Erstellen eines Azure Machine Learning-Arbeitsbereichs

Um Zugriff auf einen Azure Machine Learning-Arbeitsbereich zu erhalten, müssen Sie zuerst den Azure Machine Learning-Dienst in Ihrem Azure-Abonnement erstellen. Der Arbeitsbereich ist der zentrale Ort, an dem Sie mit allen Ressourcen und Vermögenswerten arbeiten können, die zum Trainieren und Bereitstellen von Modellen für maschinelles Lernen verfügbar sind. Zur Reproduzierbarkeit speichert der Arbeitsbereich einen Verlauf aller Trainingsaufträge einschließlich Protokollen, Metriken, Ausgaben und einer Momentaufnahme Ihres Codes.

Grundlegendes zum Azure Machine Learning-Dienst

Zum Erstellen einer Azure Machine Learning Service-Instanz ist Folgendes erforderlich:

1. Erhalten Sie Zugriff auf Azure, z. B. über das Azure-Portal.
2. Melden Sie sich an, um Zugriff auf ein Azure-Abonnement zu erhalten.
3. Erstellen Sie eine Ressourcengruppe innerhalb Ihres Abonnements.
4. Erstellen Sie einen Azure Machine Learning-Dienst , um einen Arbeitsbereich zu erstellen.

Wenn ein Arbeitsbereich bereitgestellt wird, erstellt Azure automatisch andere Azure-Ressourcen innerhalb derselben Ressourcengruppe, um den Arbeitsbereich zu unterstützen:

1. Azure Storage-Konto: Zum Speichern von Dateien und Notizbüchern, die im Arbeitsbereich verwendet werden, und zum Speichern von Metadaten von Aufträgen und Modellen.
2. Azure Key Vault: So verwalten Sie geheime Schlüssel wie Authentifizierungsschlüssel und Anmeldeinformationen, die vom Arbeitsbereich verwendet werden.
3. Application Insights: So überwachen Sie Vorhersagedienste im Arbeitsbereich.
4. Azure Container Registry: Erstellt, wenn erforderlich, um Bilder für Azure Machine Learning-Umgebungen zu speichern.

Erstellen des Arbeitsbereichs

Sie können einen Azure Machine Learning-Arbeitsbereich mit einer der folgenden Vorgehensweisen erstellen:

• Verwenden Sie die Benutzeroberfläche im Azure-Portal , um einen Azure Machine Learning-Dienst zu erstellen.
• Erstellen Sie eine Azure Resource Manager (ARM)-Vorlage. Erfahren Sie, wie Sie eine ARM-Vorlage zum Erstellen eines Arbeitsbereichs verwenden.
• Verwenden Sie die Azure-Befehlszeilenschnittstelle (CLI) mit der Azure Machine Learning CLI-Erweiterung. Erfahren Sie, wie Sie den Arbeitsbereich mit der CLI v2 erstellen.
• Verwenden Sie das Azure Machine Learning Python SDK.

Im folgenden Code wird beispielsweise das Python SDK verwendet, um einen Arbeitsbereich mit dem Namen mlw-example zu erstellen:

from azure.ai.ml.entities import Workspace

workspace_name = "mlw-example"

ws_basic = Workspace(
    name=workspace_name,
    location="eastus",
    display_name="Basic workspace-example",
    description="This example shows how to create a basic workspace",
)
ml_client.workspaces.begin_create(ws_basic)

Erkunden des Arbeitsbereichs im Azure-Portal

Das Erstellen eines Azure Machine Learning-Arbeitsbereichs dauert in der Regel zwischen 5 und 10 Minuten. Wenn Ihr Arbeitsbereich erstellt wird, können Sie den Arbeitsbereich auswählen, um die Details anzuzeigen.

Auf der Seite "Übersicht" des Azure Machine Learning-Arbeitsbereichs im Azure-Portal können Sie das Azure Machine Learning Studio starten. Azure Machine Learning Studio ist ein Webportal und bietet eine benutzerfreundliche Schnittstelle zum Erstellen, Verwalten und Verwenden von Ressourcen und Objekten im Arbeitsbereich.

Über das Azure-Portal können Sie auch anderen Zugriff auf den Azure Machine Learning-Arbeitsbereich gewähren, indem Sie die Zugriffssteuerung verwenden.

Gewähren von Zugriff auf den Azure Machine Learning-Arbeitsbereich

Sie können einzelnen Benutzern oder Teams Zugriff auf den Azure Machine Learning-Arbeitsbereich gewähren. Der Zugriff wird in Azure mithilfe der rollenbasierten Zugriffssteuerung (RBAC) gewährt, die Sie auf der Registerkarte " Zugriffssteuerung " der Ressource oder Ressourcengruppe konfigurieren können.

Auf der Registerkarte „Zugriffssteuerung“ können Sie Berechtigungen verwalten, um die Aktionen einzuschränken, die bestimmte Benutzer oder Teams ausführen können. Sie können beispielsweise eine Richtlinie erstellen, die es Benutzern in der Azure-Administratorengruppe nur ermöglicht, Computeziele und Datenspeicher zu erstellen. Während Benutzer in der Gruppe "Data Scientists " Aufträge erstellen und ausführen können, um Modelle zu trainieren und Modelle zu registrieren.

Es gibt drei allgemeine integrierte Rollen, die Sie Ressourcen und Ressourcengruppen übergreifend verwenden können, um anderen Benutzern Berechtigungen zuzuweisen:

• Besitzer: Erhält vollständigen Zugriff auf alle Ressourcen und kann den Zugang zu anderen über die Zugriffssteuerung gewähren.
• Mitwirkender: Erhält Vollzugriff auf alle Ressourcen, kann jedoch anderen keinen Zugriff gewähren.
• Leser: Kann die Ressource nur anzeigen, darf aber keine Änderungen vornehmen.

Darüber hinaus bietet Azure Machine Learning bestimmte integrierte Rollen, die Sie verwenden können:

• AzureML Data Scientist: Kann alle Aktionen innerhalb des Arbeitsbereichs ausführen, mit Ausnahme des Erstellens oder Löschens von Computeressourcen oder Bearbeiten der Arbeitsbereichseinstellungen.
• AzureML-Computeoperator: Ermöglicht das Erstellen, Ändern und Verwalten des Zugriffs auf die Computeressourcen in einem Arbeitsbereich.

Wenn die integrierten Rollen Ihre Anforderungen nicht erfüllen, können Sie schließlich eine benutzerdefinierte Rolle erstellen, um anderen Benutzern Berechtigungen zuzuweisen.

Organisieren Ihrer Arbeitsbereiche

Zunächst arbeiten Sie wohl nur mit einem Arbeitsbereich. Wenn Sie jedoch an umfangreicheren Projekten arbeiten, können Sie mehrere Arbeitsbereiche verwenden.

Sie können Arbeitsbereiche verwenden, um Machine Learning-Ressourcen basierend auf Projekten, Bereitstellungsumgebungen (z. B. Test- und Produktionsumgebungen), Teams oder anderen Organisationsprinzipien zu gruppieren.