Créer un projet dans Azure AI Studio

Cet article explique comment créer un projet Azure AI Studio. Un projet sert à organiser votre travail et vos sauvegardes lors de la création d’applications IA personnalisées.

Les projets sont hébergés par une hub Azure AI Studio qui fournit une sécurité de niveau entreprise et un environnement collaboratif. Pour plus d’informations sur le modèle de ressources et de projets, consultez Hubs Azure AI Studio.

Créer un projet

Utilisez les onglets suivants pour sélectionner la méthode que vous envisagez d’utiliser pour créer un projet :

Azure AI Studio

Pour créer un projet dans Azure AI Studio, suivez ces étapes :

1. Accédez à la page Accueil d’Azure AI Studio.

2. Sélectionnez + Nouveau projet.

3. Entrez un nom pour le projet.

4. Sélectionnez un hub dans la liste déroulante pour héberger votre projet. Si vous n’avez pas encore accès à un hub, sélectionnez Créer un hub.

   

   Remarque

   Pour créer un hub, vous devez disposer des autorisations Propriétaire ou Contributeur sur le groupe de ressources sélectionné. Il est recommandé de partager un hub avec votre équipe. Cela vous permet de partager des configurations telles que les connexions de données avec tous les projets et de gérer de manière centralisée les paramètres de sécurité et les dépenses. Pour plus d’options pour créer un hub, consultez Guide pratique pour créer et gérer un hub Azure AI Studio. Un nom de projet doit être unique entre les projets qui partagent le même hub.

5. Si vous créez un hub, entrez un nom.

6. Sélectionnez votre abonnement Azure dans la liste déroulante Abonnement. Choisissez un abonnement Azure spécifique pour votre projet pour des raisons de facturation, d’accès ou d’administration. Par exemple, cela accorde aux utilisateurs et aux principaux de service un accès abonné à votre projet.

7. Gardez le groupe de ressources par défaut pour créer un nouveau groupe de ressources. Sinon, vous pouvez sélectionner un groupe de ressources existant depuis la liste déroulante.

   Conseil

   Il vous est recommandé de créer un nouveau groupe de ressources pour votre projet pour vous faire la main. Cela vous permet de gérer facilement le projet et toutes ses ressources ensemble. Lorsque vous créez un projet, plusieurs ressources sont créées dans le groupe de ressources, notamment un hub, un registre de conteneurs et un compte de stockage.

8. Entrez l’Emplacement du hub, puis sélectionnez Suivant. L’emplacement correspond à la région où le hub est hébergé. L’emplacement du hub est également l’emplacement du projet. La disponibilité des services Azure AI diffère par région. Par exemple, certains modèles peuvent ne pas être disponibles dans certaines régions.

9. Sélectionnez une ressource Azure AI services existante (notamment Azure OpenAI) dans la liste déroulante ou créez-en une.

   

10. Dans la page Vérifier, puis terminer, vous voyez le nom de la ressource Azure AI services et d’autres paramètres à passer en revue.

    

11. Passez en revue les détails du projet, puis sélectionnez Créer un projet. La progression de la création de ressources s’affiche, et le projet est créé une fois le processus terminé.

    

Une fois qu’un projet est créé, vous pouvez accéder au terrain de jeu, aux outils et à d’autres ressources dans le panneau de navigation de gauche.

Kit de développement logiciel (SDK) Python

1. Installez Python comme décrit dans le guide de démarrage rapide du Kit de développement logiciel (SDK).

2. Installez le Kit de développement logiciel (SDK) Azure Machine Learning v2.

3. Installer azure-identity : pip install azure-identity. Si c’est dans une cellule de notebook, utilisez %pip install azure-identity.

