerAction peut être utilisé de manière interchangeable avec ComputePowerAction ; cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Start
Arrêter

Enum pour décrire la fréquence d’un calendrier de récurrence de calcul
KnownComputeRecurrenceFrequency peut être utilisé de manière interchangeable avec ComputeRecurrenceFrequency, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Minute : Fréquence minute
Heure : Fréquence de l’heure
Jour : Fréquence de jour
Semaine : Fréquence hebdomadaire
Mois : Fréquence du mois

Alias pour ComputeSecretsUnion

Type de ComputeTriggerType

Le type de calcul
knownComputeType peut être utilisé de façon interchangeable avec ComputeType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

AKS
Kubernetes
AmlCompute
ComputeInstance
DataFactory
VirtualMachine
HDInsight
Databricks
DataLakeAnalytics
SynapseSpark

Alias pour ComputeUnion

Enum du jour de la semaine
KnownComputeWeekDay peut être utilisé de manière interchangeable avec ComputeWeekDay, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Lundi : lundi en semaine
Mardi : mardi en semaine
Mercredi : Mercredi en semaine
Jeudi : jeudi en semaine
Vendredi : vendredi en semaine
Samedi : samedi en semaine
Dimanche : dimanche en semaine

Type d’authentification de la cible de connexion
KnownConnectionAuthType peut être utilisé de manière interchangeable avec ConnectionAuthType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

PAT
ManagedIdentity
usernamePassword
None
SAS
CompteKey
ServicePrincipal
accessKey
ApiKey
Touches personnalisées
OAuth2
AAD
SAS délégué
IdentitéGestionnéProjetGérée
AccountManagedIdentity
UserEntraToken
Impersonnage d’UtilisateurAgent
AgenticIdentityToken
AgenticUser

Catégorie de la connexion
KnownConnectionCategory peut être utilisé de manière interchangeable avec ConnectionCategory, cette énumération contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

PythonFeed
ContainerRegistry
Git
S3
Snowflake
AzureKeyVault
AzureSqlDb
AzureSynapseAnalytics
AzureMySqlDb
AzurePostgresDb
ADLSGfr2
AzureContainerAppEnvironment
Redis
ApiKey
AzureOpenAI
AIServices
Recherche cognitive
Service cognitif
Touches personnalisées
AzureBlob
AzureStorageAccount
AzureOneLake
CosmosDb
CosmosDbMongoDbApi
AzureDataExplorer
AzureMariaDb
AzureDatabricksDeltaLake
AzureSqlMi
AzureTableStorage
AmazonRdsForOracle
AmazonRdsForSqlServer
AmazonRedshift
Db2
Drill
GoogleBigQuery
Greenplum
Hbase
Hive
Impala
Informix
MariaDb
Accès MicrosoftAccess
MySql
Netezza
Oracle
Phoenix
PostgreSql
Presto
SapOpenHub
SapBw
sapHana
SapTable
Spark
sqlServer
Sybase
Teradata
Vertica
Pinecone
Databricks
Cassandra
Couchbase
MongoDbV2
MongoDbAtlas
Compatible avec AmazonS3
Serveur de fichiers
Serveur Ftp
GoogleCloudStorage
HDFS
OracleCloudStorage
Sftp
GénériqueHttp
ODataRest
Odbc
Repos générique
RemoteTool
AmazonMws
Coïncider
Dynamique
DynamicsAx
DynamiquesCrm
GoogleAdWords
Hubspot
Jira
Magento
Marketo
Office365
Eloqua
Responsys
OracleServiceCloud
PayPal
QuickBooks
Salesforce
SalesforceServiceCloud
SalesforceMarketingCloud
SapCloudForCustomer
SapEcc
ServiceNow
SharePointOnlineList
Shopify
Square
WebTable
Xero
Zoho
GenericContainerRegistry
Elasticsearch
AppInsights
AppConfig
OpenAI
Serp
BingLLMSearch
Sans serveur
ManagedOnlineEndpoint
ApiManagement
ModelGateway
AncreAveBingSearch
GroundingWithCustomSearch
Sharepoint
MicrosoftFabric
PowerPlatformEnvironment
RemoteA2A

Groupe basé sur la catégorie de connexion
KnownConnectionGroup peut être utilisé de manière interchangeable avec ConnectionGroup, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Azure
AzureAI
Base de données
NoSQL
File
GenericProtocol
ServicesAndApps

Type de ContainerType

Spécifie le niveau de sécurité actuel pour la sécurité du contenu.
KnownContentSafetyLevel peut être utilisé de manière interchangeable avec ContentSafetyLevel, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Bloquant
Différé

Spécifie l’état de la sécurité du contenu.
KnownContentSafetyStatus peut être utilisé de manière interchangeable avec ContentSafetyStatus, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Activé
Disabled

Interface qui décrit une page de résultats.

Type d’entité qui a créé la ressource.
KnownCreatedByType peut être utilisé de manière interchangeable avec CreatedByType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

'utilisateur: l’entité a été créée par un utilisateur.
Application: l’entité a été créée par une application.
ManagedIdentity: l’entité a été créée par une identité managée.
Key: l’entité a été créée par une clé.

Enum pour déterminer le type d’informations d’identification de la banque de données.
KnownCredentialsType peut être utilisé de manière interchangeable avec CredentialsType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

CompteKey
Certificat
None
Sas
ServicePrincipal

Type de donnéesDisponibilitéStatut

Type de DataCollectMode

Alias pour DataDriftMetricThresholdBaseUnion

Enum pour déterminer le type de tâche de génération de données.
KnownDataGenerationTaskType peut être utilisé de manière interchangeable avec DataGenerationTaskType ; cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Conversation : Générer des données conversationnelles (tour multiple/unique)
Mathématiques : Générer des données mathématiques pour les réponses numériques
NLI : Générer des données d’inférence en langage naturel
NluQa : Générer des données de Language Understanding naturel pour répondre aux questions
Résumé : générer un résumé clé pour un article

Enumération pour déterminer le type de génération de données.
KnownDataGenerationType peut être utilisé de manière interchangeable avec DataGenerationType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

GénérationÉtiquette : Génération d’étiquettes par l’inférence de modèle par enseignant
DataGeneration : Génération de données synthétiques

Alias pour DataGenerationVerticalUnion

Alias pour DataQualityMetricThresholdBaseUnion

Enum pour déterminer le type d’informations d’identification DataReference.
KnownDataReferenceCredentialType peut être utilisé de manière interchangeable avec DataReferenceCredentialType, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

SAS
DockerCredentials
ManagedIdentity
NoCredentials

Alias pour DataReferenceCredentialUnion

Énumération pour déterminer le type de données.
KnownDataType peut être utilisé de manière interchangeable avec DataType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

uri_file
uri_folder
mltable

Alias pour DataVersionBasePropertiesUnion

Alias pour DatastoreCredentialsUnion

Alias pour DatastorePropertiesUnion

Alias pour DatastoreSecretsUnion

Enum pour déterminer le type de contenu de la banque de données.
KnownDatastoreType peut être utilisé de manière interchangeable avec DatastoreType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AzureBlob
AzureDataLakeGen1
AzureDataLakeGen2
AzureFile
OneLake

Type de DefaultActionType

Type de DefaultResourceProvisioningState

Option de mise à niveau de version du modèle de déploiement.
KnownDeploymentModelVersionUpgradeOption peut être utilisé de manière interchangeable avec DeploymentModelVersionUpgradeOption, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

OnceNewDefaultVersionAvailable
onceCurrentVersionExpired
noAutoUpgrade

Valeurs possibles pour DeploymentProvisioningState.
KnownDeploymentProvisioningState peut être utilisé de manière interchangeable avec DeploymentProvisioningState, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Créer
Suppression en cours
Mise à l'échelle
Mise à jour
Réussi
Échoué
Annulé

Niveau d’erreur de configuration de l’espace de travail
KnownDiagnoseResultLevel peut être utilisé de manière interchangeable avec DiagnoseResultLevel, cet enum contenant les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Avertissement
Error
Information

Alias pour DistributionConfigurationUnion

Enum pour déterminer le type de répartition des tâches.
KnownDistributionType peut être utilisé de manière interchangeable avec DistributionType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

PyTorch
TensorFlow
Mpi
Ray : Type de distribution de rayons.

