azure-machine-learning

Azure Machine Learning — справочный навык для разработки, настройки и эксплуатации решений Azure ML. Его назначение — помочь агенту разбирать ошибки, выбирать подходящую архитектуру, настраивать компоненты и планировать развертывание на основании официальной документации Microsoft. Навык охватывает AutoML, управляемые online endpoints, Prompt Flow и RAG, feature store, MLflow, pipelines, окружения, вычисления, мониторинг и интеграции. Он также собирает отдельные разделы по безопасности, лимитам и квотам, сетевой изоляции, отказоустойчивости и миграциям между версиями Azure ML. Внутренняя структура навыка построена как указатель на проверяемые материалы, а не как копия всей документации. Сначала агент должен выбрать категорию и открыть соответствующий диапазон или файл. В разделе troubleshooting перечислены диагностика ошибок компонентов Designer, AutoML forecasting, online и batch endpoints, pipeline failures и reuse, проблемы доступа к данным, окружений, Kubernetes, managed network, private endpoints, Prompt Flow и feature store. Это делает карточку полезной для поиска направления проверки: она подсказывает, где искать причину, но не обещает универсальное исправление без анализа конкретной конфигурации. Раздел best practices помогает разбирать стоимость и загрузку вычислений, мониторинг моделей, feature engineering, batch scoring, распределенное GPU-обучение, производительность inference и подготовку наборов изображений для AutoML. Раздел decision making предназначен для выбора сетевой изоляции, способа обучения, плана disaster recovery и миграции с v1 на v2; отдельно упомянуты перенос data assets, моделей, endpoint-ов, pipeline jobs, compute и workspace. В архитектурной части рассматриваются типы endpoint-ов и realtime inference, а в разделах limits и quotas — региональная доступность, поддерживаемые VM SKU, retention soft delete, квоты и ограничения сервиса. Сценарии использования включают проектирование online или batch inference, разбор pipeline, подготовку MLOps и CI/CD, настройку Prompt Flow/LLM-инструментов и RAG, подключение Spark, MLflow, REST/HTTP, Synapse, Databricks, Fabric и Event Grid. Для production-подхода важны также RBAC, managed identity, шифрование, customer-managed keys, private endpoints, DNS, VNets, network isolation и предотвращение exfiltration. Эти темы описаны как направления официальных материалов, поэтому конкретные лимиты, поддерживаемые регионы, версии API и параметры следует сверять по ссылкам Microsoft перед применением. Ограничение навыка явно задано в исходном SKILL.md: для получения удаленной документации требуется сеть; предпочтителен Microsoft Docs MCP, а запасной путь — fetch_webpage с параметром from=learn-agent-skill. Если такой MCP недоступен, навык предлагает установить его, а не заменять документацию догадками. Навык предназначен именно для Azure Machine Learning и не заменяет специализированные материалы по Azure Databricks, Azure Synapse Analytics, Azure Data Science Virtual Machines или Azure HDInsight. Дата генерации исходного файла также указана в frontmatter, поэтому при заметном устаревании следует запросить свежую версию из публичного репозитория.