# AzureMLでのスコアリングコードの自動デプロイと置換

> AzureMLでのスコアリングコードの自動デプロイと置換 -
> DataRobotが管理するAzureMLの予測環境を作成し、DataRobotのスコアリングコードをAzureMLにデプロイして置き換えます。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.930559+00:00` (UTC).

## Primary page

- [AzureMLでのスコアリングコードの自動デプロイと置換](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/prediction-env/pred-env-integrations/azureml-sc-deploy-replace.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [AzureML予測環境の作成](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/prediction-env/pred-env-integrations/azureml-sc-deploy-replace.html.md#create-an-azure-prediction-environment): In-page section heading.
- [モデルをAzureML予測環境にデプロイ](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/prediction-env/pred-env-integrations/azureml-sc-deploy-replace.html.md#deploy-a-model-to-the-azure-prediction-environment): In-page section heading.
- [AzureMLで予測を行う](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/prediction-env/pred-env-integrations/azureml-sc-deploy-replace.html.md#make-predictions-in-azureml): In-page section heading.

## Documentation content

> [!NOTE] プレミアム機能
> AzureMLでのスコアリングコードの自動デプロイと置換はプレミアム機能です。 この機能を有効にする方法については、DataRobotの担当者または管理者にお問い合わせください。
> 
> 機能フラグ： AzureMLでのスコアリングコードの自動デプロイと置換を有効にする（ プレミアム機能 ）

DataRobotのスコアリングコードをAzureMLにデプロイするには、DataRobotが管理するAzureMLの予測環境を作成します。 DataRobotの管理を有効にすることで、外部のAzureMLへのデプロイは、スコアリングコードの自動置換を含むMLOpsの機能を利用できます。

> [!NOTE] 外部モデルと監視ジョブのサービス正常性に関する情報
> サービス正常性の情報は、 [エージェントによって監視される](https://docs.datarobot.com/ja/docs/classic-ui/mlops/deployment/mlops-agent/monitoring-agent/index.html.md) 外部のデプロイでは入手できません。また、 [予測監視ジョブ](https://docs.datarobot.com/ja/docs/classic-ui/predictions/batch/pred-monitoring-jobs/index.html.md) を介して予測がアップロードされるデプロイでも入手できません。

## AzureML予測環境の作成

AzureMLにモデルをデプロイするには、まずカスタムAzureML予測環境を作成します。

1. デプロイ > 予測環境をクリックし、予測環境を追加をクリックします。
2. 予測環境を追加ダイアログボックスで、予測環境設定を行います。
3. 指定された資格情報を使用してアクセスできるAzureサブスクリプション、Azureリソースグループ、およびAzureMLワークスペースフィールドを設定します。
4. （オプション）監視のためにAzure Event Hubsに接続してデータを取得する場合は、Event Hubs名前空間、Event Hubsインスタンス、マネージドIDの各フィールドを設定します。 これには有効な資格情報、AzureサブスクリプションID、およびAzureリソースグループが必要です。
5. （オプション）AzureMLでガバナンスとリソースの管理にタグを使用している場合、AzureMLタグを追加、+ 新規タグの追加を順にクリックして、必要なタグを予測環境に追加します。
6. 環境設定を行った後、環境を追加をクリックします。 AzureML環境は、予測環境ページから利用できるようになりました。

## モデルをAzureML予測環境にデプロイ

AzureML予測環境を作成したら、その環境にモデルをデプロイできます。

1. モデル登録 > 登録済みのモデルをクリックし、AzureML予測環境にデプロイするスコアリングコード対応モデルを選択します。 ヒント予測環境で+ 新規デプロイを追加をクリックして、デプロイ>予測環境タブからAzureML予測環境にモデルをデプロイすることもできます。
2. 登録されているモデルバージョンのいずれかのタブで、デプロイをクリックします。
3. デプロイターゲットを選択ダイアログボックスで、デプロイターゲットを選択からAzureMLをクリックします。 備考AzureMLのデプロイターゲットをクリックできない場合、選択したモデルではスコアリングコードが使用できません。
4. 予測環境を選択で、追加したAzureML予測環境を選択してから、確認をクリックします。
5. デプロイを設定し、予測履歴とサービスの正常性セクションで、エンドポイントの下にある+ エンドポイントを追加をクリックします。
6. エンドポイントを選択ダイアログボックスで、想定されるワークロードに応じて、オンラインまたはバッチエンドポイントを定義し、次へをクリックします。
7. （オプション）さらに環境のキーと値のペアを定義して、Azureデプロイインターフェイスにパラメーターを追加し、確認をクリックします。
8. モデルをデプロイをクリックします。 デプロイが起動中の間、サービスの正常性タブの最近のアクティビティ > エージェントのアクティビティでステータスイベントを監視できます。

## AzureMLで予測を行う

AzureML予測環境にモデルをデプロイしたら、 予測 > ポータブル予測 タブのコードスニペットを使用して、AzureMLでデータをスコアリングできます。

コードスニペットを実行する前に、以下のいずれかの方法で必要な資格情報を提供する必要があります。

- スニペットを実行する前に、Azure Service Principalのシークレットを環境変数としてローカルにエクスポートします。 環境変数説明AZURE_CLIENT_IDアプリの登録 > 概要タブのアプリケーションID。AZURE_TENANT_IDアプリの登録 > 概要タブのディレクトリID。AZURE_CLIENT_SECRETアプリの登録 > 証明書およびシークレットタブで生成されたシークレットトークン。
- Azure CLIをインストールし、az loginコマンドを実行して、ポータブル予測スニペットが個人のAzure資格情報を使用できるようにします。

> [!NOTE] 重要
> AzureMLの バッチ および オンライン エンドポイントへのデプロイには、標準のDataRobotデプロイとは異なるAPIを使用します。
> 
> オンラインエンドポイントはJSONまたはCSV入力をサポートし、結果をJSONに出力します。
> バッチエンドポイントはCSV入力をサポートし、結果をCSVファイルに出力します。