Criar um espaço de trabalho do Azure Machine Learning com CLI (v2)

  • 6 minutos

As organizações geralmente usam vários espaços de trabalho do Azure Machine Learning para diferentes equipes ou projetos. Para criar facilmente vários espaços de trabalho do Azure Machine Learning, você pode usar a CLI do Azure (v2).

A equipe de ciência de dados com a qual você está trabalhando deseja usar o Azure Machine Learning para todos os projetos de aprendizado de máquina. Seu trabalho neste primeiro projeto de previsão da rotatividade de clientes será um exemplo para qualquer projeto de aprendizado de máquina que eles farão no futuro. Você quer ter certeza de que pode replicar suas etapas de criação de um espaço de trabalho do Azure Machine Learning.

Aqui, você aprenderá como organizar o gerenciamento de espaço de trabalho no Azure Machine Learning. Depois disso, você aprenderá a usar a CLI do Azure (v2) para criar e gerenciar seu espaço de trabalho do Azure Machine Learning.

Organizar espaços de trabalho do Azure Machine Learning

Para saber como organizar seus espaços de trabalho, você precisa decidir como deseja gerenciar sua equipe e projetos.

A empresa para a qual você trabalha tem uma equipe de ciência de dados. Vários cientistas de dados estão atualmente experimentando modelos de aprendizado de máquina que podem ajudar outros departamentos a fazer seu trabalho de forma mais eficiente. Atualmente, cada cientista de dados recebe um pequeno conjunto de dados e treina um modelo em seu computador.

Juntamente com a equipe de ciência de dados, você decide que todas as cargas de trabalho de aprendizado de máquina usarão o Azure Machine Learning para ajudar os cientistas de dados a colaborar em projetos. E, mais importante, com o Azure Machine Learning será fácil implantar um modelo, para que o departamento relevante possa consumir os insights do modelo.

Estrutura da equipa

Em geral, há três maneiras comuns de organizar espaços de trabalho do Azure Machine Learning:

  • Espaço de trabalho por equipe: escolha usar um espaço de trabalho para cada equipe quando todos os membros de uma equipe precisarem do mesmo nível de acesso a dados e ativos de experimentação.
  • Espaço de trabalho por projeto: escolha usar um espaço de trabalho para cada projeto se precisar de segregação de dados e ativos de experimentação por projeto ou tiver requisitos de relatório de custos e orçamento em nível de projeto.
  • Espaço de trabalho único: opte por usar um espaço de trabalho para trabalho não relacionado à equipe ou ao projeto, ou quando os custos não puderem ser diretamente associados a uma unidade específica de faturamento, por exemplo, com pesquisa e desenvolvimento. Um único espaço de trabalho reduz sua pegada do Azure.

A equipe de ciência de dados trabalha em projetos para diferentes departamentos internos que, às vezes, também precisam de acesso aos dados ou modelo. Juntos, vocês decidem criar um espaço de trabalho por projeto. Você já tem seu primeiro projeto: o modelo de churn de clientes para o departamento de marketing. Depois de criar um espaço de trabalho para este projeto como exemplo, a equipe fará o mesmo para quaisquer novos projetos no futuro.

Gorjeta

Saiba mais sobre as práticas recomendadas e os pontos de decisão comuns para organizar espaços de trabalho do Azure Machine Learning.

Criar um espaço de trabalho com a CLI (v2)

Na primeira vez que criar um espaço de trabalho do Azure Machine Learning, você trabalhará com a CLI interativamente em seu computador (cmd.exe no Windows, Bash no Linux ou macOS). Antes de poder usar a CLI do Azure para criar um espaço de trabalho, verifique se você executou estas etapas:

  • A CLI do Azure está instalada no seu computador.
  • A extensão do Azure Machine Learning está instalada.
  • Você se autenticou em sua assinatura do Azure a partir da CLI. Lembre-se de que, se tiver várias subscrições associadas à sua conta, pode definir a subscrição predefinida.

Criar um grupo de recursos e definir como padrão

Para criar um espaço de trabalho, você precisa de um grupo de recursos. Você pode usar qualquer grupo de recursos existente ou criar um novo com o az group create comando:

az group create --name "churn-dev-rg" --location "eastus"

Para obter mais informações sobre como trabalhar com grupos de recursos, consulte az group.

Depois de criar um grupo de recursos, você pode definir um grupo de recursos padrão. Você precisará incluir o grupo de recursos como um parâmetro para muitos comandos ao gerenciar um espaço de trabalho do Azure Machine Learning. Se um grupo de recursos for definido como padrão, você não precisará incluí-lo como parâmetro sempre.

az configure --defaults group="churn-dev-rg"

Criar uma área de trabalho do Azure Machine Learning

Agora que você definiu um grupo de recursos padrão, pode criar um espaço de trabalho sem adicionar o nome do grupo de recursos como parâmetro:

az ml workspace create --name "aml-churn-dev"

O az ml workspace create comando levará alguns minutos para criar todos os recursos necessários. No prompt do shell, você pode ver o que está sendo criado e quanto tempo leva por recurso. A saída será semelhante à seguinte:

{
  "application_insights": "/subscriptions/<subscription-GUID>/resourcegroups/churn-dev-rg/providers/microsoft.insights/components/amlchurninsightsGUID",
  "description": "aml-churn-dev",
  "discovery_url": "https://eastus.api.azureml.ms/discovery",
  "friendly_name": "aml-churn-dev",
  "hbi_workspace": false,
  "key_vault": "/subscriptions/<subscription-GUID>/resourcegroups/churn-dev-rg/providers/microsoft.keyvault/vaults/amlchurnkeyvaultGUID",
  "location": "eastus",
  "mlflow_tracking_uri": "azureml://eastus.api.azureml.ms/mlflow/v1.0/subscriptions/<subscription-GUID>/resourceGroups/churn-dev-rg/providers/Microsoft.MachineLearningServices/workspaces/aml-churn-dev",
  "name": "aml-churn-dev",
  "storage_account": "/subscriptions/<subscription-GUID>/resourcegroups/churn-dev-rg/providers/microsoft.storage/storageaccounts/amlchurnstorageGUID",
  "tags": {}
}

Você pode usar a saída para localizar seus recursos, por exemplo, se quiser encontrá-los no portal do Azure. Se navegar para o seu grupo de recursos no portal do Azure, poderá ver quatro recursos:

  • Espaço de trabalho de Aprendizado de Máquina
  • Application Insights
  • Key Vault
  • Storage account

Finalmente, se você vai gerenciar seu espaço de trabalho com a CLI, você pode definir o espaço de trabalho como padrão. Definir um espaço de trabalho como padrão significa que você não precisa incluí-lo como parâmetro sempre que quiser executar um comando.

Defina o espaço de trabalho padrão com o seguinte comando:

az configure --defaults workspace="aml-churn-dev"