Guide de lecture localisé
azure-ai-ml-pyObjectif, utilisation et source
Kit de développement logiciel Azure Machine Learning v2Pour Python. À utiliser pour les espaces de travail, les tâches, les modèles, les jeux de données, le calcul et les pipelines de machine learning. Déclencheurs : « azure-ai-ml », « MLClient », « workspace », « model registry », « training jobs », « datasets ».
Source récupérée:
- Dépôt source
- microsoft/skills
- SKILL.md
.github/plugins/azure-sdk-python/skills/azure-ai-ml-py/SKILL.md- Étoiles du dépôt
- 3,157
- Mise à jour du dépôt
- 2026-10-31
- Catégories de capacités
- Services cloud
- Dernière collecte
Licence : MIT
Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.
Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.
À quoi sert cette compétence ?
Kit de développement logiciel Azure Machine Learning v2Pour Python. À utiliser pour les espaces de travail, les tâches, les modèles, les jeux de données, le calcul et les pipelines de machine learning. Déclencheurs : « azure-ai-ml », « MLClient », « workspace », « model registry », « training jobs », « datasets ».
Comment fonctionne le flux de travail en amont
Kit de développement logiciel Azure Machine Learning v2pour Python
Bibliothèque cliente pour la gestion des ressources Azure ML : espaces de travail, tâches, modèles, données et calcul.
passage en amont · L13 ↗Authentification et cycle de vie
> 🔑 Deux règles s'appliquent à chaque exemple de code ci-dessous : > >1Cela fonctionne en local (Azure CLI / VS Code / Developer CLI) et dans Azure (identité managée, identité de charge de travail) sans aucune modification du code.
passage en amont · L32 ↗À partir du fichier de configuration
> Longue durée de vieml_clientLes exemples suivants de cette compétence supposentml_clienta été créé selon le modèle ci-dessus et reste actif pendant toute la durée de vie de votre script. En production, encapsulez votre flux de travail principal dans un seulwith MLClient(...) as ml_client:bloquer afin que le transport HTTP sous-jacent se ferme proprement à la sortie.
Configuration requise
pip install azure-ai-mlLimites et contrôles de qualité
Aucun passage de limite distinct n'a été sélectionné dans ce fichier. Cela ne signifie pas que la compétence est sûre pour toutes les entrées ou tous les environnements. Consultez le code source complet et validez vos résultats.
Commencez par un essai sans danger
- Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
- Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
- Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
- Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.
Pour en savoir plus, consultez la source.
Compétences connexes
Traduction et étendue
Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.
Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.
- Source épinglée
- Lire l'original ↗
- Source récupérée
- Commit source
00d66a64919edca5bca2c673373444e36a4b5461- Source SHA-256
07491b57acea5747c3474bc1401e4813ce292dcf35658b33512aebd73d21609f