Configuración de un laboratorio centrado en el aprendizaje profundo en el procesamiento de lenguaje natural mediante Azure Lab Services

  • Artículo

Nota:

En este artículo se hace referencia a las características disponibles en planes de laboratorio, que reemplazaron las cuentas de laboratorio.

En este artículo se muestra cómo configurar un laboratorio centrado en el aprendizaje profundo en el procesamiento de lenguaje natural (NLP) mediante Azure Lab Services. NLP es una forma de inteligencia artificial (AI) que permite a los equipos utilizar la traducción, el reconocimiento de voz y otras capacidades de comprensión de lenguajes.

Los estudiantes que toman una clase de NLP obtienen una máquina virtual (VM) de Linux para aprender a aplicar algoritmos de redes neuronales. Los algoritmos enseñan a los alumnos a desarrollar modelos de aprendizaje profundo que se usan para analizar el lenguaje humano escrito.

Configuración del laboratorio

Para configurar este laboratorio, para empezar, necesita una suscripción a Azure y una cuenta de laboratorio. Si no tiene una suscripción a Azure, cree una cuenta gratuita antes de empezar.

Una vez que tenga una suscripción a Azure, puede crear un plan de laboratorio en Azure Lab Services. Para obtener más información sobre la creación de un plan de laboratorio, consulte el tutorial sobre cómo configurar un plan de laboratorio. También puede usar un plan de laboratorio existente.

Configuración del plan de laboratorio

Habilite la configuración que se describe en la tabla siguiente para el plan de laboratorio. Para obtener más información sobre cómo habilitar imágenes de marketplace, consulte el artículo sobre la especificación de las imágenes de Marketplace disponibles para los creadores de laboratorios.

Configuración del plan de laboratorio Instrucciones
Imágenes de Marketplace Habilite la imagen de Data Science Virtual Machine para Linux (Ubuntu).

Configuración del laboratorio

Para ver instrucciones sobre cómo crear un laboratorio, vea Tutorial: configuración de un laboratorio. Use la configuración siguiente al crear el laboratorio:

Configuración del laboratorio Value
Tamaño de la máquina virtual GPU pequeña (proceso). Este tamaño es más adecuado para aplicaciones de proceso intensivo y uso intensivo de la red; por ejemplo, la inteligencia artificial y el aprendizaje profundo.
Imagen de la máquina virtual Data Science Virtual Machine para Linux (Ubuntu). Esta imagen proporciona marcos y herramientas de aprendizaje profundo para aprendizaje automático y ciencia de datos. Para ver la lista completa de las herramientas instaladas en esta imagen, consulte ¿Qué incluye DSVM?
Habilitar la conexión a Escritorio remoto Opcionalmente, active Habilitar la conexión a Escritorio remoto. La imagen de Data Science ya está configurada para usar X2Go. De manera que profesores y alumnos pueden conectarse mediante un escritorio remoto de la GUI. X2Go no requiere que esté activada la opción Habilitar la conexión a Escritorio remoto.
Configuración de la máquina virtual de plantilla Opcionalmente, elija Usar una imagen de máquina virtual sin personalización. Si usa planes de laboratorio y DSVM tiene todas las herramientas que requiere la clase, puede omitir el paso de personalización de la plantilla.

Importante

Se recomienda usar X2Go con la imagen de Data Science. Sin embargo, si decide usar RDP en su lugar, deberá conectarse a la máquina virtual de Linux mediante SSH e instalar los paquetes RDP y GUI antes de publicar el laboratorio. Después, los alumnos pueden conectarse a la máquina virtual Linux mediante RDP más adelante. Para obtener más información, consulte Habilitación del Escritorio remoto para máquinas virtuales Linux en un laboratorio de Azure Lab Services.

Configuración de la máquina de plantilla

La imagen de Data Science Virtual Machine para Linux proporciona las herramientas y los marcos de aprendizaje profundo necesarios para este tipo de clase. Si eligió Usar una imagen de máquina virtual sin personalización al crear el laboratorio, se deshabilitará la capacidad de personalizar la máquina de plantilla. Puede publicar el laboratorio cuando esté listo.

Coste

Vamos a cubrir una posible estimación de costos para esta clase. El tamaño de la máquina virtual que hemos elegido es el de GPU pequeña (proceso), que tiene 139 unidades de laboratorio.

Para una clase de 25 alumnos con 20 horas de clase programadas y 10 horas de cuota para deberes o tareas, el costo estimado sería:

25 alumnos * (20 horas programadas + 10 horas de cuota) * 139 unidades de laboratorio * 0,01 USD por hora = 1042,5 USD

Importante

La estimación de costos solo se utiliza con fines de ejemplo. Para conocer los detalles actuales sobre los precios, consulte Precios de Azure Lab Services.

Conclusión

En este artículo se explican los pasos necesarios para crear un laboratorio de clase de procesamiento de lenguaje natural. Puede usar una configuración similar para otras clases de aprendizaje profundo.

Pasos siguientes

Ahora se puede publicar la imagen de plantilla en el laboratorio. Para obtener más información, vea Publicación de la máquina virtual de plantilla.

Cuando configure el laboratorio, consulte los siguientes artículos: