Tutoriel : Créez les ressources dont vous avez besoin pour commencer

Dans ce tutoriel, vous allez créer les ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning.

• Un espace de travail. Vous avez besoin d’un espace de travail pour utiliser Azure Machine Learning. L’espace de travail est l’endroit central pour afficher et gérer tous les artefacts et ressources que vous créez.
• Une instance de calcul. Une instance de calcul est une ressource de cloud computing préconfigurée que vous pouvez utiliser pour entraîner, automatiser, gérer et suivre des modèles Machine Learning. Un instance de calcul est le moyen le plus rapide de commencer à utiliser les SDK et les CLIs Azure Machine Learning. Vous l’utilisez pour exécuter des notebooks Jupyter et des scripts Python dans le reste des didacticiels.

Dans ce tutoriel, vous allez créer vos ressources dans Azure Machine Learning Studio.

Vous pouvez également créer un espace de travail à l’aide du portail Azure ou du Kit de développement logiciel (SDK), de l’interface CLI, d’Azure PowerShell ou de l’extension Visual Studio Code.

Pour plus d’informations sur les méthodes de création d’une instance de calcul, consultez Créer une instance de calcul.

Cette vidéo vous montre comment créer un espace de travail et une instance de calcul dans Azure Machine Learning studio. Les étapes sont également décrites dans les sections ci-dessous.

Prérequis

• Compte Azure avec un abonnement actif. Créez un compte gratuitement.

Créer l’espace de travail

L’espace de travail est la ressource de niveau supérieur pour vos activités de machine learning. Il offre un emplacement centralisé qui vous permet de voir et de gérer les artefacts que vous créez quand vous utilisez Azure Machine Learning.

Si vous avez déjà un espace de travail, ignorez cette section et passez à Créer une instance de calcul.

Si vous n’avez pas encore d’espace de travail, créez-en un maintenant :

1. Connectez-vous à Azure Machine Learning Studio.

2. Sélectionnez Créer un espace de travail.

3. Fournissez les informations suivantes pour configurer votre nouvel espace de travail :

   Champ	Descriptif
   Nom de l’espace de travail	Entrez un nom unique qui identifie votre espace de travail. Les noms doivent être uniques dans le groupe de ressources. Utilisez un nom facile à rappeler et à différencier des espaces de travail créés par d’autres utilisateurs. Le nom de l’espace de travail n’est pas sensible à la casse.
   Nom convivial	Ce nom n’est pas limité par les règles d’affectation de noms Azure. Vous pouvez utiliser des espaces et des caractères spéciaux dans ce nom.
   Hub	Un hub vous permet de regrouper les espaces de travail associés et de partager des ressources. Si vous avez accès à un hub, sélectionnez-le ici. Si vous n’avez pas accès à un hub, laissez ce champ vide.

4. Si vous n’avez pas sélectionné un hub, fournissez les paramètres avancés. Si vous avez sélectionné un hub, ces valeurs sont extraites du hub.

   Champ	Descriptif
   Abonnement	Sélectionnez l’abonnement Azure que vous souhaitez utiliser.
   groupe de ressources	Utilisez un groupe de ressources existant dans votre abonnement ou entrez un nom pour en créer un. Un groupe de ressources contient les ressources associées d’une solution Azure. Vous avez besoin du rôle Contributeur ou Propriétaire pour utiliser un groupe de ressources existant. Pour plus d'informations sur l'accès, consultez Gérer l'accès à un espace de travail Azure Machine Learning.
   Région	Sélectionnez la région Azure la plus proche de vos utilisateurs et données pour créer votre espace de travail.

5. Sélectionnez Créer pour créer l’espace de travail.

Remarque

Cela crée un espace de travail contenant toutes les ressources requises. Si vous souhaitez plus de personnalisation, utilisez plutôt le portail Azure . Pour plus d’informations, consultez Créer un espace de travail.

Créer une instance de calcul

Vous utilisez l’instance de calcul pour exécuter des notebooks Jupyter et des scripts Python dans le reste des didacticiels. Si vous n’avez pas encore d’instance de calcul, créez-en une maintenant :

1. Sélectionnez votre espace de travail.

2. En haut à droite, sélectionnez Nouveau.

3. Sélectionnez l’instance de calcul dans la liste.

   

4. Tapez un nom.

5. Conservez les valeurs par défaut pour le reste de la page, sauf si la stratégie de votre organisation nécessite différents paramètres.

6. Sélectionnez Vérifier + créer.

7. Sélectionnez Create (Créer).

Visite rapide du studio

Le studio est votre portail web pour Azure Machine Learning. Il combine des expériences sans code et des expériences priorisant le code pour d'une plateforme inclusive de science des données.

Passez en revue les différentes parties du studio dans la barre de navigation de gauche :

• La section Création du studio contient plusieurs façons de commencer à créer des modèles Machine Learning. Vous pouvez :

  • Les notebooks vous permettent de créer des notebooks Jupyter, de copier des exemples de notebooks et d’exécuter des notebooks et des scripts Python.
  • Le ML automatisé vous guide tout au long de la création d’un modèle Machine Learning sans écrire de code.
  • Le concepteur fournit un moyen de glisser-déplacer pour générer des modèles à l’aide de composants prédéfinis.

• La section Ressources vous aide à suivre les ressources que vous créez lorsque vous exécutez des travaux. Dans un nouvel espace de travail, ces sections sont vides.

• La section Gérer vous permet de créer et de gérer des services de calcul et externes liés à votre espace de travail. Vous pouvez également créer et gérer un projet d’étiquetage des données ici.

Apprendre des exemples de notebooks

Utilisez les exemples de cahiers disponibles dans le studio pour apprendre à former et à déployer des modèles. Ils sont référencés dans de nombreux autres articles et tutoriels.

1. Dans le volet de navigation de gauche, sélectionnez Notebooks.
2. En haut, sélectionnez échantillons.

• Utilisez les blocs-notes du dossier SDK v2 pour les exemples qui utilisent le SDK actuel (v2).
• Ces blocs-notes sont en lecture seule et sont mis à jour régulièrement.
• Lorsque vous ouvrez un bloc-notes, sélectionnez Cloner ce bloc-notes en haut pour ajouter une copie et tous les fichiers associés à vos fichiers. Un nouveau dossier est créé pour vous dans la section Fichiers .

Créer une nouvelle instance Notebook

Lorsque vous clonez un bloc-notes à partir d’exemples, une copie est ajoutée à vos fichiers et vous pouvez commencer à l’exécuter ou à la modifier. La plupart des didacticiels reflètent ces échantillons de notebooks.

Vous pouvez également créer un bloc-notes vide, puis copier et coller du code à partir d’un didacticiel. Pour ce faire :

1. Toujours dans la section Notebooks , sélectionnez Fichiers pour revenir à vos fichiers.

2. Sélectionnez + pour ajouter des fichiers.

3. Sélectionnez Create new file.

   

Nettoyer les ressources

Si vous envisagez de passer à d’autres didacticiels maintenant, passez à l’étape suivante.

Arrêter l’instance de calcul

Si vous ne comptez pas l’utiliser maintenant, arrêtez l’instance de calcul :

1. Dans le studio, dans le menu de gauche, sélectionnez Compute.
2. Sous les onglets supérieurs, sélectionnez Instances de calcul.
3. Sélectionnez l’instance de calcul dans la liste.
4. Dans la barre d’outils supérieure, sélectionnez Arrêter.

Supprimer toutes les ressources

Important

Les ressources que vous avez créées peuvent être utilisées comme prérequis pour d’autres tutoriels d’Azure Machine Learning et des articles de procédure.

Si vous n’avez pas l’intention d’utiliser les ressources que vous avez créées, supprimez-les pour éviter des frais :

1. Dans la zone de recherche du Portail Azure, saisissez Groupes de ressources, puis sélectionnez-le dans les résultats.

2. Dans la liste, sélectionnez le groupe de ressources créé.

3. Dans la page Vue d’ensemble, sélectionnez Supprimer le groupe de ressources.

   

4. Entrez le nom du groupe de ressources. Puis sélectionnez Supprimer.

Étape suivante

Vous disposez maintenant d’un espace de travail Azure Machine Learning qui contient une instance de calcul pour votre environnement de développement.

Continuez à apprendre à utiliser l’instance de calcul pour exécuter des notebooks et des scripts dans Azure Machine Learning.

Démarrage rapide : Découvrir Azure Machine Learning

Utilisez votre instance de calcul avec les didacticiels suivants pour entraîner et déployer un modèle.

Didacticiel	Descriptif
Charger, accéder et explorer vos données dans Azure Machine Learning	Stockez de grandes quantités de données dans le cloud et récupérez-les à partir des notebooks et des scripts.
Développement de modèles sur une station de travail cloud	Démarrez le prototypage et le développement de modèles Machine Learning.
Effectuer l’apprentissage d’un modèle dans Azure Machine Learning	Découvrez les détails de l’entraînement d’un modèle.
Déployer un modèle en tant que point de terminaison en ligne	Découvrez les détails du déploiement d’un modèle.
Créer des pipelines Machine Learning de production	Fractionnez une tâche Machine Learning complète en un flux de travail en plusieurs étapes

Vous voulez vous y lancer ? Parcourez les exemples de code.