次の方法で共有


チュートリアル: 利用を開始するために必要なリソースの作成

このチュートリアルでは、Azure Machine Learning の使用を開始するために必要なリソースを作成します。

  • "ワークスペース"。 Azure Machine Learning を使用するには、まずワークスペースが必要です。 ワークスペースは、作成するすべての成果物とリソースを表示および管理するための中心的な場所です。
  • "コンピューティング インスタンス"。 コンピューティング インスタンスは、機械学習モデルのトレーニング、自動化、管理、追跡に使用できる事前構成済みのクラウド コンピューティング リソースです。 コンピューティング インスタンスは、Azure Machine Learning の SDK と CLI を使用開始するための最も簡単な方法です。 これを使用して、チュートリアルの残りの部分で Jupyter ノートブックと Python スクリプトを実行します。

このチュートリアルでは、Azure Machine Learning スタジオでリソースを作成します。

ワークスペースを作成するその他の方法は、Azure portal または SDKCLIAzure PowerShell、あるいは Visual Studio Code 拡張機能を使用することです。

コンピューティング インスタンスを作成するその他の方法については、コンピューティング インスタンスの作成に関する記事を参照してください。

Azure Machine Learning スタジオでワークスペースとコンピューティング インスタンスを作成する方法は、このビデオで説明されています。 また、以下のセクションでも手順を説明します。

前提条件

ワークスペースを作成する

ワークスペースは機械学習アクティビティの最上位のリソースで、Azure Machine Learning を使用するときに作成する成果物を表示したり管理したりするための一元的な場所となります。

既にワークスペースがある場合は、このセクションをスキップして、「コンピューティング インスタンスを作成する」に進んでください。

まだワークスペースをお持ちでない場合は、ここで作成してください。

  1. Azure Machine Learning Studio にサインインします。

  2. [ワークスペースの作成] を選択します。

  3. 新しいワークスペースを構成するには、次の情報を指定します。

    フィールド 説明
    ワークスペース名 ワークスペースを識別する一意の名前を入力します。 名前は、リソース グループ全体で一意である必要があります。 覚えやすく、他のユーザーが作成したワークスペースと区別しやすい名前を使用します。 ワークスペース名では、大文字と小文字は区別されません。
    フレンドリ名 この名前は、Azure の名前付け規則によって制限されません。 この名前には、スペースと特殊文字を使用できます。
    ハブ ハブを使用すると、関連するワークスペースをグループ化してリソースを共有できます。 ハブにアクセスできる場合は、ここで選択します。 ハブにアクセスできない場合は、空白のままにします。
  4. ハブを選択しなかった場合は、詳細情報を指定します。 ハブを選択した場合、これらの値はハブから取得されます。

    フィールド 説明
    サブスクリプション 使用する Azure サブスクリプションを選択します。
    リソース グループ サブスクリプションの既存のリソース グループを使用するか、任意の名前を入力して新しいリソース グループを作成します。 リソース グループは、Azure ソリューションの関連するリソースを保持します。 既存のリソース グループを使用するには、共同作成者または所有者のロールが必要です。 アクセスの詳細については、「Azure Machine Learning ワークスペースへのアクセスの管理」の記事をご覧ください。
    リージョン ユーザーとデータ リソースに最も近い Azure リージョンを選択し、ワークスペースを作成します。
  5. [作成] を選択して、ワークスペースを作成します。

注意

これにより、必要なすべてのリソースと共にワークスペースが作成されます。 さらにカスタマイズする場合は、代わりに Azure portal を使用してください。 詳細については、「ワークスペースの作成」を参照してください。

コンピューティング インスタンスを作成する

"コンピューティング インスタンス" を使用して、チュートリアルの残りの部分で Jupyter ノートブックと Python スクリプトを実行します。 コンピューティング インスタンスがまだない場合は、ここで作成してください。

  1. ワークスペースを選択します。

  2. 右上で、[新規] を選択します。

  3. 一覧の中の [コンピューティング インスタンス] を選択します。

    新規リスト内でのコンピューティングの作成の様子を示すスクリーンショット。

  4. 名前を入力します。

  5. 組織のポリシーで他の設定を変更する必要がない限り、ページの残りの部分は既定値のままにします。

  6. [確認および作成] を選択します。

  7. [作成] を選択します

スタジオのクイック ツアー

スタジオは、Azure Machine Learning の Web ポータルです。 このポータルでは、包括的なデータ サイエンス プラットフォームのために、コードなしのエクスペリエンスとコードファースト エクスペリエンスを組み合わせています。

スタジオの構成要素は、左側のナビゲーション バーでご覧いただけます。

  • スタジオの [作成] セクションには、機械学習モデルを作成するための複数の方法が用意されています。 次のようにすることができます。

    • [Notebooks] セクションでは、Jupyter ノートブックを作成し、サンプル ノートブックをコピーして、ノートブックや Python スクリプトを実行できます。
    • [自動 ML] では、コードを記述せずに、画面の指示に従って機械学習モデルを作成できます。
    • [デザイナー] では、あらかじめ構築されたコンポーネントを使用して、ドラッグ アンド ドロップでモデルを作成できます。
  • スタジオの [Assets](アセット) セクションでは、ジョブを実行する過程で作成したアセットを追跡できます。 新しいワークスペースの場合、これらのセクションには、まだ何も表示されません。

  • スタジオの [管理] セクションでは、ワークスペースにリンクするコンピューティング サービスと外部サービスを作成して管理できます。 また、ここは、データのラベル付けプロジェクトを作成して管理できる場所でもあります。

Azure Machine Learning スタジオのスクリーンショット。

サンプル ノートブックから学習する

スタジオで使用できるサンプル ノートブックを使用すると、モデルのトレーニングとデプロイの方法について学習できます。 これらは、他の多くの記事やチュートリアルで参照されています。

  1. 左側のナビゲーションで [ノートブック] を選択します。
  2. 上部にある [サンプル] を選択します。

サンプル ノートブックを示すスクリーンショット。

  • SDK の現在のバージョンである v2 を示す例については、SDK v2 フォルダー内のノートブックを使用してください。
  • これらのノートブックは読み取り専用であり、定期的に更新されます。
  • ノートブックを開いたら、上部にある [このノートブックを複製する] ボタンを選択して、ノートブックのコピーと関連するファイルを独自のファイルに追加します。 ノートブックを含む新しいフォルダーが [ファイル] セクションに自動的に作成されます。

新しいノートブックを作成する

[サンプル] からノートブックを複製すると、コピーがファイルに追加され、実行または変更を開始できます。 チュートリアルの多くには、これらのサンプル ノートブックが反映されています。

ただし、新しい空のノートブックを作成し、チュートリアルからコードをコピーし、そのノートブックに貼り付けることもできます。 そのためには次を行います。

  1. 引き続き [ノートブック] セクションで、[ファイル] を選択してファイルに戻ります。

  2. + を選択してファイルを追加します。

  3. [Create new file](新しいファイルの作成) を選択します。

    新しいファイルの作成方法を示すスクリーンショット。

リソースをクリーンアップする

引き続き他のチュートリアルに取り組む場合は、「次のステップ」に進んでください。

コンピューティング インスタンスを停止する

コンピューティング インスタンスをすぐに使用しない場合は、停止してください。

  1. スタジオの左側のメニューで、[コンピューティング] を選択します。
  2. 上部のタブで、 [コンピューティング インスタンス] を選択します
  3. 一覧からコンピューティング インスタンスを選択します。
  4. 上部のツールバーで、 [停止] を選択します。

すべてのリソースの削除

重要

作成したリソースは、Azure Machine Learning に関連したその他のチュートリアルおよびハウツー記事の前提条件として使用できます。

作成したどのリソースも今後使用する予定がない場合は、課金が発生しないように削除します。

  1. Azure Portal で、左端にある [リソース グループ] を選択します。

  2. 一覧から、作成したリソース グループを選択します。

  3. [リソース グループの削除] を選択します。

    Azure portal でリソース グループの削除を選択する画面のスクリーンショット。

  4. リソース グループ名を入力します。 次に、 [削除] を選択します。

次のステップ

これで、開発環境で使用するコンピューティング インスタンスを含む Azure Machine Learning ワークスペースが作成されました。

引き続き、コンピューティング インスタンスを使用して Azure Machine Learning クラウドでノートブックとスクリプトを実行する方法について学習してください。

次のチュートリアルでは、コンピューティング インスタンスを使用してモデルのトレーニングとデプロイを行います。

チュートリアル 説明
Azure Machine Learning でデータをアップロードし、データにアクセスし、データを探索する クラウドに大きなデータを保存し、ノートブックとスクリプトからそのデータを取得します
クラウド ワークステーションでのモデル開発 機械学習モデルのプロトタイプ作成と開発を開始します
Azure Machine Learning でモデルをトレーニングする モデルのトレーニングについて詳しく説明します
モデルをオンライン エンドポイントとしてデプロイする モデルのデプロイについて詳しく説明します
実稼働の機械学習パイプラインを作成する 完全な機械学習タスクを複数ステップのワークフローに分割します。

すぐにお使いになるには、 コード サンプルを参照します。