Type de PolicyType de TerminaisPrécoces

Alias pour EarlyTerminationPolicyUnion

Enum pour déterminer si PublicNetworkAccess est activé ou désactivé pour la sortie d’un déploiement.
KnownEgressPublicNetworkAccessType peut être utilisé de manière interchangeable avec EgressPublicNetworkAccessType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Activé
Disabled

pour déterminer le type de notification par e-mail.
KnownEmailNotificationEnableType peut être utilisé de manière interchangeable avec EmailNotificationEnableType ; cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

JobCompleted
JobRaté
JobAnnulé

Indique si le chiffrement est activé ou non pour l’espace de travail.
KnownEncryptionStatus peut être utilisé de manière interchangeable avec EncryptionStatus, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Activé
Disabled

Énumération pour déterminer le mode d’authentification du point de terminaison.
KnownEndpointAuthMode peut être utilisé de manière interchangeable avec EndpointAuthMode, cet enum contenant les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

AMLToken
Clé
AADToken

Énumération pour déterminer le type de calcul du point de terminaison.
KnownEndpointComputeType peut être utilisé de manière interchangeable avec EndpointComputeType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Géré
Kubernetes
AzureMLCompute

Alias pour EndpointDeploymentResourcePropertiesUnion

État du provisionnement du point de terminaison.
KnownEndpointProvisioningState peut être utilisé de manière interchangeable avec EndpointProvisioningState, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Créer
Suppression en cours
Réussi
Échoué
Mise à jour
Annulé

Alias pour EndpointResourcePropertiesUnion

Type du point de terminaison.
KnownEndpointType peut être utilisé de manière interchangeable avec EndpointType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Azure. OpenAI
Azure. Discours
Azure. Contenu Sécurité
Azure. Llama
managedOnlineEndpoint
serverlessEndpoint

Le type d’environnement est soit créé par l’utilisateur, soit sélectionné par le service Azure ML
KnownEnvironmentType peut être utilisé de manière interchangeable avec EnvironmentType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Organisé
UserCreated

Type de la variable d’environnement. Les valeurs possibles sont : locales - Pour la variable locale
KnownEnvironmentVariableType peut être utilisé de manière interchangeable avec EnvironmentVariableType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

local

Type de FeatureAttributionMetric

Type de FeatureDataType

Mode d’opération pour l’importance des fonctionnalités informatiques.
KnownFeatureImportanceMode peut être utilisé de manière interchangeable avec FeatureImportanceMode, cet enum contenant les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Désactivé : Désactive l’importance des caractéristiques informatiques dans un signal.
Activé : Permet de calculer l’importance des caractéristiques au sein d’un signal.

Indicateur pour générer des décalages pour les fonctionnalités numériques.
Les KnownFeatureLags peuvent être utilisés de manière interchangeable avec les FeatureLags, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Aucun : aucun lag de fonctionnalité généré.
Auto : Le système génère automatiquement des latences de fonctionnalités.

Mode de caractérisation : détermine le mode de caractérisation des données.
KnownFeaturizationMode peut être utilisé de manière interchangeable avec FeaturizationMode, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Auto : Mode Auto, le système effectue la caractérisation sans aucune entrée personnalisée de caractérisation.
Personnalisé : Caractérisation personnalisée.
Désactivé : Caractérisation désactivée. La tâche « Prévision » ne peut pas utiliser cette valeur.

Type de FineTuningTaskType

Alias pour FineTuningVerticalUnion

Sku de pare-feu utilisé pour les règles FQDN
KnownFirewallSku peut être utilisé de manière interchangeable avec FirewallSku, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Standard
Basic

Énumérer pour déterminer le mode de sélection de l’horizon de prévision.
KnownForecastHorizonMode peut être utilisé de manière interchangeable avec ForecastHorizonMode, cet enum contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Auto : L’horizon de prévision sera déterminé automatiquement.
Personnalisé : Utilisez l’horizon de prévision personnalisé.

Alias pour ForecastHorizonUnion

Enum pour tous les modèles de prévision pris en charge par AutoML.
KnownForecastingModels peut être utilisé de manière interchangeable avec ForecastingModels, ce enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AutoArma : Le modèle Auto-Auto-Autorégressif Integrated Moving Average (ARIMA) utilise des séries temporelles et des analyses statistiques pour interpréter les données et faire des prédictions futures. Ce modèle vise à expliquer les données en utilisant des données de séries chronologiques sur leurs valeurs passées et utilise la régression linéaire pour faire des prédictions.
Prophet : Prophet est une procédure de prévision des données de séries temporelles basée sur un modèle additif où les tendances non linéaires s’ajustent à la saisonnalité annuelle, hebdomadaire et quotidienne, ainsi qu’aux effets des fêtes. Il fonctionne mieux avec des séries chronologiques qui ont de forts effets saisonniers et plusieurs saisons de données historiques. Prophet est robuste aux données manquantes et aux changements de tendance, et gère généralement bien les valeurs aberrantes.
Naïf : Le modèle de prévision naïf fait des prédictions en reportant la dernière valeur cible pour chaque série chronologique dans les données d’entraînement.
SeasonalNaive : Le modèle de prévision Seasonal Naive effectue des prédictions en reprenant la dernière saison des valeurs cibles pour chaque série chronologique dans les données d’entraînement.
Moyenne : Le modèle de prévision moyen effectue des prédictions en reportant la moyenne des valeurs cibles pour chaque série temporelle dans les données d’entraînement.
SaisonnalMoyenne : Le modèle de prévision de la moyenne saisonnière effectue des prédictions en reportant la valeur moyenne de la dernière saison des données pour chaque série chronologique des données d’entraînement.
Lissage exponentiel : Le lissage exponentiel est une méthode de prévision en série temporelle pour les données univariées qui peut être étendue pour supporter des données présentant une tendance systématique ou une composante saisonnière.
Arimax : Un modèle ARIMAX (Autoregressive Integrated Moving Average with Explanatory Variable) peut être vu comme un modèle de régression multiple avec un ou plusieurs termes autorégressifs (AR) et/ou un ou plusieurs termes de moyenne mobile (MA). Cette méthode convient aux prévisions lorsque les données sont stationnaires/non stationnaires, et multivariées avec tout type de modèle de données, c’est-à-dire niveau/tendance/saisonnalité/cyclicité.
TCNForecaster : TCNForecester : Prévisionniste des réseaux convolutionnels temporels. À FAIRE : Demandez à l’équipe de prévision une brève introduction.
ElasticNet : Le filet élastique est un type populaire de régression linéaire régularisée qui combine deux pénalités populaires, spécifiquement les fonctions de pénalité L1 et L2.
GradientBoost : La technique consistant à transformer les apprenants de la semaine en un apprenant fort s’appelle le Boosting. Le processus de l’algorithme de boosting de gradient fonctionne sur cette théorie de l’exécution.
Arbre de décision : Les arbres de décision sont une méthode d’apprentissage supervisé non paramétrique utilisée à la fois pour les tâches de classification et de régression. L’objectif est de créer un modèle qui prédit la valeur d’une variable cible en apprenant des règles de décision simples déduites des caractéristiques de données.
KNN : L’algorithme K-plus proches voisins (KNN) utilise la « similarité des caractéristiques » pour prédire les valeurs de nouveaux points de données, ce qui signifie en outre que le nouveau point de données se verra attribuer une valeur basée sur la proximité avec les points de l’ensemble d’entraînement.
LassoLars : Ajustement du modèle lasso avec la régression de l’angle minimum, alias Lars. Il s’agit d’un modèle linéaire entraîné avec un a priori L1 comme régulariseur.
SGD : SGD : La descente du gradient stochastique est un algorithme d’optimisation souvent utilisé dans les applications d’apprentissage automatique pour trouver les paramètres du modèle correspondant au meilleur ajustement entre les sorties prédites et réelles. C’est une technique inexacte mais puissante.
RandomForest : La forêt aléatoire est un algorithme d’apprentissage supervisé. La « forêt » qu’il construit est un ensemble d’arbres de décision, généralement entraînés avec la méthode du « bagging ». L’idée générale de la méthode d’ensachage est qu’une combinaison de modèles d’apprentissage augmente le résultat global.
ExtremeRandomTrees : Extreme Trees est un algorithme d’apprentissage automatique en ensemble qui combine les prédictions issues de nombreux arbres de décision. Il est lié à l’algorithme de forêt aléatoire largement utilisé.
LightGBM : LightGBM est un framework de renforcement des gradients qui utilise des algorithmes d’apprentissage basés sur des arbres.
XGBoostRegressor : XGBoostRegressor : Extreme Gradient Boosting Regressor est un modèle d’apprentissage automatique supervisé utilisant un ensemble d’apprenants de base.

Métriques principales pour la tâche de prévision.
KnownForecastingPrimaryMetrics peut être utilisé de manière interchangeable avec ForecastingPrimaryMetrics, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Corrélation de Spearman : Le coefficient de corrélation de rang de Spearman est une mesure non paramétrique de la corrélation de rang.
NormalizedRootMeanSquaredError : La Normalized Root Mean SquaredError (NRMSE) (RMSE) facilite la comparaison entre modèles à différentes échelles.
R2Score : Le score R2 est l’une des mesures d’évaluation de performance pour les modèles d’apprentissage automatique basés sur la prévision.
NormalizedMeanAbsoluteError : L’Erreur Moyenne Absolue Normalisée (NMAE) est une métrique de validation permettant de comparer l’Erreur Moyenne Absolue (MAE) des séries (temporelles) avec différentes échelles.

Définit des objectifs métriques pris en charge pour l’ajustement des hyperparamètres
KnownGoal peut être utilisé de manière interchangeable avec Target, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Minimize
Maximize

Enum pour déterminer le cadre d’identité.
KnownIdentityConfigurationType peut être utilisé de manière interchangeable avec IdentityConfigurationType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Géré
AMLToken
UserIdentity

Alias pour IdentityConfigurationUnion

Type de l’image. Les valeurs possibles sont : docker - Pour les images Docker. azureml - Pour les images d’environnement AzureML (personnalisées et sélectionnées)
KnownImageType peut être utilisé de manière interchangeable avec ImageType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

docker
Azureml

Enum pour déterminer le mode de livraison des données d’entrée.
KnownInputDeliveryMode peut être utilisé de manière interchangeable avec InputDeliveryMode, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

MontureSeuleLecture
ReadWriteMount
Télécharger
Direct
EvalMount
EvalDownload

Métriques principales pour les tâches InstanceSegmentation.
KnownInstanceSegmentationPrimaryMetrics peut être utilisé de manière interchangeable avec InstanceSegmentationPrimaryMetrics, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

MoyenneMoyennePrécision : La Moyenne Moyenne de Précision (MAP) correspond à la moyenne de la Moyenne de Précision (AP). Les PA sont calculés pour chaque classe et moyennés pour obtenir la MAP.

Mode d’isolation pour le réseau managé d’un espace de travail Machine Learning.
KnownIsolationMode peut être utilisé de manière interchangeable avec IsolationMode, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Disabled
AllowInternetOutbound
PermisSeulApprouvéSortant

Alias pour JobBasePropertiesUnion

Enum pour déterminer le type d’entrée de tâche.
KnownJobInputType peut être utilisé de manière interchangeable avec JobInputType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

literal
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

Alias pour JobInputUnion

Type de JobLimitsType

Alias pour JobLimitsUnion

Enum pour déterminer le type de sortie de tâche.
KnownJobOutputType peut être utilisé de manière interchangeable avec JobOutputType, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

Alias pour JobOutputUnion

Statut d’une tâche.
KnownJobStatus peut être utilisé de manière interchangeable avec JobStatus, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

NotStarted : La course n’a pas encore commencé.
Début : La course a commencé. L’utilisateur dispose d’un ID d’exécution.
Provisionnement : (Non utilisé actuellement) Il sera utilisé si ES crée la cible de calcul.
Préparation : L’environnement de course est en cours d’attente.
En file d’attente : Le travail est mis en file d’attente dans la cible de calcul. Par exemple, dans BatchAI, la tâche est à l’état en file d’attente, en attendant que tous les nœuds requis soient prêts.
Exécution : Le travail a commencé à s’exécuter dans la cible de calcul.
Finalisation : Le travail est terminé dans la cible. Il est maintenant à l’état de collection de sortie.
Annulation demandée : Une annulation a été demandée pour le poste.
Terminé : Travail accompli avec succès. Cela reflète que le travail lui-même et les états de collecte de sortie ont été achevés avec succès
Échec : Travail raté.
Annulé : Après une demande d’annulation, le poste est désormais annulé avec succès.
NotResponder : Lorsque le battement cardiaque est activé, si la série ne met à jour aucune information vers l’historique de la run, alors la run passe en état NotResponding. NotResponding est le seul État qui est exempté des ordonnances de transition strictes. Une exécution peut passer de NotResponding à l’un des états précédents.
Pause : Le travail est mis en pause par les utilisateurs. Certains ajustements des tâches d’étiquetage ne peuvent être effectués qu’à l’état suspendu.
Inconnu : statut de poste par défaut s’il n’est pas mappé à tous les autres statuts

Énumération pour déterminer le niveau de travail.
KnownJobTier peut être utilisé de manière interchangeable avec JobTier, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Zéro
Spot
Basic
Standard
Premium

Enum pour déterminer le type de travail.
KnownJobType peut être utilisé de manière interchangeable avec JobType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

AutoML
Commande
Balayage
Pipeline
Spark
Affinage
Distillation

Type de type de clé

Apprentissage du planificateur de taux enum.
KnownLearningRateScheduler peut être utilisé de manière interchangeable avec LearningRateScheduler, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Aucun : Aucun planificateur de taux d’apprentissage sélectionné.
Échauffement Cosinus : recuit du cosinus avec échauffement.
Étape : Planificateur de taux d’apprentissage par étapes.

Type de ListViewType

Type Load Balancer
KnownLoadBalancerType peut être utilisé de manière interchangeable avec LoadBalancerType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

PublicIp
InternalLoadBalancer

Énumération pour la définition de la verbosité du journal.
KnownLogVerbosity peut être utilisé de manière interchangeable avec LogVerbosity, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

NotSet : Aucun journal émis.
Débogage : Débogage et instructions de journal mentionnées ci-dessus enregistrées.
Info : Informations et états de journal ci-dessus enregistrés.
Attention : Avertissement et instructions journal ci-dessus enregistrées.
Erreur : Erreur et instructions de journal ci-dessus enregistrées.
Critique : Seules les déclarations critiques enregistrées.

Type de réseau géré. Les utilisateurs peuvent passer de la V1 à la V2 pour des contrôles d’accès granulaires, mais ne peuvent pas revenir à la V1 une fois la V2 activée.
KnownManagedNetworkKind peut être utilisé de manière interchangeable avec ManagedNetworkKind, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

V1
V2

Type d’ÉtatProvisionnement RéseauGéré

État du réseau managé d’un espace de travail Machine Learning.
KnownManagedNetworkStatus peut être utilisé de manière interchangeable avec ManagedNetworkStatus, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

inactif
Actif

Type d’Exigence GéréePERequirement

Type de ManagedPEStatus

Type d’identité de service managé (où les types SystemAssigned et UserAssigned sont autorisés).
KnownManagedServiceIdentityType peut être utilisé de manière interchangeable avec ManagedServiceIdentityType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Aucun : aucune identité managée.
SystemAssigned : identité managée affectée par le système.
UserAssigned : identité managée affectée par l’utilisateur.
SystemAssigned,UserAssigned : identité managée affectée par le système et l’utilisateur.

Type de marchéAbonnementProvisionNatif

Type de MarketplaceAbonnementStatut

Type de matérialisationStockType

Indique si mlflow autologger est activé pour les notebooks.
KnownMlflowAutologger peut être utilisé de manière interchangeable avec MlflowAutologger, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Activé
Disabled

État du cycle de vie du modèle.
KnownModelLifecycleStatus peut être utilisé de manière interchangeable avec ModelLifecycleStatus, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Généralementavailable
Aperçu

Enumération pour déterminer le type de réglage fin.
KnownModelProvider peut être utilisé de manière interchangeable avec ModelProvider, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AzureOpenAI : Ajustement fin à l’aide du modèle Azure OpenAI.
Personnalisé : Ajustement fin avec un modèle personnalisé.

Taille du modèle d’image.
KnownModelSize peut être utilisé de manière interchangeable avec ModelSize, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Aucune : Aucune valeur sélectionnée.
Petite : petite taille.
Moyen : taille moyenne.
Grande : Grande taille.
ExtraLarge : Taille extra grande.

Modèle de type de tâche enum.
KnownModelTaskType peut être utilisé de manière interchangeable avec ModelTaskType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Classification
Régression

Alias pour MonitorComputeConfigurationBaseUnion

Alias pour MonitorComputeIdentityBaseUnion

Surveillez le type d’identité de calcul enum.
KnownMonitorComputeIdentityType peut être utilisé de manière interchangeable avec MonitorComputeIdentityType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

AmlToken : Authentifie via le jeton AML de l’utilisateur.
Managed Identity : Authentifie via une identité gérée fournie par l’utilisateur.

Surveillez le type de calcul enum.
KnownMonitorComputeType peut être utilisé de manière interchangeable avec MonitorComputeType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

ServerlessSpark : Calcul Serverless Spark.

Type de SurveillanceCaractéristiquesDonnées

Alias pour MonitoringFeatureFilterBaseUnion

Type de SurveillanceFeatureFilterType

Alias pour MonitoringInputDataBaseUnion

Surveillance du type de données d’entrée enum.
KnownMonitoringInputDataType peut être utilisé de manière interchangeable avec MonitoringInputDataType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Statique : Une donnée d’entrée avec une taille de fenêtre fixe.
Roulement : Une donnée d’entrée qui se déroule relativement par rapport au temps d’exécution actuel du moniteur.
Corrigé : Une donnée d’entrée au format tabulaire qui ne nécessite pas de prétraitement.

Type de SurveillanceNotificationType

Alias pour MonitoringSignalBaseUnion

Type de SurveillanceType de signal

Action de montage.
KnownMountAction peut être utilisé de manière interchangeable avec MountAction ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Mont
Démonter

Mode de montage.
KnownMountMode peut être utilisé de manière interchangeable avec MountMode, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

ReadOnly
LectureÉcriture

État de montage.
KnownMountState peut être utilisé de manière interchangeable avec MountState, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

MountRequested
Monté
MountFailed
DémontéDemandé
DémontéÉchoué
Non monté

Détermine comment la valeur des validations N-Cross est déterminée.
KnownNCrossValidationsMode peut être utilisé de manière interchangeable avec NCrossValidationsMode, ce terme contient les valeurs connues prises en charge par le service.

Valeurs connues prises en charge par le service

Auto : Déterminez automatiquement la valeur des validations N-Cross. Pris en charge uniquement pour la tâche AutoML « Prévision ».
Personnalisé : Utilisez une valeur de validation N-Cross personnalisée.

Alias pour NCrossValidationsUnion

réseau de ce conteneur.
KnownNetwork peut être utilisé de manière interchangeable avec Network, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Pont
Hôte

État du nœud de calcul. Les valeurs sont idle (inactive), en cours d’exécution, en préparation, inutilisable, leaving (en devenir) et preempted (préempté).
KnownNodeState peut être utilisé de manière interchangeable avec NodeState, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

oisif
en cours d’exécution
Préparation
inutilisable
Départ
Préempté

Alias pour NodesUnion

Les types énumérés pour les nœuds valent
KnownNodesValueType peut être utilisé de manière interchangeable avec NodesValueType ; cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Tous

Type de NumericalDataDriftMetric

Type de NumericalDataQualityMetric

Type de NumériquePrédictionDériveMesure

Métriques principales pour la tâche Image ObjectDetection.
KnownObjectDetectionPrimaryMetrics peut être utilisé de manière interchangeable avec ObjectDetectionPrimaryMetrics, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

MoyenneMoyennePrécision : La Moyenne Moyenne de Précision (MAP) correspond à la moyenne de la Moyenne de Précision (AP). Les PA sont calculés pour chaque classe et moyennés pour obtenir la MAP.

Enum pour déterminer le type d’artefact OneLake.
KnownOneLakeArtifactType peut être utilisé de manière interchangeable avec OneLakeArtifactType, cet enum contenant les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

LakeHouse

Alias pour OneLakeArtifactUnion

Alias pour OnlineDeploymentPropertiesUnion

Alias pour OnlineScaleSettingsUnion

Le type de système d’exploitation.
KnownOperatingSystemType peut être utilisé de manière interchangeable avec OperatingSystemType, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Linux
Windows

Nom de la dernière opération.
KnownOperationName peut être utilisé de manière interchangeable avec OperationName, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

Créer
Start
Arrêter
Restart
Resize
Réimager
Supprimer

État de l’opération.
KnownOperationStatus peut être utilisé de manière interchangeable avec OperationStatus, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

InProgress
Réussi
CreateFailed
StartFailed
StopFailed
RedémarrageÉchoué
RedimensionFailed
ReimageRatéÉchoué
DeleteFailed

Déclencheur d’opération.
KnownOperationTrigger peut être utilisé de manière interchangeable avec OperationTrigger, cet enum contient les valeurs connues que le service supporte.

Valeurs connues prises en charge par le service

Utilisateur
Schedule
IdleShutdown