パイプラインにデータを提供するための推奨される方法は、Dataset オブジェクトです。Dataset オブジェクトは、データストアまたは Web URL 内に存在するデータ、またはデータストアまたは Web URL からアクセスできるデータを指します。Dataset クラスは抽象クラスであるため、FileDataset (1 つ以上のファイルを参照) または区切られたデータ列を持つ 1 つ以上のファイルから作成される TabularDataset のインスタンスを作成します。
例：
azureml.core インポート データセットから
iris_tabular_dataset = Dataset.Tabular.from_delimited_files([(def_blob_store, 'train-dataset/iris.csv')]) 参考:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-your-first-pipeline

説明

ステップ 1: モデルをトレーニングする
2 クラスのブーストされたデシジョン ツリー
まず、ブーストされたデシジョン ツリー モデルを設定します。
1. モジュール パレットで Two-Class Boosted Decision Tree モジュールを見つけて、キャンバスにドラッグします。
2. モデルのトレーニング モジュールを見つけてキャンバスにドラッグし、2 クラス ブースト デシジョン ツリー モジュールの出力をモデルのトレーニング モジュールの左側の入力ポートに接続します。
Two-Class Boosted Decision Tree モジュールは汎用モデルを初期化し、Train Model はトレーニング データを使用してモデルをトレーニングします。
3. 左側の R スクリプト実行モジュールの左側の出力をモデルのトレーニング モジュールの右側の入力ポートに接続します (このチュートリアルでは、トレーニングのためにデータ分割モジュールの左側からのデータを使用しました)。
実験のこの部分は次のようになります。

ステップ 2: スコアモデル
モデルにスコアを付けて評価する
データ分割モジュールによって分離されたテスト データを使用して、トレーニングされたモデルにスコアを付けます。次に、2 つのモデルの結果を比較して、どちらがより良い結果を生成したかを確認できます。
スコアモデルモジュールを追加する
1. モデルのスコア付けモジュールを見つけて、キャンバスにドラッグします。
2. Two-Class Boosted Decision Tree モジュールに接続されている Train Model モジュールを、Score Model モジュールの左側の入力ポートに接続します。
3. 右側の R スクリプト実行モジュール (テスト データ) をスコア モデル モジュールの右側の入力ポートに接続します。

ステップ 3: モデルを評価する
2 つのスコアリング結果を評価して比較するには、モデルの評価モジュールを使用します。
1. 「モデルの評価」モジュールを見つけて、キャンバスにドラッグします。
2. ブーストされたデシジョン ツリー モデルに関連付けられたモデルのスコア付けモジュールの出力ポートを、モデルの評価モジュールの左側の入力ポートに接続します。
3. もう一方のスコア モデル モジュールを右の入力ポートに接続します。

説明
TensorFlow は、数値計算および大規模機械学習用のオープンソース ライブラリです。Python を使用して、フレームワーク TensorFlow でアプリケーションを構築するための便利なフロントエンド API を提供します。TensorFlow は、手書き数字分類、画像認識、単語埋め込み、リカレント ニューラル ネットワーク、機械翻訳のためのシーケンスツーシーケンス モデルのためのディープ ニューラル ネットワークをトレーニングおよび実行できます。自然言語処理、PDE (偏微分方程式) ベースのシミュレーション。
参考文献:
https://www.infoworld.com/article/3278008/what-is-tensorflow-the-machine-learning-library-explained.html

さまざまなテクノロジを使用して、Azure Blob Storage との間でデータを移動できます。
* Azure ストレージ エクスプローラー
* アズコピー
* パイソン
* SSIS
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/move-azure-blob