Azure AI 스튜디오에서 프로젝트 만들기

Azure AI 스튜디오에서 프로젝트를 만들려면 다음 단계를 따릅니다.

1. Azure AI 스튜디오의 홈 페이지로 이동합니다.

2. + 새 프로젝트를 선택합니다.

3. 프로젝트의 이름을 입력합니다.

4. 드롭다운에서 허브를 선택하여 프로젝트를 호스팅합니다. 허브와 프로젝트 간의 관계에 대한 자세한 내용은 허브 및 프로젝트 개요 설명서를 참조하세요. 아직 허브가 없는 경우 새 허브 만들기를 선택합니다.

   

   참고 항목

   허브를 만들려면 선택한 리소스 그룹에 대한 소유자 또는 기여자 권한이 있어야 합니다. 팀과 허브를 공유하는 것이 좋습니다. 이를 통해 모든 프로젝트와 데이터 연결과 같은 구성을 공유하고 보안 설정 및 지출을 중앙에서 관리할 수 있습니다. 허브 만들기에 대한 추가 옵션을 보려면 Azure AI 스튜디오 허브 만들기 및 관리 방법을 참조하세요. 프로젝트 이름은 동일한 허브를 공유하는 프로젝트 간에 고유해야 합니다.

5. 새 허브를 만드는 경우 이름을 입력합니다.

6. 구독 드롭다운에서 Azure 구독을 선택합니다. 청구, 액세스 또는 관리상의 이유로 프로젝트에 대한 특정 Azure 구독을 선택합니다. 예를 들어, 이는 사용자 및 서비스 주체에게 프로젝트에 대한 구독 수준 액세스 권한을 부여합니다.

7. 새 리소스 그룹을 만들려면 리소스 그룹을 기본값으로 둡니다. 또는 드롭다운에서 기존 리소스 그룹을 선택할 수 있습니다.

   팁

   특히 시작하려면 프로젝트에 대한 새 리소스 그룹을 만드는 것이 좋습니다. 이를 통해 프로젝트와 모든 리소스를 함께 쉽게 관리할 수 있습니다. 프로젝트를 만들면 허브, 컨테이너 레지스트리 및 스토리지 계정을 포함하여 리소스 그룹에 여러 리소스가 만들어집니다.

8. 허브의 위치를 입력하고 다음을 선택합니다. 위치는 허브가 호스트되는 지역입니다. 허브의 위치는 프로젝트의 위치이기도 합니다. Azure AI 서비스 가용성은 지역마다 다릅니다. 예를 들어, 특정 모델은 특정 지역에서 사용하지 못할 수도 있습니다.

9. 드롭다운에서 기존 Azure AI 서비스 리소스(Azure OpenAI 포함)를 선택하거나 새로 만듭니다.

   

10. 검토 및 완료 페이지에는 검토할 Azure AI 서비스 리소스 이름과 기타 설정이 표시됩니다.

    

11. 프로젝트 세부 정보를 검토한 후 프로젝트 만들기를 선택합니다. 리소스 만들기 진행률을 확인하고 프로세스가 완료되면 프로젝트가 만들어집니다.

    

프로젝트가 만들어지면 왼쪽 탐색 패널에서 플레이그라운드, 도구 및 기타 자산에 액세스할 수 있습니다.

1. SDK 빠른 시작에 설명된 대로 Python을 설치합니다.

2. Azure Machine Learning SDK v2를 설치합니다.

3. azure-identity 설치: pip install azure-identity. Notebook 셀에 있는 경우 %pip install azure-identity를 사용합니다.

4. 구독 세부 정보를 제공합니다.

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

5. 구독에 대한 핸들을 가져옵니다. 이 문서에서 모든 Python 코드는 ml_client를 사용합니다.

   # 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. (선택 사항) 계정이 여러 개인 경우 사용하려는 Microsoft Entra ID의 테넌트 ID를 DefaultAzureCredential에 추가합니다. Azure Portal의 Microsoft Entra ID, 외부 ID에서 테넌트 ID를 찾습니다.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (선택 사항) Azure Government - 미국 또는 Azure 중국 21Vianet 지역에서 작업하는 경우 인증할 지역을 지정합니다. DefaultAzureCredential을 사용하여 지역을 지정할 수 있습니다. 다음 예제에서는 Azure Government - 미국 지역에 대해 인증합니다.

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

8. 다음 코드를 사용하여 사용자 또는 관리자가 이전에 만든 허브에서 프로젝트를 만듭니다. 예제 문자열 값을 고유한 값으로 바꿉니다.

   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()
   

1. Azure CLI 및 기계 학습 확장이 설치되어 있지 않은 경우 기계 학습 확장 설치 및 설정 문서의 단계를 따르세요.

2. Azure CLI에서 Azure 구독에 인증하려면 다음 명령을 사용합니다.

   az login
   

   인증에 대한 자세한 내용은 인증 방법을 참조하세요.

3. 확장이 설치되고 Azure 구독에 인증되면 다음 명령을 사용하여 기존 Azure AI 스튜디오 허브에서 새 Azure AI 스튜디오 프로젝트를 만듭니다.

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

프로젝트 설정 페이지에서 프로젝트 이름, 설명 및 프로젝트를 호스트하는 허브와 같은 프로젝트에 대한 정보를 찾을 수 있습니다. SDK 또는 API를 통해 프로젝트를 식별하는 데 사용되는 프로젝트 ID를 찾을 수도 있습니다.

• 이름: 프로젝트 이름은 왼쪽 패널에서 선택한 프로젝트에 해당합니다.
• 허브: 프로젝트를 호스트하는 허브입니다.
• 위치: 프로젝트를 호스트하는 허브의 위치입니다. 지원되는 위치는 Azure AI 스튜디오 지역을 참조하세요.
• 구독: 프로젝트를 호스트하는 허브를 호스트하는 구독입니다.
• 리소스 그룹: 프로젝트를 호스트하는 허브를 호스트하는 리소스 그룹입니다.

Azure Portal에서 관리를 선택하여 Azure Portal에서 프로젝트 리소스로 이동합니다.

새 프로젝트를 관리하고 사용하려면 해당 프로젝트를 MLClient에 포함합니다.

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

프로젝트 설정을 보려면 az ml workspace show 명령을 사용합니다. 예시:

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