إعداد معمل يركز على التعلم العميق في معالجة اللغة الطبيعية باستخدام Azure Lab Services

مقالة
10/27/2023

إشعار

تشير هذه المقالة إلى الميزات المتوفرة في خطط المختبر، والتي حلت محل حسابات المختبر.

توضح لك هذه المقالة كيفية إعداد معمل يركز على التعلم العميق في معالجة اللغة الطبيعية (NLP) باستخدام Azure Lab Services. NLP هو شكل من أشكال الذكاء الاصطناعي (الذكاء الاصطناعي) التي تمكن أجهزة الكمبيوتر مع الترجمة والتعرف على الكلام وقدرات فهم اللغة الأخرى.

يحصل الطلاب الذين يأخذون صف NLP على جهاز ظاهري Linux (VM) لمعرفة كيفية تطبيق خوارزميات الشبكة العصبية. تعلم الخوارزميات الطلاب تطوير نماذج التعلم العميق المستخدمة لتحليل اللغة البشرية المكتوبة.

تكوين المختبر

لإعداد هذا المختبر، تحتاج إلى اشتراك Azure وحساب مختبر للبدء. في حال لم يكن لديك اشتراك Azure، فأنشئ حساباً مجانيّاً قبل البدء.

بمجرد أن يكون لديك اشتراك Azure، يمكنك إنشاء خطة مختبر جديدة في Azure Lab Services. لمزيد من المعلومات حول إنشاء خطة مختبر جديدة، راجع البرنامج التعليمي حول كيفية إعداد خطة مختبر. يمكنك أيضا استخدام خطة مختبر موجودة.

إعدادات خطة التمرين المعملي

تمكين الإعدادات الموضحة في الجدول أدناه لخطة المختبر. لمزيد من المعلومات حول كيفية تمكين صور السوق، راجع المقالة حول كيفية تحديد صور Marketplace المتوفرة لمنشئي المختبر.

إعداد خطة التمرين المعملي	الإرشادات
صور السوق	تمكين صورة Data Science Virtual Machine for Linux (Ubuntu).

إعدادات المختبر

للحصول على إرشادات حول كيفية إنشاء مختبر، راجع البرنامج التعليمي: إعداد مختبر. استخدم الإعدادات التالية عند إنشاء المختبر:

إعدادات المختبر	القيمة‬
حجم الجهاز الظاهري (VM)	وحدة معالجة الرسومات الصغيرة (Compute). هذا الحجم هو الأنسب للتطبيقات كثيفة الحوسبة والمكثفة للشبكة مثل الذكاء الاصطناعي والتعلم العميق.
صورة الجهاز الظاهري	Data Science Virtual Machine for Linux (Ubuntu). توفر هذه الصورة أطر عمل وأدوات للتعلم الآلي وعلوم البيانات. لعرض القائمة الكاملة بالأدوات المثبتة على هذه الصورة، راجع ما المضمن في DSVM؟.
تمكين اتصال سطح المكتب البعيد	اختياريا، تحقق من تمكين اتصال سطح المكتب البعيد. تم تكوين صورة Data Science بالفعل لاستخدام X2Go بحيث يمكن للمدرسين والطلاب الاتصال باستخدام سطح مكتب بعيد ل GUI. لا يتطلب X2Go تمكين إعداد تمكين اتصال سطح المكتب البعيد.
الإعدادات الجهاز الظاهري للقالب	اختياريا، اختر استخدام صورة جهاز ظاهري دون تخصيص. إذا كنت تستخدم خطط المختبر وكان DSVM يحتوي على جميع الأدوات التي تتطلبها الفئة الخاصة بك، يمكنك تخطي خطوة تخصيص القالب.

هام

نوصي باستخدام X2Go مع صورة Data Science. ومع ذلك، إذا اخترت استخدام RDP بدلا من ذلك، فستحتاج إلى الاتصال بجهاز Linux الظاهري باستخدام SSH وتثبيت حزم RDP وGUI قبل نشر المختبر. بعد ذلك، يمكن للطلاب الاتصال بجهاز Linux الظاهري باستخدام RDP لاحقا. لمزيد من المعلومات، راجع تمكين سطح المكتب البعيد الرسومي لأجهزة Linux الظاهرية.

تكوين جهاز القالب

توفر صورة Data Science Virtual Machine for Linux أطر التعلم العميق الضرورية والأدوات المطلوبة لهذا النوع من الفصول. إذا اخترت استخدام صورة جهاز ظاهري دون تخصيص عند إنشاء المختبر، فسيتم تعطيل القدرة على تخصيص جهاز القالب. يمكنك نشر المختبر عندما تكون مستعدا.

التكلفة

دعونا نغطي تقدير التكلفة المحتمل لهذه الفئة. كان حجم الجهاز الظاهري الذي اخترناه هو وحدة معالجة الرسومات الصغيرة (Compute)، وهو 139 وحدة معملية.

بالنسبة لفصل مكون من 25 طالبا مع 20 ساعة من الوقت المحدد للفصل الدراسي و10 ساعات من الحصة النسبية للواجب المنزلي أو الواجبات، سيكون تقدير التكلفة:

25 طالبا * (20 ساعة مجدولة + 10 ساعات حصة) * 139 وحدة معمل * 0.01 دولار أمريكي لكل ساعة = 1042.5 دولار أمريكي

هام

تقدير التكلفة هو لأغراض المثال فقط. للحصول على التفاصيل الحالية حول التسعير، راجع تسعير خدمات مختبر Azure.

خاتمة

رشدتك هذه المقالة خلال خطوات إنشاء معمل لفئة معالجة اللغة الطبيعية. يمكنك استخدام إعداد مشابه لفئات التعلم العميق الأخرى.

الخطوات التالية

يمكن الآن نشر صورة القالب إلى المختبر. لمزيد من المعلومات، راجع نشر القالب VM.

أثناء إعداد المختبر، راجع المقالات التالية: