Explanation:
ステップ1：パイプラインを公開します。
パイプラインをスケジュールするには、ワークスペースへの参照、公開されたパイプラインの識別子、およびスケジュールを作成する実験の名前が必要です。
手順2：パイプラインIDを取得します。
スケジュールに必要です。
ステップ3：ScheduleRecurrenceを作成します。
パイプラインを定期的に実行するには、スケジュールを作成します。スケジュールは、パイプライン、実験、およびトリガーを関連付けます。
まず、スケジュールを作成します。例：15分ごとに実行を開始するスケジュールを作成します。
recurrence = ScheduleRecurrence（frequency = "Minute"、interval = 15）
手順4：AzureMachineLearningパイプラインスケジュールを定義します。
例、続き：
recurring_schedule = Schedule.create（ws、name = "MyRecurringSchedule"、
description = "時間に基づく"、
Pipeline_id = pipeline_id、
実験名=実験名、
recurrence = recurrence）
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-schedule-pipelines

ポアソン回帰は、数値（通常はカウント）を予測するために使用される回帰モデルでの使用を目的としています。したがって、このモジュールを使用して回帰モデルを作成するのは、予測しようとしている値が次の条件に適合する場合のみにしてください。
*応答変数にはポアソン分布があります。
*カウントを負にすることはできません。ネガティブラベルで使用しようとすると、メソッドは完全に失敗します。
*ポアソン分布は離散分布です。したがって、整数以外の数値でこのメソッドを使用することは意味がありません。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/poisson-regression

説明/参照：
Explanation:
さまざまなテクノロジーを使用して、AzureBlobストレージとの間でデータを移動できます。
AzureStorage-エクスプローラー
AzCopy
Python
SSIS
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/move-azure-blob

参照：
https://docs.databricks.com/clusters/configure.html