4. Fournissez les informations de votre abonnement :

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

5. Obtenez un descripteur pour l’abonnement. Tout le code Python de cet article utilise ml_client :

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

6. (Facultatif) Si vous avez plusieurs comptes, ajoutez l’ID de locataire de l’instance Microsoft Entra ID que vous souhaitez utiliser dans le DefaultAzureCredential. Recherchez votre ID de locataire dans le portail Azure sous Microsoft Entra ID, External Identities.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Facultatif) Si vous travaillez dans les régions Azure Government – États-Unis ou Azure China 21Vianet, spécifiez la région dans laquelle vous voulez vous authentifier. Vous pouvez spécifier la région avec DefaultAzureCredential. L’exemple suivant s’authentifie auprès de la région Azure Government – États-Unis :

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

8. Utilisez le code suivant pour créer un projet à partir d’un hub que vous ou votre administrateur avez créé précédemment. Remplacez les exemples de valeurs de chaîne par vos propres valeurs :

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_location = "East US"
   my_display_name = "My Example Project"
   hub_id = "" # Azure resource manager ID of the hub
   
   my_project = Project(name=my_hub_name, 
                   location=my_location,
                   display_name=my_display_name,
                   hub_id=created_hub.id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_hub).result() 
   

Azure CLI

1. Si l’extension Azure CLI et Machine Learning n’est pas installée, suivez les étapes décrites dans l’article Installer et configurer l’extension Machine Learning.

2. Pour vous authentifier auprès de votre abonnement Azure à partir d’Azure CLI, utilisez la commande suivante :

   az login
   

   Pour plus d’informations sur l’authentification, consultez Méthodes d’authentification.

3. Une fois l’extension installée et authentifiée sur votre abonnement Azure, utilisez la commande suivante pour créer un projet Azure AI à partir d’un hub Azure AI existant :

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

Paramètres du projet

Azure AI Studio

Sur la page Paramètres du projet, vous trouverez des informations sur le projet, telles que le nom du projet, sa description et le hub qui héberge le projet. Vous pouvez également trouver l’ID de projet, qui est utilisé pour identifier le projet via SDK ou API.

• Nom : le nom du projet correspond au projet sélectionné dans le volet gauche.
• Hub : Le hub qui héberge le projet.
• Emplacement : l’emplacement du hub qui héberge le projet. Pour connaître les emplacements pris en charge, consultez les régions Azure AI Studio.
• Abonnement : l’abonnement qui héberge le hub qui héberge le projet.
• Groupe des ressources : le groupe de ressources qui héberge le hub qui héberge le projet.

Sélectionnez Gestion dans le portail Azure pour accéder aux ressources du projet dans le portail Azure.

Kit de développement logiciel (SDK) Python

Pour gérer ou utiliser le nouveau projet, incluez-le dans le MLClient :

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=my_resource_group, subscription_id=my_subscription_id,credential=DefaultAzureCredential())

Azure CLI

Pour afficher les paramètres du projet, utilisez la commande az ml workspace show. Par exemple :

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Accès aux ressources du projet

Les configurations courantes sur le hub sont partagées avec votre projet, y compris les connexions, les instances de calcul et l’accès réseau. Vous pouvez donc commencer à développer immédiatement.

En outre, un certain nombre de ressources sont uniquement accessibles par les utilisateurs de votre espace de travail de projet :

1. Composants incluant des ensembles de données, des flux, des index, des points de terminaison API de modèles déployés (ouverts et serverless).

2. Connexions créées par vous sous « Paramètres du projet ».

3. Conteneurs d’objets blob Azure Storage et partage de fichiers pour le chargement des données au sein de votre projet. Accédez au stockage à l’aide des connexions suivantes :

   Connexion de données	Emplacement de stockage	Objectif
   workspaceblobstore	{project-GUID}-blobstore	Conteneur par défaut pour le chargement de données
   workspaceartifactstore	{project-GUID}-blobstore	Stocke les composants et les métadonnées de votre projet, tels que les pondérations de modèle
   workspacefilestore	{project-GUID}-code	Héberge les fichiers créés sur votre calcul et à l’aide du flux d’invite

Remarque

Les connexions de stockage ne sont pas créées directement avec le projet lorsque votre compte de stockage dispose d’un accès réseau public défini sur désactivé. Ces fichiers sont créés lorsque le premier utilisateur accède à AI Studio via une connexion réseau privée. Résoudre les problèmes de connexion de stockage

Étapes suivantes

• Déployer une application web de conversation d’entreprise
• En savoir plus sur Azure AI Studio
• En savoir plus sur les hubs