Créer un projet dans Azure AI Studio

Cet article explique comment créer un projet Azure AI Studio. Un projet sert à organiser votre travail et vos sauvegardes lors de la création d’applications IA personnalisées.

Les projets sont hébergés par un hub Azure AI Studio. Si votre entreprise dispose d’une équipe administrative qui a créé un hub pour vous, vous pouvez créer un projet à partir de ce hub. Si vous travaillez seul, vous pouvez créer un projet et un hub par défaut sera automatiquement créé pour vous.

Pour plus d’informations sur le modèle de ressources et de projets, consultez Hubs Azure AI Studio.

Prérequis

• Un abonnement Azure. Si vous n’avez pas d’abonnement Azure, créez un compte gratuit.
• Pour les étapes du Kit de développement logiciel (SDK) de Python ou de l’interface CLI, utilisez un hub Azure AI Studio. Si vous n’avez pas de hub, consultez Guide pratique pour créer et gérer un hub Azure AI Studio.
• Pour Azure AI Studio, un hub n’est pas obligatoire. Il est créé pour vous lorsque nécessaire.

Créer un projet

Utilisez les onglets suivants pour sélectionner la méthode que vous envisagez d’utiliser pour créer un projet :

Azure AI Studio

Pour créer un projet dans Azure AI Studio, suivez ces étapes :

1. Accéder à Azure AI Studio. Si vous êtes dans un projet, sélectionnez Azure AI Studio en haut à gauche de la page pour accéder à la page d’Accueil.

2. Sélectionnez + Créer un projet.

3. Entrez un nom pour le projet.

4. Si vous avez un hub, vous verrez celui que vous avez utilisé le plus récemment.

   • Si vous avez accès à plusieurs hubs, vous pouvez sélectionner un autre hub dans la liste déroulante.

   • Si vous souhaitez en créer un, sélectionnez Créer un nouveau hub et saisissez un nom. Si vous souhaitez personnaliser les valeurs par défaut, consultez la section suivante.

     

5. Si vous n’avez pas de hub, un hub par défaut est créé pour vous. Si vous souhaitez personnaliser les valeurs par défaut, consultez la section suivante.

6. Sélectionnez Créer un projet. Ou, si vous souhaitez personnaliser un nouveau hub, suivez les étapes décrites dans la section suivante.

Personnaliser le hub

Les projets vivent à l’intérieur d’un hub. Un hub vous permet de partager des configurations telles que les connexions de données avec tous les projets et de gérer de manière centralisée les paramètres de sécurité et les dépenses. Si vous faites partie d’une équipe, les hubs sont partagés entre d’autres membres de votre abonnement. Pour plus d’informations sur la relation entre les hubs et les projets, consultez la documentation de présentation des hubs et des projets.

Lorsque vous créez un nouveau hub, vous devez disposer des autorisations Propriétaire ou Contributeur sur le groupe de ressources sélectionné. Si vous faites partie d’une équipe et que vous n’avez pas ces autorisations, votre administrateur doit créer un hub pour vous.

Bien que vous puissiez créer un hub dans le cadre de la création du projet, vous avez plus de contrôle et pouvez définir des paramètres plus avancés pour le hub si vous le créez séparément. Par exemple, vous pouvez personnaliser la sécurité réseau ou le compte de stockage Azure sous-jacent. Pour plus d’informations, consultez Comment créer et gérer un hub Azure AI Studio.

Lorsque vous créez un hub dans le cadre de la création du projet, les paramètres par défaut sont fournis. Si vous souhaitez personnaliser ces paramètres, faites-le avant de créer le projet :

1. Dans le formulaire Créer un projet , sélectionnez Personnaliser.

   

2. Sélectionnez un Groupe de ressources existant que vous souhaitez utiliser ou conservez par défaut pour créer un groupe de ressources.

   Conseil

   Il vous est recommandé de créer un nouveau groupe de ressources pour votre projet pour vous faire la main. Cela vous permet de gérer facilement le projet et toutes ses ressources ensemble. Lorsque vous créez un projet, plusieurs ressources sont créées dans le groupe de ressources, notamment un hub, un registre de conteneurs et un compte de stockage.

3. Sélectionnez un Emplacement ou utilisez la valeur par défaut. L’emplacement correspond à la région où le hub est hébergé. L’emplacement du hub est également l’emplacement du projet. La disponibilité des services Azure AI diffère par région. Par exemple, certains modèles peuvent ne pas être disponibles dans certaines régions.

4. Sélectionnez une ressource de services Azure AI existante (y compris Azure OpenAI) dans la liste déroulante si vous en avez un, ou utilisez la valeur par défaut pour créer une ressource.

   

5. Sélectionnez Créer un projet. La progression de la création de ressources s’affiche, et le projet est créé une fois le processus terminé.

   

Kit de développement logiciel (SDK) Python

Le code de cette section suppose que vous disposez d’un hub existant. Si vous n’avez pas de hub, consultez Comment créer et gérer un hub Azure AI Studio pour en créer un.

1. Installez Python comme décrit dans le guide de démarrage rapide du Kit de développement logiciel (SDK).

2. Installez le Kit de développement logiciel (SDK) Azure Machine Learning v2.

3. Installer azure-identity : pip install azure-identity. Si c’est dans une cellule de notebook, utilisez %pip install azure-identity.

4. Fournissez les informations de votre abonnement :

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

5. Obtenez un descripteur pour l’abonnement. Tout le code Python de cet article utilise ml_client :

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

6. (Facultatif) Si vous avez plusieurs comptes, ajoutez l’ID de locataire de l’instance Microsoft Entra ID que vous souhaitez utiliser dans le DefaultAzureCredential. Recherchez votre ID de locataire dans le portail Azure sous Microsoft Entra ID, External Identities.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Facultatif) Si vous travaillez dans les régions Azure Government – États-Unis ou Azure China 21Vianet, spécifiez la région dans laquelle vous voulez vous authentifier. Vous pouvez spécifier la région avec DefaultAzureCredential. L’exemple suivant s’authentifie auprès de la région Azure Government – États-Unis :

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

8. Utilisez le code suivant pour créer un projet à partir d’un hub que vous ou votre administrateur avez créé précédemment. Remplacez les exemples de valeurs de chaîne par vos propres valeurs :

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Azure CLI

Le code de cette section suppose que vous disposez d’un hub existant. Si vous n’avez pas de hub, consultez Comment créer et gérer un hub Azure AI Studio pour en créer un.

1. Si l’extension Azure CLI et Machine Learning n’est pas installée, suivez les étapes décrites dans l’article Installer et configurer l’extension Machine Learning.

2. Pour vous authentifier auprès de votre abonnement Azure à partir d’Azure CLI, utilisez la commande suivante :

   az login
   

   Pour plus d’informations sur l’authentification, consultez Méthodes d’authentification.

3. Une fois l’extension installée et authentifiée auprès de votre abonnement Azure, utilisez la commande suivante pour créer un nouveau projet Azure AI Studio à partir d’un hub Azure AI Studio existant :

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

Afficher les paramètres du projet

Azure AI Studio

Dans la page Vue d’ensemble du projet , vous trouverez des informations sur le projet.

• Nom : le nom du projet apparaît dans le coin supérieur gauche. Vous pouvez renommer le projet à l’aide de l’outil de modification.
• Abonnement : l’abonnement qui héberge le hub qui héberge le projet.
• Groupe des ressources : le groupe de ressources qui héberge le hub qui héberge le projet.

Sélectionnez Centre de gestion pour accéder aux ressources du projet dans Azure AI Studio. Sélectionnez Gestion dans le portail Azure pour accéder aux ressources du projet dans le portail Azure.

Kit de développement logiciel (SDK) Python

Pour gérer ou utiliser le nouveau projet, incluez-le dans le MLClient :

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Azure CLI

Pour afficher les paramètres du projet, utilisez la commande az ml workspace show. Par exemple :

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Accéder aux ressources du projet

Les configurations courantes sur le hub sont partagées avec votre projet, y compris les connexions, les instances de calcul et l’accès réseau. Vous pouvez donc commencer à développer immédiatement.

En outre, un certain nombre de ressources sont uniquement accessibles par les utilisateurs de votre espace de travail de projet :

• Composants incluant des ensembles de données, des flux, des index, des points de terminaison API de modèles déployés (ouverts et serverless).

• Connexions créées par vous sous « Paramètres du projet ».

• Conteneurs d’objets blob Azure Storage et partage de fichiers pour le chargement des données au sein de votre projet. Accédez au stockage à l’aide des connexions suivantes :

  Connexion de données	Emplacement de stockage	Objectif
  workspaceblobstore	{project-GUID}-azureml-blobstore	Conteneur par défaut pour les chargements de données
  workspaceartifactstore	{project-GUID}-azureml	Stocke les composants et les métadonnées de votre projet, tels que les pondérations de modèle
  workspacefilestore	{project-GUID}-code	Héberge les fichiers créés sur votre calcul et à l’aide du flux d’invite

Remarque

Les connexions de stockage ne sont pas créées directement avec le projet lorsque votre compte de stockage dispose d’un accès réseau public défini sur désactivé. Ces fichiers sont créés lorsque le premier utilisateur accède à AI Studio via une connexion réseau privée. Résoudre les problèmes de connexion de stockage

Contenu connexe

• Déployer une application web de conversation d’entreprise
• En savoir plus sur Azure AI Studio
• En savoir plus sur les hubs