Compartilhar via

Configurar um laboratório para ensinar ciência de dados com Python e Jupyter Notebooks

  • Artigo

Importante

O Azure Lab Services será desativado em 28 de junho de 2027. Para obter mais informações, confira o Guia de desativação.

Este artigo descreve como configurar uma VM (máquina virtual) de modelo no Azure Lab Services que inclua as ferramentas para ensinar os alunos a usar os Jupyter Notebooks. Você também aprenderá como os usuários de laboratório podem se conectar a notebooks em suas máquinas virtuais.

Os Jupyter Notebooks são um projeto de código aberto que permite combinar facilmente rich text e código-fonte executável do Python em uma única tela, chamada notebook. Execute um notebook para criar um registro linear de entradas e saídas. Essas saídas podem incluir texto, tabelas de informações, gráficos de dispersão e muito mais.

Observação

Este artigo referencia os recursos disponíveis nos planos de laboratório, que substituíram as contas de laboratório.

Pré-requisitos

  • Para configurar este laboratório, você precisa de acesso a uma assinatura do Azure. Discuta com o administrador da sua organização para ver se você pode obter acesso a uma assinatura do Azure existente. Se você não tiver uma assinatura do Azure, crie uma conta gratuita antes de começar.

Definir configurações de plano de laboratório

Depois de ter uma assinatura do Azure, você poderá criar um plano de laboratório no Azure Lab Services. Para obter mais informações sobre como criar um novo plano de laboratório, consulte Início Rápido: Configurar recursos para criar laboratórios. Você também pode usar um plano de laboratório existente.

Este laboratório usa uma das imagens da Máquina Virtual de Ciência de Dados como a imagem base da VM. Essas imagens estão disponíveis no Azure Marketplace. Essa opção permite que os criadores de laboratório selecionem a imagem como uma imagem base para o laboratório. Você precisa habilitar essas imagens no seu plano de laboratório.

Siga estas etapas para habilitar essas imagens do Azure Marketplace disponíveis para criadores de laboratório.

  • Selecione uma das seguintes imagens do Azure Marketplace, dependendo dos requisitos do sistema operacional:

    • Máquina Virtual de Ciência de Dados – Windows Server 2019/Windows Server 2022
    • Máquina Virtual de Ciência de Dados – Ubuntu 20.04

  • Como alternativa, crie uma imagem de VM personalizada:

    As imagens de VM de Ciência de Dados no Azure Marketplace já estão configuradas com os Jupyter Notebooks. Essas imagens também incluem outras ferramentas de desenvolvimento e modelagem para ciência de dados. Se você não precisar dessas ferramentas adicionais e quiser uma configuração leve com apenas Jupyter notebooks, crie uma imagem de VM personalizada. Para obter um exemplo, confira Como instalar o JupyterHub no Azure.

    Depois de criar a imagem personalizada, carregue a imagem em uma galeria de computação para usá-la com o Azure Lab Services. Saiba mais sobre como usar a Galeria de Computação no Azure Lab Services.

Criar um laboratório

Configuração de computador modelo

Depois de criar um laboratório, crie um modelo de VM baseado no tamanho e na imagem da máquina virtual que você escolher. Configure a VM modelo com tudo o que você deseja fornecer aos seus alunos nessa aula. Para obter mais informações, consulte Criar e gerenciar um modelo no Azure Lab Services.

As imagens VM de Ciência de Dados vêm com muitas ferramentas e estruturas de ciência de dados necessárias para esse tipo de classe. Por exemplo, as imagens incluem:

  • Jupyter Notebooks: um aplicativo Web que permite que os cientistas de dados usem dados brutos, executem cálculos e vejam os resultados no mesmo ambiente. Ele será executado localmente na VM do modelo.
  • Visual Studio Code: um IDE (ambiente de desenvolvimento integrado) que fornece uma experiência interativa sofisticada ao escrever e testar um notebook. Para obter mais informações, confira Trabalhando com Jupyter Notebooks no Visual Studio Code.

A imagem Máquina Virtual de Ciência de Dados – Ubuntu é provisionada com o servidor do X2Go para permitir que os usuários de laboratório usem uma experiência de área de trabalho gráfica.

Habilitar ferramentas para usar GPUs

Caso você esteja usando o tamanho GPU Pequena Alternativa (Computação), é recomendável verificar se as estruturas e bibliotecas da Ciência de Dados estão configuradas corretamente para usar GPUs. Talvez seja necessário instalar uma versão diferente dos drivers NVIDIA e do kit de ferramentas CUDA. Para configurar as GPUs, consulte a documentação da estrutura ou da biblioteca.

Por exemplo, para validar que o TensorFlow usa a GPU, conecte-se à VM do modelo e execute o seguinte código de Python-TensorFlow nos Jupyter Notebooks:

import tensorflow as tf
from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

Caso a saída desse código seja semelhante ao seguinte resultado, o TensorFlow não está usando a GPU:

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 15833696144144374634
]

Continuando com esse exemplo, consulte Suporte à GPU do TensorFlow para obter diretrizes. As diretrizes do TensorFlow abrangem:

Depois de seguir as etapas do TensorFlow para configurar a GPU, ao executar novamente o código de teste, você deverá ver resultados semelhantes à seguinte saída.

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 15833696144144374634
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 11154792128
locality {
  bus_id: 1
  links {
  }
}
incarnation: 2659412736190423786
physical_device_desc: "device: 0, name: NVIDIA Tesla K80, pci bus id: 0001:00:00.0, compute capability: 3.7"
]

Fornecer notebooks para a classe

A próxima tarefa é fornecer aos usuários do laboratório notebooks que você deseja que eles usem. É possível salvar notebooks localmente na VM do modelo para que cada usuário do laboratório tenha sua própria cópia.

Se você quiser usar notebooks de exemplo do Azure Machine Learning, confira Como configurar um ambiente com Jupyter Notebooks.

Publicar a VM modelo

Para disponibilizar a VM do laboratório para usuários do laboratório, publique o modelo. A VM do laboratório tem todas as ferramentas e notebooks locais que você configurou anteriormente.

Conectar-se aos Jupyter Notebooks

As seções a seguir mostram diferentes maneiras para os usuários de laboratório se conectarem aos Jupyter Notebooks na VM do laboratório.

Usar os Jupyter Notebooks na VM do laboratório

Os usuários de laboratório podem se conectar de seu computador local à VM do laboratório e, em seguida, usar os Jupyter Notebooks dentro da VM do laboratório.

Se você usar uma VM de laboratório baseada no Windows, os usuários do laboratório poderão se conectar às VMs de laboratório por meio de RDP (área de trabalho remota). Para obter mais informações, saiba como se conectar a uma VM de laboratório do Windows.

Se você usar uma VM de laboratório baseada no Linux, os usuários do laboratório poderão se conectar às VMs de laboratório por meio de SSH ou usando X2Go. Para obter mais informações, saiba como se conectar a uma VM de laboratório do Linux.

Túnel SSH para o servidor Jupyter na VM

Para laboratórios baseados no Linux, você também pode se conectar diretamente do computador local ao servidor Jupyter dentro da VM do laboratório. O protocolo SSH permite o encaminhamento de porta entre o computador local e um servidor remoto. Esta é a VM de laboratório do usuário. Um aplicativo em execução em uma determinada porta no servidor é encaminhado por túnel para a porta de mapeamento no computador local.

Siga estas etapas para configurar um túnel SSH entre o computador local de um usuário e o servidor Jupyter na VM do laboratório:

  1. Entre no site do Azure Lab Services.

  2. Verifique se a VM do laboratório baseada no Linux está sendo executada.

  3. Selecione o ícone Conectar >Conectar via SSH para obter o comando de conexão SSH.

    O comando de conexão SSH é semelhante ao exemplo a seguir:

    ssh -p 12345 student@ml-lab-00000000-0000-0000-0000-000000000000.eastus2.cloudapp.azure.com

    Saiba mais sobre como se conectar a uma VM do Linux.

  4. No computador local, inicie um terminal ou um prompt de comando e copie a cadeia de conexão SSH para ele. Em seguida, adicione -L 8888:localhost:8888 à cadeia de caracteres de comando, o que cria o túnel entre as portas.

    O comando final deve ser semelhante ao exemplo a seguir.

    ssh –L 8888:localhost:8888 -p 12345 student@ml-lab-00000000-0000-0000-0000-000000000000.eastus.cloudapp.azure.com

  5. Pressione Enter para executar o comando.

  6. Quando solicitado, forneça a senha da VM do laboratório para se conectar à VM do laboratório.

  7. Quando você estiver conectado à VM, inicie o servidor Jupyter usando este comando:

    jupyter notebook

    O comando gera uma URL para o servidor Jupyter no terminal. A URL deve ficar assim como neste exemplo:

    http://localhost:8888/?token=8c09ecfc93e6a8cbedf9c66dffdae19670a64acc1d37

  8. Para se conectar e trabalhar em seu Jupyter Notebook, cole essa URL em um navegador no computador local.

    Observação

    O Visual Studio Code também permite uma ótima experiência de edição de Jupyter Notebook. Você pode seguir as instruções em como se conectar a um servidor Jupyter remoto e usar a mesma URL da etapa anterior para se conectar do VS Code em vez de do navegador.

Conteúdo relacionado

Neste artigo, você aprendeu a criar um laboratório para uma aula dos Jupyter Notebooks e como o usuário pode se conectar aos notebooks na VM do laboratório. Você pode usar uma configuração semelhante para outras classes de aprendizado de máquina.

A imagem de modelo agora pode ser publicada no laboratório. Para obter mais informações, confira Publicar a VM de modelo.

Ao configurar o laboratório, consulte os seguintes artigos: