Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Um hub é um tipo de workspace que gerencia centralmente segurança, conectividade, recursos de computação e cota para uma equipe. Depois de configurado, um hub permite que os desenvolvedores criem seus próprios workspaces para organizar seu trabalho, mantendo-se em conformidade com os requisitos de configuração de TI. O compartilhamento e a reutilização de configurações por meio de um workspace de hub geram melhor eficiência de custo ao implantar Azure Machine Learning em escala.
Os workspaces criados usando um hub, conhecido como "workspaces de projeto", obtêm as mesmas configurações de segurança e acesso compartilhado a recursos. Eles não exigem suas próprias configurações de segurança ou recursos Azure associados. Crie quantos workspaces de projeto precisar para organizar seu trabalho, isolar dados ou restringir o acesso.
Crie um workspace de hub se você ou sua equipe estiver planejando vários projetos de machine learning. Use um hub para organizar seu trabalho no mesmo domínio de dados ou de negócios.
Exploração de IA rápida, mas segura, sem gargalo na TI
Criar modelos de machine learning com êxito geralmente requer a criação de protótipos pesadas como pré-requisito para uma implementação em grande escala. Ele pode ser incorporado para provar a viabilidade de uma ideia ou avaliar a qualidade dos dados ou um modelo para uma tarefa específica.
Na transição de comprovar a viabilidade de uma ideia para um projeto financiado, muitas organizações encontram um gargalo na produtividade porque uma única equipe de plataforma é responsável pela configuração de recursos de nuvem. Essa equipe pode ser a única autorizada a configurar segurança, conectividade ou outros recursos que possam incorrer em custos. Isso pode causar um enorme atraso, resultando em equipes de desenvolvimento impedidas de começar a inovar com uma nova ideia.
O objetivo dos hubs é tirar esse gargalo, permitindo que a TI configure um ambiente seguro, pré-configurado e reutilizável para uma equipe criar, criar e operar modelos de machine learning.
Configurar e proteger um hub para sua equipe
Crie um workspace central no Azure portal, com modelos do Azure Resource Manager ou via Azure Machine Learning SDK/CLI. Você pode personalizar a rede, a identidade, a criptografia, o monitoramento ou as marcas, para atender à conformidade com os requisitos da sua organização.
Espaços de trabalho do projeto criados usando um hub obtêm as configurações de segurança do hub e as configurações de recursos compartilhados. Incluindo as seguintes configurações:
| Configuração | Nota |
|---|---|
| Configurações de rede | Uma rede virtual gerenciada é compartilhada entre workspaces de hub e projeto. Para acessar o conteúdo nos workspaces de hub e de projeto, crie um único ponto de extremidade de link privado no workspace de hub. |
| Configurações de criptografia | As configurações de criptografia passam de hub para projeto. |
| Armazenamento para dados criptografados | Quando você traz suas chaves gerenciadas pelo cliente para criptografia, os workspaces de hub e projeto compartilham o mesmo grupo de recursos gerenciados para armazenar dados de serviço criptografados. |
| Conexões | Os espaços de trabalho do projeto têm a capacidade de consumir conexões compartilhadas criadas no hub. Atualmente, esse recurso só tem suporte no Microsoft Foundry. |
| Instância de computação | Reutilize uma instância de computação em todos os workspaces de projeto associados ao mesmo hub. |
| Cota de computação | Qualquer cota de computação consumida por espaços de trabalho de projeto é deduzida do saldo de cota do hub. |
| Armazenamento | Recurso associado para armazenar dados da área de trabalho. Os workspaces de projeto usam contêineres designados começando com um prefixo {workspaceGUID} e têm uma atribuição de função condicional de acesso baseado em atributo do Azure para a identidade do workspace para acessar apenas esses contêineres. |
| Cofre de chaves | Recurso associado para armazenar segredos criados no serviço, por exemplo, ao criar uma conexão. As identidades dos workspaces do projeto só podem acessar os seus próprios segredos. |
| Registro de contêiner | Recurso associado para armazenar imagens de contêiner criadas ao criar ambientes. As imagens de workspaces de projeto são isoladas por convenção de nomenclatura e só podem acessar seus próprios contêineres. |
| Insights do aplicativo | Recurso associado ao habilitar o registro em log de aplicativos para pontos de extremidade. Os insights de um aplicativo pode ser configurado como padrão para todos os workspaces de projeto. Pode ser substituído no nível do workspace de projeto. |
Os dados carregados em um workspace de projeto são armazenados isoladamente dos dados carregados em outro workspace do projeto. Embora os workspaces de projeto reutilizem as configurações de segurança do hub, eles ainda são recursos de Azure de nível superior, que permitem restringir o acesso somente a membros do projeto.
Criar um workspace de projeto usando um hub
Depois que um hub é criado, há várias maneiras de criar um workspace de projeto usando-o:
Nota
Os espaços de trabalho de projetos baseados em hubs são acessíveis no portal do Foundry (clássico). Se você estiver iniciando um novo projeto, consulte Microsoft Foundry para o modelo de recurso atualizado.
- Usando o ML Studio
- Usando a Foundry
- Using SDK do Azure
- Usando modelos de automação
- Using CLI do Azure
Nota
Ao criar um workspace usando um hub, não é necessário especificar configurações de segurança ou recursos associados porque eles são herdados do hub. Por exemplo, se o acesso à rede pública estiver desabilitado no hub, ele também será desabilitado no novo workspace criado.
Grupo de recursos de projeto padrão
Para criar workspaces de projeto usando um hub, os usuários devem ter uma atribuição de função no recurso de workspace de hub usando uma função que inclua a ação Microsoft.MachineLearningServices/workspaces/hubs/join/action. A função de desenvolvedor de IA do Azure é uma função integrada de exemplo que dá suporte a essa ação.
Opcionalmente, ao criar um hub como administrador, você pode especificar um grupo de recursos de projeto padrão para permitir que os usuários criem workspaces de projeto de maneira de autoatendimento. Se um grupo de recursos padrão estiver definido, os usuários do SDK/CLI/Estúdio poderão criar workspaces nesse grupo de recursos sem precisar de mais permissões de RBAC (controle de acesso baseado em função) do Azure em um escopo de grupo de recursos. O usuário que cria torna-se proprietário do recurso de espaço de trabalho do projeto no Azure.
Espaços de trabalho de projetos podem ser criados em outros grupos de recursos diferentes do grupo de recursos do projeto padrão. Para fazer isso, os usuários precisam de permissões de Microsoft.MachineLearning/Workspaces/write.
Recursos com suporte por tipo de workspace
Os recursos com suporte usando workspaces de hub/projeto diferem dos workspaces regulares. A matriz de suporte a seguir fornece uma visão geral.
| Funcionalidade | Workspace padrão | Espaço de trabalho do hub | Espaço de trabalho do projeto | Nota |
|---|---|---|---|---|
| Criar workspaces de projeto por autoatendimento no Estúdio | - | X | X | - |
| Criar conexões compartilhadas no hub | X | X | Somente no portal do Foundry | |
| Consumir conexões compartilhadas do hub | X | X | - | |
| Reutilizar instância de computação entre espaços de trabalho | - | X | X | |
| Compartilhar cota de computação entre workspaces | - | X | X | |
| Criar aplicativos GenAI no portal do Foundry | - | X | X | |
| Único ponto de extremidade de link privado entre workspaces | - | X | X | |
| Rede virtual gerenciada | X | X | X | - |
| Rede virtual BYO | X | - | - | Usar rede virtual gerenciada alternativa |
| Clusters de computação | X | - | - | Usar computação alternativa sem servidor |
| Etapa de execução paralela | X | - | - | - |
| Pontos de extremidade em lote | X | - | - | - |
Todos os recursos que exigem a execução de clusters de computação não serão compatíveis com workspaces de hub (a menos que o recurso tenha suporte na computação sem servidor).
Convertendo um workspace regular em um workspace central
Não há suporte.
Próximas etapas
Para saber mais sobre como configurar Azure Machine Learning, confira:
Para saber mais sobre o suporte ao espaço de trabalho do hub no portal Foundry, veja: