Esercitazione: Creare le risorse necessarie per iniziare

In questa esercitazione vengono create le risorse necessarie per iniziare a usare Azure Machine Learning. Si apprenderà come creare un'area di lavoro, creare un'istanza di calcolo, esplorare lo studio, trovare notebook di esempio e pulire le risorse al termine.

Creare le risorse seguenti:

• Un'area di lavoro. Per usare Azure Machine Learning, è necessaria un'area di lavoro. L'area di lavoro è la posizione centrale in cui visualizzare e gestire tutti gli artefatti e le risorse creati.
• Un'istanza di ambiente di calcolo. Un'istanza di calcolo è una risorsa di cloud computing preconfigurata che è possibile usare per eseguire il training, automatizzare, gestire e tenere traccia dei modelli di Machine Learning. Un'istanza di ambiente di calcolo è il modo più rapido per iniziare a usare gli SDK e le interfacce della riga di comando di Azure Machine Learning. È possibile usarlo per eseguire notebook di Jupyter e script Python nelle altre esercitazioni.

In questa esercitazione si creano le risorse in Azure Machine Learning Studio.

È anche possibile creare un'area di lavoro usando il portale di Azure o l'SDK, l'interfaccia della riga di comando, Azure PowerShell o l'estensione di Visual Studio Code.

Per scoprire altri modi per creare un'istanza di ambiente di calcolo, vedere Creare un'istanza di calcolo.

Questo video illustra come creare un'area di lavoro e un'istanza di ambiente di calcolo nello studio di Azure Machine Learning. I passaggi vengono anche descritti nelle sezioni seguenti.

Prerequisiti

• Un account Azure con una sottoscrizione attiva. Creare un account gratuitamente.
• Autorizzazione per creare risorse nella sottoscrizione o nel gruppo di risorse usato. È necessario il ruolo Collaboratore o Proprietario nell'ambito di destinazione. Per altre informazioni, vedere Gestire l'accesso a un'area di lavoro Azure Machine Learning.

Note

L'area di lavoro e l'istanza di calcolo che si creano sono risorse di Azure fatturabili e le aree geografiche e le dimensioni delle macchine virtuali disponibili variano a seconda della sottoscrizione. Per evitare addebiti, arrestare l'istanza di calcolo quando non viene usata e pulire le risorse al termine delle esercitazioni.

Creare l'area di lavoro

L'area di lavoro è la risorsa di primo livello per le attività di apprendimento automatico, perché fornisce una posizione centralizzata in cui visualizzare gestire tutti gli artefatti creati quando si usa Azure Machine Learning.

Se si dispone già di un'area di lavoro, ignorare questa sezione e procedere a creare un'istanza di ambiente di calcolo.

Se non è disponibile un'area di lavoro, crearne una adesso:

1. Accedere ad Azure Machine Learning Studio.

2. Selezionare Crea area di lavoro.

3. Specificare le informazioni seguenti per configurare la nuova area di lavoro:

   Campo	Descrizione
   Nome dell'area di lavoro	Immettere un nome univoco che identifichi l'area di lavoro. I nomi devono essere univoci all'interno del gruppo di risorse. Usare un nome facile da richiamare e distinguere dalle aree di lavoro create da altri utenti. Il nome dell'area di lavoro non rileva la distinzione tra maiuscole e minuscole.
   Nome descrittivo	Questo nome non è limitato dalle regole di denominazione di Azure. Sono consentiti spazi e caratteri speciali.
   Hub	Un hub consente di raggruppare le aree di lavoro correlate e condividere le risorse. Se si ha accesso a un hub, selezionarlo qui. Se non si ha accesso a un hub, lasciare il campo vuoto.

4. Se non è stato selezionato un hub, specificare le impostazioni avanzate. Se è stato selezionato un hub, questi valori vengono ricavati dall'hub.

   Campo	Descrizione
   Abbonamento	Selezionare la sottoscrizione di Azure da usare.
   Gruppo di risorse	Usare un gruppo di risorse esistente nella sottoscrizione o immettere un nome per crearne uno nuovo. Un gruppo di risorse include risorse correlate per una soluzione Azure. Per usare un gruppo di risorse esistente, è necessario il ruolo Collaboratore o Proprietario. Per altre informazioni sull'accesso, vedere Gestire l'accesso a un'area di lavoro di Azure Machine Learning.
   Region	Selezionare l'area di Azure più vicina agli utenti e ai dati per creare l'area di lavoro.

5. Selezionare Crea per creare l'area di lavoro.

   Attendi che l'area di lavoro completi il provisioning e si apra in Azure Machine Learning Studio prima di continuare.

Note

Verrà creata un'area di lavoro insieme a tutte le risorse necessarie. Se si vuole più personalizzazione, usare invece il portale di Azure . Vedere Creare un'area di lavoro per altre informazioni.

Creare un'istanza di ambiente di calcolo

È possibile usare l'istanza di calcolo per eseguire notebook Jupyter e script Python nelle altre esercitazioni. Se non è disponibile un'istanza di ambiente di calcolo, crearne una adesso:

1. Selezionare l'area di lavoro.

2. In alto a destra, selezionare Nuovo.

3. Selezionare Istanza di ambiente di calcolo nell'elenco.

   

4. Specificare un nome.

5. Mantenere i valori predefiniti per il resto della pagina, a meno che i criteri dell'organizzazione non richiedano impostazioni diverse.

6. Selezionare Rivedi e crea.

7. Selezionare Crea.

   Attendere che lo stato dell'istanza di calcolo cambi in In esecuzione prima di continuare. Il processo di provisioning può richiedere alcuni minuti.

Breve panoramica dello studio

Dopo aver pronto l'area di lavoro e l'istanza di calcolo, dedicare qualche istante all'orientamento in studio prima di continuare con le esercitazioni successive.

Lo studio è il portale Web per Azure Machine Learning. Combina esperienze senza codice e code-first per una piattaforma di data science inclusiva.

Esaminare le parti dello studio sulla barra di spostamento a sinistra:

• La sezione Creazione di uno studio contiene diversi modi per iniziare a creare modelli di Machine Learning. È possibile:

  • La pagina Notebooks consente di creare notebook di Jupyter, copiare notebook di esempio ed eseguire notebook e script Python.
  • Machine Learning automatizzato consente di creare un modello di Machine Learning senza scrivere codice.
  • Designer offre un metodo di trascinamento e rilascio per costruire modelli utilizzando componenti predefiniti.

• La sezione Assets consente di tenere traccia degli asset creati durante l'esecuzione dei processi. In una nuova area di lavoro queste sezioni sono vuote.

• La sezione Gestione consente di creare e gestire servizi di calcolo ed esterni collegati all'area di lavoro. È anche possibile creare e gestire un progetto di etichettatura dati qui.

Apprendere dai notebook di esempio

Usare i notebook di esempio disponibili in Studio per informazioni su come eseguire il training e la distribuzione di modelli. Molti altri articoli ed esercitazioni fanno riferimento a questi notebook.

1. Nel riquadro di spostamento sinistro selezionare Notebook.
2. Nella parte superiore selezionare Esempi.

• Utilizzare i notebook nella cartella SDK v2 per esempi che utilizzano l'SDK attuale (v2).
• Questi notebook sono di sola lettura e vengono aggiornati periodicamente.
• Quando si apre un notebook, selezionare Clona il notebook in alto per aggiungere una copia e tutti i file associati ai file. Viene creata automaticamente una nuova cartella nella sezione File .

Creare un nuovo notebook

Quando si clona un notebook da Esempi, viene aggiunta una copia ai file ed è possibile avviare l'esecuzione o la modifica. Molte esercitazioni rispecchiano questi notebook di esempio.

È anche possibile creare un nuovo notebook vuoto e quindi copiare e incollare il codice da un tutorial. A tale scopo, procedere come indicato di seguito:

1. Sempre nella sezione Notebook selezionareFile per tornare ai file.

2. Selezionare + per aggiungere file.

3. Selezionare Create new file (Crea nuovo file).

   

Pulire le risorse

Se si prevede di continuare con altre esercitazioni, passare al passaggio successivo.

Arrestare l'istanza di ambiente di calcolo

Se non si prevede di usare subito l'istanza di ambiente di calcolo, arrestarla:

1. Nello studio, nel menu a sinistra, selezionare Ambiente di calcolo.
2. Nelle schede superiori selezionare Istanze di calcolo.
3. Selezionare l'istanza di ambiente di calcolo nell'elenco.
4. Sulla barra degli strumenti in alto selezionare Arresta.

Eliminare tutte le risorse

Avvertimento

Eliminare il gruppo di risorse solo se ne è stato creato uno nuovo per questa esercitazione. Se è stato selezionato un gruppo di risorse esistente, l'eliminazione rimuove anche tutte le altre risorse che contiene. Per mantenere tali risorse, eliminare solo l'area di lavoro e l'istanza di calcolo creata per questa esercitazione.

Importante

Le risorse create possono essere usate come prerequisiti per altre esercitazioni e articoli esplicativi per Azure Machine Learning.

Se non si prevede di usare le risorse create, eliminarle per evitare addebiti:

1. Nella casella di ricerca del portale di Azure, immettere Gruppi di risorse e selezionarlo nei risultati.

2. Dell'elenco, selezionare il gruppo di risorse creato.

3. Nella pagina Panoramica, selezionare Elimina gruppo di risorse.

   

4. Immettere il nome del gruppo di risorse. Selezionare Elimina.

Passaggio successivo

È ora disponibile un'area di lavoro di Azure Machine Learning che contiene un'istanza di calcolo per l'ambiente di sviluppo.

Continuare a imparare a usare l'istanza di calcolo per eseguire notebook e script in Azure Machine Learning.

Avvio rapido: Informazioni su Azure Machine Learning

Usare l'istanza di ambiente di calcolo con le esercitazioni seguenti per eseguire il training e la distribuzione di un modello.

Esercitazione	Descrizione
Caricare i dati, accedervi ed esplorarli in Azure Machine Learning	Archiviare dati di grandi dimensioni nel cloud e recuperarli da notebook e script.
Sviluppo di modelli in una workstation cloud	Iniziare a creare prototipi e sviluppare modelli di Machine Learning.
Eseguire il training di un modello in Azure Machine Learning	Esaminare i dettagli dell'addestramento di un modello.
Distribuire un modello come endpoint online	Approfondire i dettagli della distribuzione di un modello.
Creare pipeline di Machine Learning di produzione	Suddividere un'attività di Machine Learning completa in un flusso di lavoro in più passaggi.

Si vuole iniziare? Sfogliare gli esempi di codice.