مشاركة عبر

التعلم الآلي من Microsoft Azure كمنتج بيانات للتحليات على نطاق السحابة

  • مقالة

التعلم الآلي من Microsoft Azure هو نظام أساسي متكامل لإدارة دورة حياة التعلم الآلي من البداية إلى النهاية، بما في ذلك المساعدة في إنشاء نماذج التعلم الآلي ومهام سير العمل وتشغيلها واستهلاكها. تتضمن بعض فوائد الخدمة ما يلي:

  • تدعم القدرات المبدعين لزيادة إنتاجيتهم من خلال مساعدتهم على إدارة التجارب والوصول إلى البيانات وتعقب المهام وضبط المعلمات الفائقة وأتمتة مهام سير العمل.

  • يمكن أن تدعم قدرة النموذج على الشرح وإعادة الإنتاج والتدقيق والتكامل مع DevOps، بالإضافة إلى نموذج التحكم في الأمان الغني، المشغلين لتلبية متطلبات الحوكمة والتوافق.

  • يمكن أن تساعد قدرات الاستدلال المدار والتكامل القوي مع خدمات الحوسبة والبيانات في Azure في تبسيط كيفية استهلاك الخدمة.

يغطي التعلم الآلي من Microsoft Azure جميع جوانب دورة حياة علم البيانات. وهو يغطي مخزن البيانات وتسجيل مجموعة البيانات لتوزيع النموذج. يمكن استخدامه لأي نوع من التعلم الآلي، من التعلم الآلي الكلاسيكي إلى التعلم العميق. وهو يتضمن التعلم الخاضع للإشراف وغير الخاضع للإشراف. سواء كنت تفضل كتابة Python أو R code أو استخدام خيارات التعليمات البرمجية الصفرية أو منخفضة التعليمات البرمجية مثل المصمم، يمكنك إنشاء نماذج التعلم الآلي والتعلم العميق الدقيقة وتدريبها وتتبعها في مساحة عمل التعلم الآلي من Microsoft Azure.

يمكن أن يعمل التعلم الآلي من Microsoft Azure والنظام الأساسي Azure وخدمات azure الذكاء الاصطناعي معا لإدارة دورة حياة التعلم الآلي. يمكن لممارس التعلم الآلي استخدام Azure Synapse Analytics أو قاعدة بيانات Azure SQL أو Microsoft Power BI لبدء تحليل البيانات والانتقال إلى التعلم الآلي من Microsoft Azure للنماذج الأولية وإدارة التجريب والتشغيل. في مناطق هبوط Azure، يمكن اعتبار التعلم الآلي من Microsoft Azure منتج بيانات.

التعلم الآلي من Microsoft Azure في التحليلات على نطاق السحابة

يقوم أساس منطقة هبوط Cloud Adoption Framework (CAF)، ومناطق هبوط بيانات التحليلات على نطاق السحابة، وتكوين التعلم الآلي من Microsoft Azure بإعداد محترفي التعلم الآلي مع بيئة تم تكوينها مسبقا يمكنهم توزيع أحمال عمل التعلم الآلي الجديدة بشكل متكرر أو ترحيل أحمال العمل الحالية. يمكن أن تساعد هذه القدرات محترفي التعلم الآلي على اكتساب المزيد من السرعة والقيمة لوقتهم.

يمكن أن توجه مبادئ التصميم التالية تنفيذ مناطق Azure المنتقل إليها في التعلم الآلي من Microsoft Azure:

  • الوصول السريع إلى البيانات: تكوين مكونات تخزين المنطقة المنتقل إليها مسبقا كمخازن بيانات في مساحة عمل التعلم الآلي من Microsoft Azure.

  • التعاون الممكن: تنظيم مساحات العمل حسب المشروع ومركزية إدارة الوصول لموارد المنطقة المنتقل إليها لدعم هندسة البيانات وعلوم البيانات ومحترفي التعلم الآلي للعمل معا.

  • التنفيذ الآمن: كإعداد افتراضي لكل عملية توزيع، اتبع أفضل الممارسات واستخدم عزل الشبكة والهوية وإدارة الوصول لتأمين أصول البيانات.

  • الخدمة الذاتية: يمكن لمتخصصي التعلم الآلي اكتساب المزيد من السرعة والتنظيم من خلال استكشاف خيارات لنشر موارد مشروع جديدة.

  • فصل الشواغل بين إدارة البيانات واستهلاك البيانات: هوية المرور هو نوع المصادقة الافتراضي للتعلم الآلي من Microsoft Azure والتخزين.

  • تطبيق بيانات أسرع (محاذاة المصدر): يمكن تكوين مناطق هبوط Azure Data Factory وAzure Synapse Analytics وDatabricks مسبقا للارتباط بالتعلم الآلي من Microsoft Azure.

  • إمكانية الملاحظة: يمكن أن يساعد التسجيل المركزي والتكوينات المرجعية في مراقبة البيئة.

نظرة عامة على التنفيذ

ملاحظة

يوصي هذا القسم بتكوينات خاصة بالتحليات على نطاق السحابة. وهو يكمل وثائق التعلم الآلي من Microsoft Azure وأفضل ممارسات Cloud Adoption Framework.

تنظيم مساحة العمل وإعدادها

يمكنك نشر عدد مساحات عمل التعلم الآلي التي تتطلبها أحمال العمل الخاصة بك ولكل منطقة هبوط تقوم بنشرها. يمكن أن تساعد التوصيات التالية في إعدادك:

  • نشر مساحة عمل واحدة على الأقل للتعلم الآلي لكل مشروع.

  • اعتمادا على دورة حياة مشروع التعلم الآلي، قم بتوزيع مساحة عمل تطوير واحدة (dev) لحالات استخدام النموذج الأولي واستكشاف البيانات في وقت مبكر. بالنسبة للعمل الذي يتطلب التجريب المستمر والاختبار والتوزيع، قم بتوزيع مساحة عمل التقسيم المرحلي والإنتاج.

  • عندما تكون هناك حاجة إلى بيئات متعددة لمساحات عمل التطوير والتقسيم المرحلي والإنتاج في منطقة هبوط البيانات، نوصي بتجنب تكرار البيانات من خلال وصول كل بيئة إلى نفس منطقة هبوط بيانات الإنتاج.

  • راجع تنظيم وإعداد بيئات التعلم الآلي من Microsoft Azure لمعرفة المزيد حول كيفية تنظيم موارد التعلم الآلي من Microsoft Azure وإعدادها.

لكل تكوين مورد افتراضي في منطقة هبوط البيانات، يتم نشر خدمة التعلم الآلي من Microsoft Azure في مجموعة موارد مخصصة مع التكوينات التالية والموارد التابعة:

  • Azure Key Vault
  • Application Insights
  • Azure Container Registry
  • استخدم التعلم الآلي من Microsoft Azure للاتصال بحساب Azure Storage والمصادقة المستندة إلى الهوية في Azure Active Directory (Azure AD) لمساعدة المستخدمين على الاتصال بالحساب.
  • يتم إعداد التسجيل التشخيصي لكل مساحة عمل وتكوينه إلى مورد Log Analytics مركزي على نطاق المؤسسة؛ يمكن أن يساعد هذا في صحة وظيفة التعلم الآلي من Microsoft Azure وحالات الموارد ليتم تحليلها مركزيا داخل وعبر المناطق المنتقل إليها.
  • راجع ما هي مساحة عمل التعلم الآلي من Microsoft Azure؟ لمعرفة المزيد حول موارد التعلم الآلي من Microsoft Azure وتبعياته.

التكامل مع الخدمات الأساسية لمنطقة البيانات المنتقل إليها

تأتي منطقة البيانات المنتقل إليها مع مجموعة افتراضية من الخدمات التي يتم نشرها في طبقة الخدمات الأساسية. يمكن تكوين هذه الخدمات الأساسية عند نشر التعلم الآلي من Microsoft Azure في منطقة البيانات المنتقل إليها.

  • قم بتوصيل مساحات عمل Azure Synapse Analytics أو Databricks كخدمات مرتبطة لدمج البيانات ومعالجة البيانات الضخمة.

  • بشكل افتراضي، يتم توفير خدمات مستودع البيانات في منطقة البيانات المنتقل إليها، وتأتي عمليات توزيع منتجات التعلم الآلي من Microsoft Azure مع اتصالات (مخازن البيانات) التي تم تكوينها مسبقا لحسابات التخزين هذه.

نظرة عامة على تحليلات منتجات البيانات للتعلم الآلي من Microsoft Azure.

اتصال الشبكة

يتم إعداد الشبكات لتنفيذ التعلم الآلي من Microsoft Azure في مناطق هبوط Azure مع أفضل ممارسات الأمان لأفضل ممارسات التعلم الآلي من Microsoft Azure وأفضل ممارسات شبكة CAF. تتضمن أفضل الممارسات هذه التكوينات التالية:

  • يتم تكوين التعلم الآلي من Microsoft Azure والموارد التابعة لاستخدام نقاط نهاية Private Link.
  • يتم نشر موارد الحوسبة المدارة فقط مع عناوين IP الخاصة.
  • يمكن تكوين اتصال الشبكة بمستودع الصور الأساسي العام للتعلم الآلي من Microsoft Azure وخدمات الشركاء مثل Azure Artifacts على مستوى الشبكة.

إدارة الهوية والوصول

ضع في اعتبارك التوصيات التالية لإدارة هويات المستخدمين والوصول باستخدام التعلم الآلي من Azure:

  • يمكن تكوين مخازن البيانات في التعلم الآلي من Microsoft Azure لاستخدام المصادقة المستندة إلى بيانات الاعتماد أو الهوية. عند استخدام تكوينات التحكم في الوصول ومستودع البيانات في Azure Data Lake Storage Gen2، قم بتكوين مخازن البيانات لاستخدام المصادقة المستندة إلى الهوية؛ وهذا يسمح للتعلم الآلي من Microsoft Azure بتحسين أذونات وصول المستخدم للتخزين.

  • استخدم مجموعات Azure AD لإدارة أذونات المستخدم لموارد التخزين والتعلم الآلي.

  • يمكن للتعلم الآلي من Microsoft Azure استخدام الهويات المدارة المعينة من قبل المستخدم للتحكم في الوصول والحد من نطاق الوصول إلى Azure Container Registry Key Vault وAzure Storage وApplication Insights.

  • إنشاء هويات مدارة يعينها المستخدم لمجموعات الحوسبة المدارة التي تم إنشاؤها في التعلم الآلي من Microsoft Azure.

توفير البنية الأساسية من خلال الخدمة الذاتية

يمكن تمكين الخدمة الذاتية والتحكم فيها باستخدام نهج التعلم الآلي من Microsoft Azure. يسرد الجدول التالي مجموعة من النهج الافتراضية عند نشر التعلم الآلي من Microsoft Azure. لمزيد من المعلومات، راجع تعريفات النهج المضمنة في نهج Azure للتعلم الآلي من Microsoft Azure.

النهج النوع ‏‏المرجع
يجب أن تستخدم مساحات عمل التعلم الآلي من Microsoft Azure Azure Private Link. الأجزاء المدمجة العرض في مدخل Microsoft Azure
يجب أن تستخدم مساحات عمل التعلم الآلي من Microsoft Azure الهويات المدارة المعينة من قبل المستخدم. الأجزاء المدمجة العرض في مدخل Microsoft Azure
[معاينة]: تكوين السجلات المسموح بها لحسابات التعلم الآلي من Microsoft Azure المحددة. الأجزاء المدمجة العرض في مدخل Microsoft Azure
تكوين مساحات عمل التعلم الآلي من Microsoft Azure باستخدام نقاط النهاية الخاصة. الأجزاء المدمجة العرض في مدخل Microsoft Azure
تكوين حسابات التعلم الآلي لتعطيل أساليب المصادقة المحلية. الأجزاء المدمجة العرض في مدخل Microsoft Azure
Append-machinelearningcompute-setupscriptscreationscript مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearning-hbiworkspace مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearning-publicaccesswhenbehindvnet مخصص (مناطق هبوط CAF) عرض على GitHub
رفض التعلم الآلي-AKS مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearningcompute-subnetid مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearningcompute-vmsize مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearningcomputecluster-remoteloginportpublicaccess مخصص (مناطق هبوط CAF) عرض على GitHub
Deny-machinelearningcomputecluster-scale مخصص (مناطق هبوط CAF) عرض على GitHub

توصيات لإدارة بيئتك

تحدد مناطق هبوط بيانات التحليلات على نطاق السحابة التنفيذ المرجعي لعمليات التوزيع القابلة للتكرار، والتي يمكن أن تساعدك على إعداد بيئات قابلة للإدارة وقابلة للتحكم. ضع في اعتبارك التوصيات التالية لاستخدام التعلم الآلي من Microsoft Azure لإدارة بيئتك:

  • استخدم مجموعات Azure AD لإدارة الوصول إلى موارد التعلم الآلي.

  • نشر لوحة معلومات مراقبة مركزية لمراقبة صحة البنية الأساسية لبرنامج ربط العمليات التجارية واستخدام الحوسبة وإدارة الحصة النسبية للتعلم الآلي.

  • إذا كنت تستخدم نهج Azure المضمنة تقليديا وتحتاج إلى تلبية متطلبات التوافق الإضافية، فنشئ نهج Azure مخصصة لتحسين الحوكمة والخدمة الذاتية.

  • لتتبع تكاليف البحث والتطوير، انشر مساحة عمل واحدة للتعلم الآلي في المنطقة المنتقل إليها كمورد مشترك خلال المراحل المبكرة لاستكشاف حالة الاستخدام الخاصة بك.

هام

استخدم مجموعات التعلم الآلي من Microsoft Azure لتدريب النموذج على مستوى الإنتاج، وخدمة Azure Kubernetes (AKS) لعمليات التوزيع على مستوى الإنتاج.

تلميح

استخدم التعلم الآلي من Microsoft Azure لمشاريع علوم البيانات. وهو يغطي سير العمل الشامل مع الخدمات الفرعية والميزات، ويسمح للعملية أن تكون تلقائية بالكامل.

الخطوات التالية

استخدم قالب Data Product Analytics وإرشاداته لنشر التعلم الآلي من Microsoft Azure، والإشارة إلى وثائق التعلم الآلي من Microsoft Azure والبرامج التعليمية للبدء في إنشاء حلولك.

تابع إلى مقالات Cloud Adoption Framework الأربعة التالية لمعرفة المزيد حول أفضل ممارسات توزيع وإدارة التعلم الآلي من Microsoft Azure للمؤسسات: