Configurar um laboratório voltado para o aprendizado profundo em processamento em idioma natural usando o Azure Lab Services

  • Artigo

Observação

Este artigo referencia os recursos disponíveis nos planos de laboratório, que substituíram as contas de laboratório.

Este artigo mostra como configurar um laboratório voltado para o aprendizado profundo em NLP (processamento de idioma natural) usando o Azure Lab Services. O NLP é uma forma de IA (inteligência artificial) que habilita os computadores com tradução, reconhecimento de fala e outras funcionalidades de reconhecimento vocal.

Os alunos que estiverem tendo aulas de NLP obtêm uma máquina virtual (VM) Linux para aprender como aplicar algoritmos de rede neural. Os algoritmos ensinam os alunos a desenvolver modelos de aprendizado profundo usados para analisar a linguagem humana escrita.

Configuração do laboratório

Para configurar o laboratório, você precisa de uma assinatura do Azure e de uma conta de laboratório. Se você não tiver uma assinatura do Azure, crie uma conta gratuita antes de começar.

Assim que você tiver uma assinatura do Azure, crie um plano de laboratório no Azure Lab Services. Para saber mais sobre como criar um plano de laboratório, confira o tutorial sobre como configurar um plano de laboratório. Você também pode usar um plano de laboratório existente.

Configurações do plano de laboratório

Habilite as configurações descritas na tabela a seguir para o plano de laboratório. Para saber mais sobre como habilitar as imagens do Marketplace, confira o artigo sobre como especificar imagens do Marketplace disponíveis para os criadores de laboratórios.

Configuração do plano de laboratório Instruções
Imagens do Marketplace Habilite a Máquina Virtual de Ciência de Dados para imagem Linux (Ubuntu).

Configurações do laboratório

Para saber como criar um laboratório, consulte Tutorial: configurar um laboratório. Use as configurações a seguir ao criar o laboratório:

Configurações do laboratório Valor
Tamanho da VM (máquina virtual) GPU Pequena (Computação) . Esse tamanho é mais adequado para aplicativos com uso intensivo de computação e de rede, como Inteligência Artificial e Aprendizado Profundo.
Imagem da VM Máquina Virtual de Ciência de Dados para Linux (Ubuntu). Essa imagem fornece estruturas e ferramentas de aprendizado profundo para machine learning e ciência de dados. Para ver a lista completa de ferramentas instaladas nessa imagem, veja O que o DSVM inclui?.
Habilitar a conexão de área de trabalho remota Opcionalmente, verifique Habilitar conexão de área de trabalho remota. A imagem da Ciência de Dados já está configurada para usar o X2Go para que professores e alunos possam se conectar usando uma área de trabalho remota da GUI. O X2Go não exige que a configuração Habilitar conexão de área de trabalho remota esteja habilitada.
Configurações do modelo de máquina virtual Opcionalmente, escolha Usar uma imagem de máquina virtual sem personalização. Se você estiver usando planos de laboratório e o DSVM tiver todas as ferramentas que sua turma exige, você poderá pular a etapa de personalização do modelo.

Importante

Recomendamos que você use o X2Go com a imagem de Ciência de Dados. No entanto, se optar por usar o RDP, você precisará se conectar à VM Linux usando o SSH e instalar os pacotes RDP e GUI antes de publicar o laboratório. Em seguida, os alunos poderão se conectar à VM Linux usando o RDP posteriormente. Para obter mais informações, consulte Habilitar área de trabalho remota gráfica para VMs do Linux.

Configuração de computador modelo

A imagem da Máquina Virtual de Ciência de Dados para Linux fornece as estruturas e ferramentas de aprendizado profundo necessárias para esse tipo de classe. Se você escolher Usar uma imagem de máquina virtual sem personalização ao criar o laboratório, a capacidade de personalizar o computador modelo será desabilitada. Você pode publicar o laboratório quando estiver pronto.

Custo

Veja um exemplo de uma estimativa de custo possível para essa aula. O tamanho da máquina virtual escolhida era GPU pequena (Computação) , que tem 139 unidades de laboratório.

Para uma classe de 25 alunos com 20 horas de tempo de aula agendada e 10 horas de cota para tarefas ou atividades, a estimativa de custo seria:

25 alunos * (20 horas agendadas + 10 horas de cota) * 139 Unidades de Laboratório * US$ 0,01 por hora = US$ 1042,5

Importante

A estimativa de custo é apenas para fins de exemplo. Para detalhes atuais sobre o preço, confira Azure Lab Services Pricing.

Conclusão

Este artigo descreveu as etapas para criar um laboratório para a classe de processamento de idioma natural. Você pode usar uma configuração semelhante para outras classes de aprendizado profundo.

Próximas etapas

A imagem de modelo agora pode ser publicada no laboratório. Para obter mais informações, confira Publicar a VM de modelo.

Ao configurar o laboratório, consulte os seguintes artigos: