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予測環境を作成して、AzureMLでDataRobotスコアリングコードをデプロイします。 DataRobot管理を有効にすると、外部AzureMLデプロイは、自動スコアリングコード置換を含むMLOps管理にアクセスできます。

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. Open the Console > Prediction environments page and click + Add prediction environment.

   

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。

   

   • 予測環境の説明的な名前とオプションの説明を入力します。

   • プラットフォームドロップダウンリストからAzureを選択します。

   • DataRobotが管理設定を有効にすると、この予測環境が管理エージェントを介してDataRobotスコアリングコードモデルを自動的にパッケージ化してデプロイできます。

   The Supported model formats settings are automatically set to DataRobot and DataRobot Scoring Code only and can't be changed, as this is the only model format supported by AzureML.

3. In the Management settings section, select the related Azure service principal Credentials. 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。

   

   「Azureサービスプリンシパルの資格情報が必要です」

   AzureMLでDataRobotがスコアリングコードを管理するには、既存のAzureサービスプリンシパルの資格情報が必要です。 既存の資格情報を持っていない場合、Azureサービスプリンシパルの資格情報が必要ですというアラートが表示され、資格情報に移動してAzureサービスプリンシパルの資格情報を作成するよう促されます。

   

   必要な資格情報を作成するには、資格情報のタイプで、Azureサービスプリンシパルを選択します。 次に、クライアントID、クライアントシークレット、AzureテナントID、表示名を入力します。 資格情報を検証して保存するには、保存してサインインをクリックします。

   

   You can find these IDs and the display name on Azure's App registrations > Overview tab (1) and generate secrets on the App registration > Certificates and secrets tab(2):

   

   In addition, if you are using tags for governance and resource management in AzureML, click AzureML tags and then + Add new tag to add the required tags to the prediction environment.

4. (Optional) If you want to connect to and retrieve data from Azure Event Hubs for monitoring, in the Monitoring settings section, click Enable monitoring and configure the Event Hubs Namespace, Event Hubs Instance, and Managed Identities fields. 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。

   You can also click Environment variables and then + New environment variables to add environment variables to the prediction environment.

5. 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. On the Registry > Model directory page, in the table of registered models, click the registered model containing the version you want to deploy, opening the list of versions.

   モデルサポート

   AzureML prediction environments do not support models without Scoring Code support.

2. From the list of versions, click the Scoring Code enabled version you want to deploy, opening the registered model version panel.

   

3. In the upper-right corner of any tab in the registered model version panel, click Deploy.

   

4. In the Prediction history and service health settings, under Choose prediction environment, click Change.

   

5. In the Select prediction environment panel, click AzureML, and then click the prediction environment you want to deploy to.

   

6. With an AzureML environment selected, in the Prediction history and service health section, under Endpoint, click + Add endpoint.

   

7. 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。

   

8. (Optional) On the next page, define additional Environment key-value pairs to provide extra parameters to the Azure deployment interface. 次に確認をクリックします。

9. Configure the remaining deployment settings and click Deploy model.

While the deployment is Launching, you can monitor the status events on the deployment's Monitoring > Service health tab under Recent activity > Agent activity

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。