Monitorar e analisar trabalhos no estúdio do Azure Machine Learning

Use o Azure Machine Learning Studio para monitorar, organizar e acompanhar seus trabalhos para treinamento e experimentação. Seu histórico de trabalhos de ML (machine learning) desempenha um papel importante em um processo de desenvolvimento de ML explicado e repetível.

Este artigo explica como:

• Adicione um nome de exibição da tarefa.
• Crie uma exibição personalizada.
• Adicione uma descrição do trabalho.
• Marque e localize os trabalhos.
• Execute pesquisas no histórico de trabalhos.
• Cancele ou reprove os trabalhos.
• Monitore o status do trabalho usando notificações por email.

Pré-requisitos

Você precisará dos seguintes itens:

• Para usar o Azure Machine Learning, você precisa ter uma assinatura do Azure. Caso não tenha uma assinatura do Azure, crie uma conta gratuita antes de começar. Experimente a versão gratuita ou paga do Azure Machine Learning.
• Você precisa ter um workspace do Azure Machine Learning. Crie um espaço de trabalho em Instale, configure e use a CLI (v2).

Nome de exibição da tarefa

O nome de exibição do trabalho é um nome opcional e personalizável que você pode atribuir ao seu trabalho. Para editar o nome de exibição do trabalho:

1. Navegue até a lista Trabalhos.

2. Selecione o trabalho a ser editado.

   

3. Selecione o botão Editar para editar o nome de exibição do trabalho.

   

Exibição personalizada

Para visualizar seus trabalhos no estúdio:

1. Navegue até a guia Trabalhos.

2. Selecione Todos os experimentos para exibir todos os trabalhos em um experimento ou selecione Todos os trabalhos para exibir todos os trabalhos enviados no Espaço de trabalho.

Na página Todos os trabalhos, você pode filtrar a lista de trabalhos por marcas, experimentos, destino de computação e muito mais para melhor organizar e fazer o escopo do trabalho.

1. Faça personalizações na página, selecionando trabalhos a ser comparados, adicionando gráficos ou aplicando filtros. Essas alterações podem ser salvas como uma Exibição personalizada para que você possa retornar facilmente ao seu trabalho. Os usuários com permissões de workspace podem editar ou ver a exibição personalizada. Além disso, compartilhe a exibição personalizada com membros da equipe para colaboração aprimorada selecionando Compartilhar exibição.

   

2. Para ver os logs de trabalho, selecione um trabalho específico e, na guia Saídas e logs, você pode encontrar os logs de diagnóstico e de erros do trabalho.

Descrição do trabalho

Você poderá adicionar uma descrição de trabalho para fornecer mais contexto e informações ao trabalho. Você também pode pesquisar nessas descrições na lista de trabalhos e adicionar a descrição do trabalho como coluna na lista de trabalhos.

Navegue até a página de detalhes do trabalho e selecione o ícone Editar ou lápis para adicionar, editar ou excluir descrições do trabalho. Para manter as alterações na lista de trabalhos, salve as alterações na exibição personalizada existente ou em uma nova exibição personalizada. O formato Markdown é compatível com as descrições de vagas, o que permite que imagens sejam incorporadas e links profundos, conforme mostrado.

Marcar e localizar trabalhos

No Azure Machine Learning, você pode usar as propriedades e os tags para ajudar a organizar e consultar os trabalhos para obter informações importantes.

Editar tags

Você pode adicionar, editar ou excluir tags de trabalho no estúdio. Navegue até a página de detalhes dos seus trabalhos e selecione o ícone de edição ou lápis para adicionar, editar ou excluir tags dos seus trabalhos. Você também pode pesquisar e filtrar essas tags na página de Lista de Trabalhos.

Propriedades e tags de consulta

Você pode consultar as tarefas em um experimento para retornar uma lista de tarefas que correspondem a propriedades e tags específicas.

Para pesquisar trabalhos específicos, navegue até a lista Todos os trabalhos. Aqui, você tem duas opções:

• Use o botão Adicionar filtro e selecione o filtro nas marcas para filtrar os trabalhos pela marca que foi atribuída aos trabalhos.
• Use a barra de pesquisa para encontrar trabalhos rapidamente, pesquisando nos metadados do trabalho, como o status do trabalho, descrições, nomes de experimento e nome do emissor.

Cancelar ou reprovar trabalhos

Se você observar um erro ou se o trabalho estiver demorando muito para ser concluído, você poderá cancelar o trabalho.

Para cancelar um trabalho no estúdio:

1. Vá para o pipeline em execução na seção Trabalho ou Pipelines.

2. Selecione o número da tarefa do pipeline que você deseja cancelar.

3. Na barra de ferramentas, selecione Cancelar.

Monitore o status das tarefas por notificações por e-mail

Você poderá usar as configurações de diagnóstico para disparar notificações por email. Para saber como criar configurações de diagnóstico, consulte Criar configurações de diagnóstico no Azure Monitor.

Para saber como criar e gerenciar alertas de log usando o Azure Monitor, consulte Criar ou editar uma regra de alerta de pesquisa de log.

Conteúdo relacionado

• Métricas, parâmetros e arquivos de registro com o MLflow
• Monitorar o Azure Machine Learning