チュートリアル:Python SDK で初めての ML 実験を作成するTutorial: Get started creating your first ML experiment with the Python SDK

適用先: 有効Basic エディション 有効Enterprise エディション                    (Enterprise エディションにアップグレード)APPLIES TO: yesBasic edition yesEnterprise edition                    (Upgrade to Enterprise edition)

このチュートリアルでは、Jupyter ノートブックで実行されている Azure Machine Learning Python SDK の使用を開始するためのエンドツーエンドの手順を完了します。In this tutorial, you complete the end-to-end steps to get started with the Azure Machine Learning Python SDK running in Jupyter notebooks. このチュートリアルは、2 部構成のチュートリアル シリーズのパート 1 です。Python 環境の設定と構成のほか、実験と機械学習モデルを管理するためのワークスペースの作成について説明します。This tutorial is part one of a two-part tutorial series, and covers Python environment setup and configuration, as well as creating a workspace to manage your experiments and machine learning models. パート 2 では、これを基に、複数の機械学習モデルをトレーニングし、Azure Machine Learning Studio と SDK の両方を使用したモデル管理プロセスを紹介します。Part two builds on this to train multiple machine learning models and introduce the model management process using both Azure Machine Learning studio and the SDK.

このチュートリアルでは、次のことを行いました。In this tutorial, you:

  • 次のチュートリアルで使用する Azure Machine Learning ワークスペースを作成します。Create an Azure Machine Learning Workspace to use in the next tutorial.
  • チュートリアル ノートブックをワークスペース内のフォルダーに複製します。Clone the tutorials notebook to your folder in the workspace.
  • Azure Machine Learning Python SDK がインストールされ、事前構成されたクラウドベースのコンピューティング インスタンスを作成します。Create a cloud-based compute instance with Azure Machine Learning Python SDK installed and pre-configured.

Azure サブスクリプションをお持ちでない場合は、開始する前に無料アカウントを作成してください。If you don’t have an Azure subscription, create a free account before you begin. 無料版または有料版の Azure Machine Learning を今すぐお試しください。Try the free or paid version of Azure Machine Learning today.

ワークスペースの作成Create a workspace

Azure Machine Learning ワークスペースは、機械学習モデルを実験、トレーニング、およびデプロイするために使用する、クラウドでの基本的なリソースです。An Azure Machine Learning workspace is a foundational resource in the cloud that you use to experiment, train, and deploy machine learning models. ワークスペースは、Azure サブスクリプションとリソース グループを、サービス内の簡単に使用できるオブジェクトに結び付けます。It ties your Azure subscription and resource group to an easily consumed object in the service.

ワークスペースを作成するには、Azure リソースを管理するための Web ベースのコンソールである Azure portal を使用します。You create a workspace via the Azure portal, a web-based console for managing your Azure resources.

  1. ご利用の Azure サブスクリプションの資格情報を使って、Azure portal にサインインします。Sign in to Azure portal by using the credentials for your Azure subscription.

  2. Azure portal の左上隅にある [+ リソースの作成] を選択します。In the upper-left corner of Azure portal, select + Create a resource.

    新しいリソースを作成

  3. 検索バーを使用して、Machine Learning を見つけます。Use the search bar to find Machine Learning.

  4. [Machine Learning] を選択します。Select Machine Learning.

  5. [Machine Learning] ウィンドウで、 [作成] を選択して開始します。In the Machine Learning pane, select Create to begin.

  6. 新しいワークスペースを構成するには、次の情報を指定します。Provide the following information to configure your new workspace:

    フィールドField 説明Description
    ワークスペース名Workspace name ワークスペースを識別する一意の名前を入力します。Enter a unique name that identifies your workspace. この例では、docs-ws を使用します。In this example, we use docs-ws. 名前は、リソース グループ全体で一意である必要があります。Names must be unique across the resource group. 覚えやすく、他のユーザーが作成したワークスペースと区別しやすい名前を使用します。Use a name that's easy to recall and to differentiate from workspaces created by others.
    サブスクリプションSubscription 使用する Azure サブスクリプションを選択します。Select the Azure subscription that you want to use.
    Resource groupResource group サブスクリプションの既存のリソース グループを使用するか、任意の名前を入力して新しいリソース グループを作成します。Use an existing resource group in your subscription or enter a name to create a new resource group. リソース グループは、Azure ソリューションの関連するリソースを保持します。A resource group holds related resources for an Azure solution. この例では、docs-aml を使用します。In this example, we use docs-aml.
    LocationLocation ユーザーとデータ リソースに最も近い場所を選択し、ワークスペースを作成します。Select the location closest to your users and the data resources to create your workspace.
    ワークスペースのエディションWorkspace edition このチュートリアルでは、ワークスペースの種類として [Basic] を選択します。Select Basic as the workspace type for this tutorial. 利用できる機能と価格は、ワークスペースの種類 (Basic および Enterprise) によって決まります。The workspace type (Basic & Enterprise) determines the features to which you’ll have access and pricing. このチュートリアルの内容はすべて、Basic と Enterprise のどちらのワークスペースでも実行できます。Everything in this tutorial can be performed with either a Basic or Enterprise workspace.
  7. ワークスペースの構成が完了したら、 [確認および作成] を選択します。After you are finished configuring the workspace, select Review + Create.

    警告

    クラウドへのワークスペースの作成には数分かかる場合があります。It can take several minutes to create your workspace in the cloud.

    プロセスが完了すると、デプロイ成功メッセージが表示されます。When the process is finished, a deployment success message appears.

  8. 新しいワークスペースを表示するには、 [Go to resource](リソースに移動) を選択します。To view the new workspace, select Go to resource.

重要

お使いのワークスペースサブスクリプションをメモしておきます。Take note of your workspace and subscription. これらは、適切な場所に実験を作成するために必要になります。You'll need these to ensure you create your experiment in the right place.

ワークスペースでノートブックを実行するRun notebook in your workspace

このチュートリアルでは、インストール不要であらかじめ構成されているエクスペリエンスを実現するために、お使いのワークスペースでクラウド ノートブック サーバーを使用します。This tutorial uses the cloud notebook server in your workspace for an install-free and pre-configured experience. お使いの環境、パッケージ、および依存関係を制御したい場合は、独自の環境を使用してください。Use your own environment if you prefer to have control over your environment, packages and dependencies.

次のビデオに従って、または後で示す詳細な手順を使用して、ワークスペースでチュートリアルを複製して実行します。Follow along with this video or use the detailed steps below to clone and run the tutorial from your workspace.

ノートブック フォルダーを複製するClone a notebook folder

Azure Machine Learning Studio で、次の実験の設定を完了し、ステップを実行します。Azure Machine Learning Studio は、あらゆるスキル レベルのデータ サイエンス実務者がデータ サイエンス シナリオを実行するための機械学習ツールを含む統合インターフェイスです。You complete the following experiment set-up and run steps in Azure Machine Learning studio, a consolidated interface that includes machine learning tools to perform data science scenarios for data science practitioners of all skill levels.

  1. Azure Machine Learning Studio にサインインします。Sign in to Azure Machine Learning studio.

  2. お使いのサブスクリプションと、作成したワークスペースを選択します。Select your subscription and the workspace you created.

  3. 左側にある [ノートブック] を選択します。Select Notebooks on the left.

  4. 上部にある [サンプル] タブを選択します。Select the Samples tab at the top.

  5. Python フォルダーを開きます。Open the Python folder.

  6. バージョン番号が付いたフォルダーを開きます。Open the folder with a version number on it. この番号は、Python SDK の現在のリリースを表します。This number represents the current release for the Python SDK.

  7. tutorials フォルダーの右側にある [...] を選択し、 [Clone](複製) を選択します。Select the "..." at the right of the tutorials folder and then select Clone.

    tutorials フォルダーを複製する

  8. フォルダーの一覧には、ワークスペースにアクセスする各ユーザーが表示されます。A list of folders displays showing each user who accesses the workspace. 自分のフォルダーを選択して tutorials フォルダーをそこに複製します。Select your folder to clone the tutorials folder there.

複製されたノートブックを開くOpen the cloned notebook

  1. [User Files](ユーザー ファイル) セクションに複製された tutorials フォルダーを開きます。Open the tutorials folder that was just closed into your User files section.

    重要

    samples フォルダー内のノートブックを表示できますが、そこからノートブックを実行することはできません。You can view notebooks in the samples folder but you cannot run a notebook from there. ノートブックを実行するには、必ず [User Files](ユーザー ファイル) セクションにあるノートブックの複製バージョンを開いてください。In order to run a notebook, make sure you open the cloned version of the notebook in the User Files section.

