Criar um projeto no Azure AI Studio

Este artigo descreve como criar um projeto do Azure AI Studio. Um projeto é usado para organizar seu trabalho e salvar o estado enquanto cria aplicativos de IA personalizados.

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

Pré-requisitos

• Uma subscrição do Azure. Se não tiver uma subscrição do Azure, crie uma conta gratuita.
• Um hub do Azure AI Studio. Se você não tiver um hub, consulte Como criar e gerenciar um hub do Azure AI Studio.

Criar um projeto

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

Azure AI Studio

Para criar um projeto no Azure AI Studio, siga estas etapas:

1. Vá para a página inicial do Azure AI Studio.

2. Selecione + Novo projeto.

3. Introduza 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, consulte a documentação de visão geral de hubs e projetos. Se você ainda não tiver um hub, selecione Criar um novo hub.

   

   Nota

   Para criar um hub, você deve 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, veja como criar e gerenciar um hub do Azure AI Studio. Um nome de projeto deve ser exclusivo entre projetos que compartilham o mesmo hub.

5. Se estiver a criar um novo hub, introduza um nome.

6. Selecione sua assinatura do Azure na lista suspensa Assinatura . Escolha uma assinatura específica do Azure para seu projeto por motivos de cobrança, acesso ou administrativos. Por exemplo, isso concede aos usuários e entidades de serviço acesso em nível de assinatura ao seu projeto.

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

   Gorjeta

   Especialmente para começar, é recomendável criar um novo grupo de recursos para seu projeto. Isso permite que você gerencie facilmente o projeto e todos os seus recursos juntos. 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. Introduza a Localização do hub e, em seguida, selecione Seguinte. O local é a região onde o hub está hospedado. A localização do hub é também a localização do projeto. A disponibilidade dos serviços de IA do Azure difere por região. Por exemplo, certos modelos podem não estar disponíveis em determinadas regiões.

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

   

10. Na página Rever e concluir, vê o nome do recurso dos serviços de IA do Azure e outras definições a rever.

    

11. Reveja os detalhes do projeto e, em seguida, selecione Criar um projeto. Você vê o progresso da criação de recursos e o projeto é criado quando o processo é concluído.

    

Depois que um projeto é criado, você pode acessar o playground, as ferramentas e outros ativos no painel de navegação esquerdo.

Python SDK

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

2. Instale o SDK do Azure Machine Learning v2.

3. Instale azure-identity: pip install azure-identity. Se estiver em uma célula do bloco de anotações, use %pip install azure-identity.

4. Forneça os detalhes da sua subscrição:

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

5. Obtenha um identificador para a assinatura. Todo o código Python neste 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 do locatário da ID do Microsoft Entra que deseja usar no DefaultAzureCredential. Encontre sua ID de locatário no portal do Azure em Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Opcional) Se estiver a trabalhar nas regiões Azure Government - US ou Azure China 21Vianet , especifique a região na qual pretende autenticar. Você pode especificar a região com DefaultAzureCredential. O exemplo a seguir autentica na região Azure Government - 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 criado anteriormente por você ou pelo administrador. Substitua 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 aprendizado de máquina instaladas, siga as etapas no artigo Instalar e configurar a extensão de aprendizado de máquina.

2. Para autenticar na sua subscrição do Azure a partir da CLI do Azure, utilize o seguinte comando:

   az login
   

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

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

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

Ver configurações do projeto

Azure AI Studio

Na página Configurações do projeto, você pode encontrar informações sobre o projeto, como o nome do projeto, a descrição e o hub que hospeda o projeto. Você também pode encontrar o ID do projeto, que é usado 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 locais com suporte, consulte Regiões do Azure AI Studio.
• 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 do Azure para navegar até os recursos do projeto no portal do Azure.

Python SDK

Para gerenciar ou usar o novo projeto, inclua-o MLClientno :

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 az ml workspace show comando. 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 são acessíveis pelos usuários no espaço de trabalho do projeto:

1. Componentes, incluindo conjuntos de dados, fluxos, índices, pontos de extremidade de API de modelo implantados (abertos e sem servidor).

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

3. Contêineres de blob de Armazenamento do Azure e um compartilhamento de arquivos para carregamento de dados em seu projeto. Acesse o armazenamento usando as seguintes conexões:

   Conexão de dados	Localização de armazenamento	Propósito
   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 modelo
   workspacefilestore	{project-GUID}-código	Hospeda arquivos criados em sua computação e usando fluxo de prompt

Nota

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

Conteúdos relacionados

• Implantar um aplicativo Web de bate-papo corporativo
• Saiba mais sobre o Azure AI Studio
• Saiba mais sobre hubs