Créer un espace de travail Azure Machine Learning

Effectué

Azure Machine Learning est un service cloud permettant d’accélérer et de gérer le cycle de vie des projets de Machine Learning. Les professionnels du Machine Learning, les scientifiques des données et les ingénieurs peuvent l’utiliser dans leurs flux de travail quotidiens pour former et déployer des modèles et gérer les opérations de Machine Learning.

Vous pouvez créer un modèle dans Azure Machine Learning ou utiliser un modèle conçu à partir d’une plateforme open source comme PyTorch, TensorFlow ou scikit-learn. La prise en charge des opérations de Machine Learning (MLOps) peut vous aider à surveiller, à reformer et à redéployer des modèles.

L’utilisation de la plateforme Azure Machine Learning pour créer des modèles de vision par ordinateur présente de nombreux avantages. C’est un service de plateforme de classe Enterprise qui facilite les fonctionnalités suivantes lors de la formation et du déploiement de modèles de CV :

• Il fournit une plateforme unique pour l’étiquetage, l’apprentissage et le déploiement de modèles.
• La capacité à exécuter le code pour l’apprentissage du modèle sur un seul calcul alors que l’apprentissage réel du modèle se produit sur un autre calcul évolutif pour s’adapter au nombre d’images et de tâches de modélisation.
• Il utilise la fonctionnalité hyperdrive d’AutoML pour les images, ce qui permet l’apprentissage de centaines de modèles à l’aide de différents algorithmes et hyperparamètres, puis de faire en sorte qu’AML détermine automatiquement le modèle (champion) le plus approprié.

Informez-vous sur le Machine Learning sur Azure.

Créer un espace de travail Azure Machine Learning

1. Connectez-vous au Portail Azure à l’aide des informations d’identification de votre abonnement Azure.

2. En haut à gauche du portail Azure, sélectionnez les trois lignes, puis +Créer une ressource.

   

3. Utilisez la barre de recherche pour rechercher Machine Learning, puis sélectionnez le résultat Machine Learning :

   

4. Dans le volet Machine Learning, sélectionnez le bouton Créer pour commencer le processus de déploiement :

   

5. Sous l’onglet Informations de base, entrez les valeurs suivantes pour chaque paramètre :

   Paramètre	Valeur
   Détails du projet
   Abonnement	<Votre abonnement>
   Groupe de ressources	<Créer> OU <Sélectionner un groupe de ressources existant> Nous vous suggérons d’utiliser le même groupe de ressources qui contient le compte de stockage Azure utilisé lors des étapes précédentes.
   Détails de l’espace de travail
   Nom de l’espace de travail	Entrez un nom unique. Une partie de cette valeur est utilisée pour préfixer automatiquement les noms des nouvelles ressources qui sont renseignées automatiquement pour les paramètres suivants.
   Région	<Sélectionner une région appropriée> Utilisez un emplacement situé à proximité géographiquement.
   Compte de stockage	<Créer> Le nom est renseigné automatiquement en utilisant le préfixe Nom de l’espace de travail.
   Key vault	<Créer> Le nom est renseigné automatiquement en utilisant le préfixe Nom de l’espace de travail.
   Application Insights	<Créer> Le nom est renseigné automatiquement en utilisant le préfixe Nom de l’espace de travail.
   Registre de conteneurs	Utilisez la valeur par défaut de Aucun.

   Lorsque vous avez terminé, sélectionnez Vérifier + créer pour valider le déploiement de l’espace de travail Azure Machine Learning.

   

6. Sur la page qui s’affiche, vous pouvez valider les détails de votre déploiement. Lorsque vous êtes prêt, sélectionnez le bouton Créer pour commencer le déploiement. L’exécution de ce processus peut prendre plusieurs minutes.

   

7. Une fois le déploiement terminé, accédez à votre nouvelle ressource Azure Machine Learning. Vous pouvez facilement localiser cette ressource en tapant « Azure Machine Learning » dans la barre de recherche Azure et en choisissant l’icône Machine Learning. Cela permet de répertorier toutes les ressources Azure Machine Learning disponibles dans votre abonnement Azure.

   

8. Lorsque vous accédez à l’instance nouvellement déployée, notez dans la section Vue d’ensemble, qu’il existe un bouton intitulé Télécharger config.json. Sélectionnez ce bouton pour télécharger la configuration et la stocker dans un endroit sécurisé et accessible afin qu’elle puisse être utilisée dans le module 3.

   

9. Dans la section Vue d’ensemble de la ressource d’espace de travail Azure Machine Learning, sélectionnez Lancer Studio pour ouvrir votre espace de travail dans le navigateur et vous préparer pour l’unité suivante.