Creación de un proyecto en Inteligencia artificial de Azure Studio

En este artículo se describe cómo crear un proyecto de Azure AI Studio. Un proyecto se usa para organizar el trabajo y guardar el estado al compilar aplicaciones de IA personalizadas.

Los proyectos se alojan en un centro de Azure AI Studio que proporciona seguridad de nivel empresarial y un entorno de colaboración. Para obtener más información sobre el modelo de proyectos y recursos, consulte Centros Azure AI Studio.

Creación de un proyecto

Utilice las pestañas siguientes para seleccionar el método que quiere usar para crear un proyecto:

Azure AI Studio

Para crear un proyecto en Azure AI Studio, siga estos pasos:

1. Vaya a la página Inicio de Azure AI Studio.

2. Seleccione + Nuevo proyecto.

3. Escriba un nombre para el proyecto.

4. Seleccione un centro en la lista desplegable para hospedar el proyecto. Si aún no tiene acceso a un centro, seleccione Crear un nuevo centro.

   

   Nota:

   Para crear un centro, debe tener permisos de Propietario o Colaborador en el grupo de recursos seleccionado. Se recomienda compartir un centro con el equipo. Esto le permite compartir configuraciones como conexiones de datos con todos los proyectos y administrar centralmente la configuración de seguridad y el gasto. Para obtener más opciones para crear un centro, consulte cómo crear y administrar un centro de Azure AI Studio. Un nombre de proyecto debe ser único entre proyectos que comparten el mismo centro.

5. Si va a crear un centro nuevo, introduzca un nombre.

6. Seleccione la suscripción de Azure en la lista desplegable Suscripción. Elija una suscripción de Azure específica para el proyecto por motivos administrativos, de acceso o facturación. Por ejemplo, esto concede a los usuarios y entidades de servicio acceso de nivel de suscripción al proyecto.

7. Deje el grupo de recursos como valor predeterminado para crear un nuevo grupo de recursos. Como alternativa, puede seleccionar un grupo de recursos existente en la lista desplegable.

   Sugerencia

   Especialmente para empezar, se recomienda crear un nuevo grupo de recursos para el proyecto. Esto le permite administrar fácilmente el proyecto y todos sus recursos juntos. Al crear un proyecto, se crean varios recursos en el grupo de recursos, incluidos un centro, un registro de contenedor y una cuenta de almacenamiento.

8. Escriba la Ubicación del centro, y luego seleccione Siguiente. La ubicación es la región donde se hospeda el centro. La ubicación del centro también es la ubicación del proyecto. La disponibilidad de los servicios de Azure AI difiere por región. Por ejemplo, es posible que determinados modelos no estén disponibles en determinadas regiones.

9. Seleccione un recurso de servicios de Azure AI (incluido Azure OpenAI) existente en la lista desplegable o cree uno nuevo.

   

10. En la página Revisar y finalizar, verá el nombre del recurso de los servicios de Azure AI y otra configuración que se va a revisar.

    

11. Revise los detalles del proyecto y, a continuación, seleccione Crear un proyecto. Verá el progreso de la creación de recursos y el proyecto se crea cuando se completa el proceso.

    

Una vez creado un proyecto, puede acceder al área de juegos, las herramientas y otros recursos en el panel de navegación izquierdo.

SDK de Python

1. Instale Python como se describe en el inicio rápido del SDK.

2. Instale el SDK v2 de Azure Machine Learning.

3. Instale azure-identity: pip install azure-identity. Si está en una celda del cuaderno, use %pip install azure-identity.

4. Proporcione los detalles de la suscripción:

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

5. Obtenga un identificador para la suscripción. Todo el código de Python de este artículo usa 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. (Opcional) Si tiene varias cuentas, agregue el identificador de inquilino de la instancia de Microsoft Entra ID que quiere usar en DefaultAzureCredential. Busque el id. de inquilino en Azure Portal en Microsoft Entra ID, Identidades externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Opcional) Si va a trabajar en las regiones de Azure Government: Estados Unidos o Azure China 21Vianet, especifique la región en la que se quiere autenticar. Puede especificar la región con DefaultAzureCredential. En el ejemplo siguiente se realiza la autenticación en la región Azure Government - EE. UU.:

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

8. Use el código siguiente para crear un proyecto desde un centro que ha creado antes,o que haya creado el administrador. Reemplace los valores de cadena de ejemplo por valores propios:

   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() 
   

CLI de Azure

1. Si no tiene instalada la CLI de Azure ni la extensión de aprendizaje automático, siga los pasos descritos en el artículo Instalación y configuración de la extensión de aprendizaje automático.

2. Para autenticarse en la suscripción de Azure desde la CLI de Azure, use el siguiente comando:

   az login
   

   Para más información sobre la autenticación, vea Métodos de autenticación.

3. Una vez que se instale y autentique la extensión en la suscripción de Azure, use el siguiente comando para crear un proyecto de Azure AI desde un centro de Azure AI existente:

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

Configuración del proyecto

Azure AI Studio

En la página de Configuración del proyecto puede encontrar información sobre el proyecto, como el nombre del proyecto, la descripción y el centro que hospeda el proyecto. También puede encontrar el Id. del proyecto, que se utiliza para identificar el proyecto a través del SDK o la API.

• Nombre: el nombre del proyecto se corresponde al proyecto seleccionado en el panel de la izquierda.
• Centro: el centro que hospeda el proyecto.
• Ubicación: la ubicación del centro que hospeda el proyecto. Para conocer las ubicaciones admitidas, consulte Regiones de Inteligencia artificial de Azure Studio.
• Suscripción: la suscripción que hospeda el centro que aloja el proyecto.
• Grupo de recursos: el grupo de recursos que hospeda el centro que hospeda el proyecto.

Seleccione Administrar en el portal Azure para navegar a los recursos del proyecto en el portal Azure.

SDK de Python

Para administrar o usar el nuevo proyecto, inclúyalo en MLClient:

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

CLI de Azure

Para ver la configuración del proyecto, use el comando az ml workspace show. Por ejemplo:

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

Acceso al recurso del proyecto

Las configuraciones comunes del centro se comparten con el proyecto, incluidas las conexiones, las instancias de proceso y el acceso a la red, por lo que puede empezar el desarrollo inmediatamente.

Además, los usuarios del área de trabajo del proyecto solo pueden acceder a determinados recursos:

1. Componentes que incluyen conjuntos de datos, flujos, índices, puntos de conexión de API de modelo implementados (abiertos y sin servidor).

2. Conexiones creadas personalmente en "configuración del proyecto".

3. Contenedores de blobs de Azure Storage y un recurso compartido de archivos para la carga de datos en el proyecto. Acceda al almacenamiento mediante las conexiones siguientes:

   Conexión de datos	Ubicación de almacenamiento	Fin
   workspaceblobstore	{GUID del proyecto}-blobstore	Contenedor predeterminado para la carga de datos
   workspaceartifactstore	{GUID del proyecto}-blobstore	Almacena componentes y metadatos para el proyecto, como pesos del modelo
   workspacefilestore	{GUID del proyecto}-code	Hospeda los archivos creados en el proceso y mediante el flujo de avisos

Nota:

Las conexiones de almacenamiento no se crean directamente con el proyecto cuando la cuenta de almacenamiento tiene el acceso de red pública establecido en deshabilitado. En su lugar, se crean cuando un primer usuario accede a Inteligencia artificial de Azure Studio mediante una conexión de red privada. Solución de problemas de conexiones de almacenamiento

Pasos siguientes

• Implementación de una aplicación web de chat empresarial
• Más información sobre Inteligencia artificial de Azure Studio
• Más información sobre los centros