Membuat ruang kerja Pembelajaran Mesin Microsoft Azure
Untuk mendapatkan akses ke ruang kerja Azure Pembelajaran Mesin, Anda harus terlebih dahulu membuat layanan Azure Pembelajaran Mesin di langganan Azure Anda. Ruang kerja adalah tempat terpusat di mana Anda dapat bekerja dengan semua sumber daya dan aset yang tersedia untuk melatih dan menyebarkan model pembelajaran mesin. Untuk reproduksi, ruang kerja menyimpan riwayat semua pekerjaan pelatihan, termasuk log, metrik, output, dan rekam jepret kode Anda.
Memahami layanan Azure Pembelajaran Mesin
Untuk membuat layanan Azure Pembelajaran Mesin, Anda harus:
Dapatkan akses ke Azure, misalnya melalui portal Azure.
Masuk untuk mendapatkan akses ke langganan Azure.
Buat grup sumber daya dalam langganan Anda.
Buat layanan Azure Pembelajaran Mesin untuk membuat ruang kerja.
Saat ruang kerja disediakan, Azure akan secara otomatis membuat sumber daya Azure lainnya dalam grup sumber daya yang sama untuk mendukung ruang kerja:
Akun Azure Storage: Untuk menyimpan file dan notebook yang digunakan di ruang kerja, dan untuk menyimpan metadata pekerjaan dan model.
Azure Key Vault: Untuk mengelola rahasia dengan aman seperti kunci autentikasi dan kredensial yang digunakan oleh ruang kerja.
Application Insights: Untuk memantau layanan prediktif di ruang kerja.
Azure Container Registry: Dibuat saat diperlukan untuk menyimpan gambar untuk lingkungan Azure Pembelajaran Mesin.
Membuat ruang kerja
Anda dapat membuat ruang kerja Azure Pembelajaran Mesin dengan salah satu cara berikut:
- Gunakan antarmuka pengguna di portal Azure untuk membuat layanan Azure Pembelajaran Mesin.
- Buat templat Azure Resource Manager (ARM). Pelajari cara menggunakan templat ARM untuk membuat ruang kerja.
- Gunakan Azure Command Line Interface (CLI) dengan ekstensi Azure Pembelajaran Mesin CLI. Pelajari cara membuat ruang kerja dengan CLI v2.
- Gunakan Azure Pembelajaran Mesin Python SDK.
Misalnya, kode berikut menggunakan Python SDK untuk membuat ruang kerja bernama mlw-example:
from azure.ai.ml.entities import Workspace
workspace_name = "mlw-example"
ws_basic = Workspace(
name=workspace_name,
location="eastus",
display_name="Basic workspace-example",
description="This example shows how to create a basic workspace",
)
ml_client.workspaces.begin_create(ws_basic)
Menjelajahi ruang kerja di portal Azure
Membuat ruang kerja Azure Pembelajaran Mesin biasanya akan memakan waktu antara 5-10 menit untuk diselesaikan. Saat ruang kerja dibuat, Anda dapat memilih ruang kerja untuk melihat detailnya.
Dari halaman Gambaran Umum ruang kerja Azure Pembelajaran Mesin di portal Azure, Anda dapat meluncurkan studio Azure Pembelajaran Mesin. Studio Azure Pembelajaran Mesin adalah portal web dan menyediakan antarmuka yang mudah digunakan untuk membuat, mengelola, dan menggunakan sumber daya dan aset di ruang kerja.
Dari portal Azure, Anda juga dapat memberi orang lain akses ke ruang kerja Azure Pembelajaran Mesin, menggunakan kontrol Akses.
Memberikan akses ke ruang kerja Azure Pembelajaran Mesin
Anda dapat memberi pengguna individu atau tim akses ke ruang kerja Azure Pembelajaran Mesin. Akses diberikan di Azure menggunakan kontrol akses berbasis peran (RBAC), yang dapat Anda konfigurasikan di tab Kontrol akses grup sumber daya atau sumber daya.
Di tab kontrol akses, Anda dapat mengelola izin untuk membatasi tindakan apa yang dapat dilakukan pengguna atau tim tertentu. Misalnya, Anda dapat membuat kebijakan yang hanya memungkinkan pengguna di grup administrator Azure untuk membuat target komputasi dan datastore. Sementara pengguna dalam grup ilmuwan data dapat membuat dan menjalankan pekerjaan untuk melatih model, dan mendaftarkan model.
Ada tiga peran bawaan umum yang dapat Anda gunakan di seluruh sumber daya dan grup sumber daya untuk menetapkan izin kepada pengguna lain:
- Pemilik: Mendapatkan akses penuh ke semua sumber daya, dan dapat memberikan akses ke orang lain menggunakan kontrol akses.
- Kontributor: Mendapatkan akses penuh ke semua sumber daya, tetapi tidak dapat memberikan akses kepada orang lain.
- Pembaca: Hanya dapat melihat sumber daya, tetapi tidak diizinkan untuk membuat perubahan apa pun.
Selain itu, Azure Pembelajaran Mesin memiliki peran bawaan tertentu yang dapat Anda gunakan:
- Ilmuwan Data AzureML: Dapat melakukan semua tindakan dalam ruang kerja, kecuali untuk membuat atau menghapus sumber daya komputasi, atau mengedit pengaturan ruang kerja.
- Operator Komputasi AzureML: Diizinkan untuk membuat, mengubah, dan mengelola akses sumber daya komputasi dalam ruang kerja.
Terakhir, jika peran bawaan tidak memenuhi kebutuhan Anda, Anda bisa membuat peran kustom untuk menetapkan izin kepada pengguna lain.
Tip
Pelajari selengkapnya tentang cara mengelola akses ke ruang kerja Azure Pembelajaran Mesin, termasuk membuat peran kustom.
Atur ruang kerja Anda
Awalnya, Anda mungkin hanya bekerja dengan satu ruang kerja. Namun, saat mengerjakan proyek skala besar, Anda mungkin memilih untuk menggunakan beberapa ruang kerja.
Anda dapat menggunakan ruang kerja untuk mengelompokkan aset pembelajaran mesin berdasarkan proyek, lingkungan penyebaran (misalnya, pengujian dan produksi), tim, atau prinsip pengorganisasian lainnya.
Tip
Pelajari selengkapnya tentang cara menata ruang kerja Azure Pembelajaran Mesin untuk lingkungan perusahaan.