  2. tutorials/create-first-ml-experiment フォルダー内の tutorial-1st-experiment-sdk-train.ipynb ファイルを選択します。Select the tutorial-1st-experiment-sdk-train.ipynb file in your tutorials/create-first-ml-experiment folder.

    tutorials フォルダーを開く

  3. 上部のバーで、ノートブックの実行に使用するコンピューティング インスタンスを選択します。On the top bar, select a compute instance to use to run the notebook. これらの VM には、Azure Machine Learning を実行するために必要なすべてのものがあらかじめ構成されています。These VMs are pre-configured with everything you need to run Azure Machine Learning.

  4. VM が見つからない場合は、 [追加] を選択してコンピューティング インスタンス VM を作成します。If no VMs are found, select + Add to create the compute instance VM.

    1. VM を作成する場合は、以下のルールに従います。When you create a VM, follow these rules:

      • 名前は必須であり、空にすることはできません。Name is required and can't be empty.
      • 名前は、ワークスペースまたはコンピューティング インスタンスの Azure リージョン内のすべての既存のコンピューティング インスタンス全体で一意である必要があります (大文字小文字は区別されません)。Name needs to be unique (in a case insensitive fashion) across all existing compute instances in the Azure region of the workspace/compute instance. 選択した名前が一意でない場合は、アラートが表示されます。You'll get an alert if the name you choose is not unique.
      • 有効な文字は、大文字、小文字、数字 (0 から 9)、およびダッシュ (-) です。Valid characters are upper and lower case letters, numbers (0 to 9), and dash character (-).
      • 名前の長さは 3 から 24 文字の間でなければなりません。Name must be between 3 and 24 characters long.
      • 名前の先頭は文字である必要があります (数字やダッシュは使用できません)。Name should start with a letter (not a number or a dash character).
      • ダッシュが使用されている場合は、その後に少なくとも 1 文字を続ける必要があります。If dash character is used, then it needs to be followed by at least one letter after the dash. 例:Test-、test-0、test-01 は無効であり、test-a0、test-0a は有効な例です。Example: Test-, test-0, test-01 are invalid, while test-a0, test-0a are valid instances.
    2. 利用可能な選択肢から仮想マシンのサイズを選択します。Select the Virtual Machine size from the available choices.

    3. [作成] を選択します。Then select Create. VM の設定には約 5 分かかる可能性があります。It can take approximately 5 minutes to set up your VM.

  5. VM が使用可能になると、上部のツール バーに表示されます。Once the VM is available it will be displayed in the top toolbar. これで、ツール バーの [Run all](すべて実行) を使用するか、ノートブックのコード セルで Shift + Enter キーを使用して、ノートブックを実行できるようになりました。You can now run the notebook either by using Run all in the toolbar, or by using Shift+Enter in the code cells of the notebook.

カスタム ウィジェットがある場合、または Jupyter/JupyterLab を使用する場合は、右端にある [Jupyter] ドロップダウンを選択し、 [Jupyter] または [JupyterLab] を選択します。If you have custom widgets or prefer using Jupyter/JupyterLab select the Jupyter drop down on the far right, then select Jupyter or JupyterLab. 新しいブラウザー ウィンドウが開きます。The new browser window will be opened.

次のステップNext steps

このチュートリアルでは、次のタスクを完了しました。In this tutorial, you completed these tasks:

  • Azure Machine Learning ワークスペースを作成しました。Created an Azure Machine Learning workspace.
  • お使いのワークスペース内にクラウド ノートブック サーバーを作成して構成しました。Created and configured a cloud notebook server in your workspace.

チュートリアルのパート 2 では、tutorial-1st-experiment-sdk-train.ipynb のコードを実行して機械学習モデルをトレーニングします。In part two of the tutorial you run the code in tutorial-1st-experiment-sdk-train.ipynb to train a machine learning model.

重要

このチュートリアルのパート 2 や他のチュートリアルに取り組む予定がない場合は、不使用時のコストを抑えるために、クラウド ノートブック サーバー VM を停止してください。If you do not plan on following part 2 of this tutorial or any other tutorials, you should stop the cloud notebook server VM when you are not using it to reduce cost.