إشعار
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
مساحات العمل هي أماكن للتعاون مع الزملاء لإنشاء أدوات التعلم الآلي والعمل المرتبط بالمجموعة. على سبيل المثال، التجارب والوظائف ومجموعات البيانات والنماذج والمكونات ونقاط نهاية الاستدلال. توضح هذه المقالة مساحات العمل وكيفية إدارة الوصول إليها وكيفية استخدامها لتنظيم عملك.
هل أنت مستعد للبدء؟ إنشاء مساحة عمل.
المهام التي يتم تنفيذها داخل مساحة عمل
بالنسبة لفرق التعلم الآلي، مساحة العمل هي مكان لتنظيم عملهم. فيما يلي بعض المهام التي يمكنك البدء بها من مساحة عمل:
- إنشاء وظائف - الوظائف هي عمليات تشغيل التدريب التي تستخدمها لبناء نماذجك. يمكنك تجميع المهام في تجارب لمقارنة المقاييس.
- البنية الأساسية لبرنامج ربط العمليات التجارية للمؤلف - المسارات هي مهام سير عمل قابلة لإعادة الاستخدام لتدريب نموذجك وإعادة تدريبه.
- تسجيل أصول البيانات - تساعد أصول البيانات في إدارة البيانات التي تستخدمها للتدريب النموذجي وإنشاء البنية الأساسية لبرنامج ربط العمليات التجارية.
- تسجيل النماذج - بمجرد أن يكون لديك نموذج تريد نشره، يمكنك إنشاء نموذج مسجل.
- إنشاء نقاط نهاية عبر الإنترنت - استخدم نموذجا مسجلا وبرنامجا نصيا لتسجيل النقاط لإنشاء نقطة نهاية عبر الإنترنت.
بالإضافة إلى تجميع نتائج التعلم الآلي، تستضيف مساحات العمل أيضا تكوينات الموارد:
- يتم استخدام أهداف الحساب لتشغيل تجاربك.
- تحدد مخازن البيانات كيف يمكنك أنت والآخرين الاتصال بمصادر البيانات عند استخدام أصول البيانات.
- إعدادات الأمان - إعدادات الشبكات والهوية والتحكم في الوصول والتشفير.
تنظيم مساحات العمل
بالنسبة لعملاء فريق التعلم الآلي والمسؤولين، تعمل مساحات العمل كحاويات لإدارة الوصول وإدارة التكلفة وعزل البيانات. فيما يلي بعض التلميحات لتنظيم مساحات العمل:
- استخدم أدوار المستخدم لإدارة الأذونات في مساحة العمل بين المستخدمين. على سبيل المثال، استخدم أدوارا لعالم بيانات، مهندس تعلم آلي، أو مسؤول.
- تعيين الوصول لمجموعات المستخدمين: باستخدام مجموعات مستخدمي Microsoft Entra، لا تحتاج إلى إضافة مستخدمين فرديين لكل مساحة عمل. استخدم نفس مجموعات المستخدمين لمنح الوصول إلى موارد أخرى.
- إنشاء مساحة عمل لكل مشروع: بينما يمكن استخدام مساحة عمل لمشاريع متعددة، فإن قصرها على مشروع واحد لكل مساحة عمل يسمح بتقارير التكلفة المستحقة على مستوى المشروع. كما يسمح لك بإدارة التكوينات مثل مخازن البيانات في نطاق كل مشروع.
- مشاركة موارد Azure: تتطلب منك مساحات العمل إنشاء العديد من الموارد المقترنة. شارك هذه الموارد بين مساحات العمل لحفظ خطوات الإعداد المتكررة.
- تمكين الخدمة الذاتية: إنشاء الموارد المرتبطة مسبقا وتأمينها كمسؤول تكنولوجيا المعلومات، واستخدام أدوار المستخدم للسماح لعلماء البيانات بإنشاء مساحات عمل بمفردهم.
- مشاركة الأصول: يمكنك مشاركة الأصول بين مساحات العمل باستخدام سجلات التعلم الآلي من Azure.
- استخدم مساحات عمل المركز للحوكمة المركزية: تجمع مساحة عمل المركز عدة مساحات عمل للمشاريع مع إعدادات أمنية مشتركة، واتصالات، وموارد حوسبة. مساحات العمل في المركز هي نفس نوع الموارد مثل مراكز Microsoft Foundry، لذا يمكنك استخدامها من كل من Azure Machine Learning Studio وFoundry.
كيف يتم تخزين المحتوى الخاص بي في مساحة عمل؟
تحتفظ مساحة العمل الخاصة بك بمحفوظات لجميع عمليات تشغيل التدريب، مع السجلات والمقاييس والإخراج وبيانات تعريف دورة الحياة ولقطة من البرامج النصية الخاصة بك. أثناء أداء المهام في Azure Machine Learning، تقوم بتوليد تشويقات أثرية. يتم تخزين بيانات التعريف والبيانات الخاصة بهم في مساحة العمل وعلى الموارد المرتبطة بها.
الموارد المقترنة
عند إنشاء مساحة عمل جديدة، يجب عليك إحضار موارد Azure أخرى لتخزين بياناتك. إذا لم توفر هذه الموارد، يقوم Azure Machine Learning بإنشائها تلقائيا.
حساب في مساحة تخزين Azure. يخزن أدوات التعلم الآلي مثل سجلات الوظائف. افتراضيا، تستخدم مساحة العمل هذا الحساب عند رفع البيانات. دفاتر Jupyter التي تستخدمها مع مثيلات حساب Azure Machine Learning مخزنة هنا أيضا.
هام
لا يمكنك استخدام حساب تخزين Azure موجود إذا كان:
- حساب من نوع BlobStorage
- حساب متميز (Premium_LRS Premium_GRS)
- حساب بمساحة اسم هرمية (يستخدم مع Azure Data Lake Storage Gen2).
يمكنك استخدام التخزين المتميز أو مساحة الاسم الهرمية كمساحة تخزين إضافية عن طريق إنشاء مخزن بيانات.
لا تقم بتمكين مساحة الاسم الهرمية على حساب التخزين بعد الترقية إلى الإصدار 2 للأغراض العامة.
إذا أحضرت حساب تخزين v1 عام الأغراض موجود، يمكنك الترقية إلى الإصدار الثاني العام بعد إنشاء مساحة العمل. ينطبق على:
Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (current)سجل حاويات Azure (ACR). أنشأت المتاجر حاويات docker، عند إنشاء بيئات مخصصة عبر التعلم الآلي من Microsoft Azure. يؤدي نشر نماذج AutoML وملف تعريف البيانات إلى إنشاء بيئات مخصصة.
يمكنك إنشاء مساحات عمل بدون اعتماد ACR إذا لم تكن بحاجة لبناء حاويات دوكر مخصصة. يمكن ل Azure Machine Learning القراءة من سجلات الحاويات الخارجية.
يتم توفير ACR تلقائيا عند إنشاء صور docker مخصصة. استخدم التحكم في الوصول المستند إلى الدور Azure (Azure RBAC) لمنع إنشاء حاويات docker للعميل.
هام
إذا كان إعداد الاشتراك يتطلب إضافة علامات إلى الموارد الموجودة ضمنه، فسيفشل ACR الذي تم إنشاؤه بواسطة التعلم الآلي من Azure، حيث لا يمكننا تعيين العلامات إلى ACR.
Azure Application إنسبايتس. يساعدك على مراقبة المعلومات التشخيصية وجمعها من نقاط نهاية الاستدلال.
لمزيد من المعلومات، راجع مراقبة نقاط النهاية عبر الإنترنت.
Azure Key Vault. يخزن الأسرار التي تحسب الأهداف والاستخدام والمعلومات الحساسة الأخرى التي يحتاجها مساحة العمل.
إنشاء مساحة عمل
يمكنك إنشاء مساحة عمل بطرق عديدة. للبدء، استخدم أحد الخيارات التالية:
- يمكنك إنشاء مساحة عمل بسرعة في Azure Machine Learning Studio بإعدادات افتراضية.
- بوابة Azure لواجهة النقر والتأشير مع خيارات أمان أكثر.
- إضافة VS Code إذا كنت تعمل في تعليمة Visual Studio برمجية.
لأتمتة إنشاء مساحة العمل باستخدام إعدادات الأمان المفضلة لديك:
- توفر قوالب Azure Resource Manager / Bicep بناء جملة تعريفيا لنشر موارد Azure. خيار بديل هو استخدام Terraform. راجع أيضا قالب Bicep أو قالب Terraform.
- استخدم Azure Machine Learning CLI أو Azure Machine Learning SDK ل Python للنماذج الأولية وكجزء من مهام سير عمل MLOps.
- استخدم واجهات برمجة تطبيقات REST مباشرة في بيئة البرمجة النصية، لتكامل النظام الأساسي أو في مهام سير عمل MLOps.
أدوات لتفاعل مساحة العمل وإدارتها
بعد إعداد مساحة عملك، يمكنك التفاعل معه بالطرق التالية:
- على الويب:
- في أي بيئة Python باستخدام Azure Machine Learning SDK.
- في سطر الأوامر، باستخدام إضافة Azure Machine Learning CLI v2.
- ملحق التعليمات البرمجية VS للتعلم الآلي من Azure
كل واجهة توفر المهام التالية لإدارة مساحة العمل.
| مهمة إدارة مساحة العمل | بوابة | مرسم | حزمة تطوير التطوير الخاصة لبايثون | Azure CLI | تعليمة VS الظاهرية |
|---|---|---|---|---|---|
| إنشاء مساحة عمل | ✓ | ✓ | ✓ | ✓ | ✓ |
| إدارة الوصول إلى مساحة العمل | ✓ | ✓ | |||
| إنشاء موارد حساب وإدارتها | ✓ | ✓ | ✓ | ✓ | ✓ |
| إنشاء مثيل حساب | ✓ | ✓ | ✓ | ✓ |
تحذير
لا يمكنك نقل مساحة عمل Azure Machine Learning إلى اشتراك آخر. ولا يمكنك أيضا نقل اشتراك المالك إلى مستأجر جديد. قد تسبب هذه الإجراءات أخطاء.
الموارد الفرعية
عندما تنشئ مجموعات الحوسبة ونسخ العينات في Azure Machine Learning، فإنك تنشئ أيضا موارد فرعية.
- الآلات الافتراضية: توفر قوة الحوسبة لمثيلات الحوسبة ومجموعات الحوسبة. استخدمها لإدارة المهام.
- موازن الأحمول: يتم إنشاء موازن تحميل شبكي لكل مثيل حسابي وعنقود حساب. يدير حركة المرور حتى أثناء توقف مثيل الحوسبة أو العنقود.
- الشبكة الافتراضية: تساعد هذه الموارد موارد Azure على التواصل مع بعضها البعض، ومع الإنترنت، وشبكات الموقع الأخرى.
- عرض النطاق الترددي: يغلف جميع عمليات نقل البيانات الصادرة عبر المناطق.
الخطوات التالية
لمعرفة المزيد عن تخطيط مساحة عمل لمتطلبات مؤسستك، راجع تنظيم وإعداد التعلم الآلي من Azure.
لبدء استخدام التعلم الآلي من Azure، راجع: