Criar um projeto no Estúdio de IA do Azure

Esse artigo descreve como criar um projeto do Estúdio de IA do Azure. Um projeto é usado para organizar seu trabalho e salvar o estado durante a criação de aplicativos de IA personalizados.

Os projetos são hospedados por um hub do Estúdio de IA do Azure que fornece segurança de nível empresarial e um ambiente colaborativo. Para mais informações sobre o modelo de recursos e projetos, confira Hubs do Estúdio de IA do Azure.

Pré-requisitos

• Uma assinatura do Azure. Se você não tiver uma assinatura do Azure, crie uma conta gratuita.
• Um hub do Estúdio de IA do Azure. Se você não tiver um hub, confira Como criar e gerenciar um hub do Estúdio de IA do Azure.

Criar um projeto

Use as guias a seguir para selecionar o método que você planeja usar para criar um projeto:

Estúdio de IA do Azure

Para criar um projeto no Estúdio de IA do Azure, siga essas etapas:

1. Acesse a página Início do Estúdio de IA do Azure.

2. Selecione + New project.

3. Insira um nome para o projeto.

4. Selecione um hub na lista suspensa para hospedar seu projeto. Para obter informações sobre a relação entre hubs e projetos, confira a documentação de visão geral de hubs e projetos. Se você ainda não tiver um hub, selecione Criar um hub.

   

   Observação

   Para criar um hub, você precisa ter permissões de Proprietário ou Colaborador no grupo de recursos selecionado. É recomendável compartilhar um hub com sua equipe. Isso permite que você compartilhe configurações como conexões de dados com todos os projetos e gerencie centralmente as configurações de segurança e os gastos. Para obter mais opções para criar um hub, confira como criar e gerenciar um hub do Estúdio de IA do Azure. Um nome de projeto deve ser exclusivo entre projetos que compartilham o mesmo hub.

5. Se estiver criando um novo hub, insira um nome.

6. Selecione sua assinatura do Azure na lista suspensa Assinatura. Escolha uma assinatura específica do Azure para seu projeto por motivos administrativos, de cobrança ou de acesso. Por exemplo, isso concede aos usuários e entidades de serviço acesso no nível de assinatura ao seu projeto.

7. Defina Grupo de recursos como o padrão para criar um grupo de recursos. Como alternativa, você pode selecionar um grupo de recursos existente na lista suspensa.

   Dica

   Principalmente para começar, é recomendável criar um grupo de recursos para seu projeto. Isso permite que você gerencie facilmente o projeto e todos os seus recursos em conjunto. Quando você cria um projeto, vários recursos são criados no grupo de recursos, incluindo um hub, um registro de contêiner e uma conta de armazenamento.

8. Insira o Local do hub e, em seguida, selecione Avançar. O local é a região em que o hub será hospedado. O local do hub também é o local do projeto. A disponibilidade dos serviços de IA do Azure difere por região. Por exemplo, determinados modelos podem não estar disponíveis em determinadas regiões.

9. Selecione um recurso existente dos serviços de IA do Azure (incluindo o OpenAI do Azure) na lista suspensa ou crie um novo.

   

10. Na página Revisar e concluir, você verá o nome do recurso dos serviços de IA do Azure e outras configurações para revisar.

    

11. Examine os detalhes do projeto e depois selecione Criar um projeto. Você visualiza o progresso da criação do recurso e o projeto é criado quando o processo é concluído.

    

Após um projeto ter sido criado, você poderá acessar o playground, as ferramentas e outros ativos no painel de navegação do lado esquerdo.

SDK do Python

1. Instale o Python conforme descrito no Início rápido do SDK.

2. Instale o SDK do Azure Machine Learning v2.

3. Instalar azure-identity: pip install azure-identity. Se estiver em uma célula de notebook, use %pip install azure-identity.

4. Forneça os detalhes da sua assinatura:

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

5. Obtenha um identificador para a assinatura. Todo o código Python nesse artigo 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) Se você tiver várias contas, adicione a ID de locatário do Microsoft Entra ID que deseja usar no DefaultAzureCredential. Localize sua ID de locatário do portal do Azure no Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Opcional) Se você estiver trabalhando nas regiões Azure Governamental – EUA ou Azure China 21Vianet, especifique a região na qual você quer se autenticar. Você pode especificar a região com DefaultAzureCredential. O seguinte exemplo faz a autenticação na região Azure Governamental – EUA:

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

8. Use o código a seguir para criar um projeto a partir de um hub que você ou seu administrador criou anteriormente. Substitua os valores de cadeia de caracteres de exemplo por seus próprios valores:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

CLI do Azure

1. Se você não tiver a CLI do Azure e a extensão de machine learning instaladas, siga as etapas no artigo Instalar e configurar a extensão de machine learning.

2. Para se autenticar em sua assinatura do Azure a partir da CLI do Azure, use o seguinte comando:

   az login
   

   Para obter mais informações sobre autenticação, consulte Métodos de autenticação.

3. Depois que a extensão estiver instalada e autenticada em sua assinatura do Azure, use o seguinte comando para criar um novo projeto do Estúdio de IA do Azure a partir de um hub existente do Estúdio de IA do Azure:

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

Exibir as configurações do projeto

Estúdio de IA do Azure

Na página de Configurações do projeto, você encontrará informações sobre o projeto, como o nome, descrição e o hub que hospeda esse projeto. Você também encontrará o ID do projeto, que é usada para identificar o projeto via SDK ou API.

• Nome: o nome do projeto corresponde ao projeto selecionado no painel esquerdo.
• Hub: o hub que hospeda o projeto.
• Local: o local do hub que hospeda o projeto. Para saber quais são os locais com suporte, consulte Regiões do Estúdio de IA do Azure.
• Assinatura: a assinatura que hospeda o hub que hospeda o projeto.
• Grupo de recursos: o grupo de recursos que hospeda o hub que hospeda o projeto.

Selecione Gerenciar no portal Azure para acessar os recursos do projeto no portal Azure.

SDK do Python

Para gerenciar ou usar o novo projeto, inclua-o na seção MLClient:

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

CLI do Azure

Para exibir as configurações do projeto, use o comando az ml workspace show. Por exemplo:

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

Acessar recursos do projeto

As configurações comuns no hub são compartilhadas com seu projeto, incluindo conexões, instâncias de computação e acesso à rede, para que você possa começar a desenvolver imediatamente.

Além disso, vários recursos só podem ser acessados por usuários no espaço de trabalho do seu projeto:

1. Componentes, incluindo conjuntos de dados, fluxos, índices, pontos de extremidade da API do modelo implantado (aberto e sem servidor).

2. Conexões criadas por você em "configurações do projeto".

3. Contêineres do Azure Storage blob e um compartilhamento de arquivos para upload de dados no seu projeto. Acesse o armazenamento usando as seguintes conexões:

   Data connection	Local de armazenamento	Finalidade
   workspaceblobstore	{project-GUID}-azureml-blobstore	Contêiner padrão para uploads de dados
   workspaceartifactstore	{project-GUID}-azureml	Armazena componentes e metadados para seu projeto, como pesos de modelos
   workspacefilestore	{project-GUID}-code	Hospeda arquivos criados em sua computação e usando o prompt flow

Observação

As conexões de armazenamento não são criadas diretamente com o projeto quando sua conta de armazenamento tem o acesso à rede pública definido como desabilitado. Em vez disso, eles são criados quando um primeiro usuário acessa o Estúdio de IA por meio de uma conexão de rede privada. Solucionar problemas de conexões de armazenamento

Conteúdo relacionado

• Implantar um aplicativo Web de chat empresarial
• Saiba mais sobre o Estúdio de IA do Azure
• Saiba mais sobre os hubs