Microsoft Foundry (クラシック) 用のハブ プロジェクトを作成する

• Azure サブスクリプション
• 必要なロール: ハブ リソースの 所有者 または 共同作成者 。

• Azure サブスクリプション
• 必要なロール: ハブ リソースの 所有者 または 共同作成者 。
• Azure Machine Learning SDK v2
• 既存のハブ リソース (ハブの作成に関する記事を参照)。
• Azure CLIインストールされ、認証されます (az login)。

• Azure サブスクリプション
• 必要なロール: ハブ リソースの 所有者 または 共同作成者 。
• Azure CLIと機械学習拡張機能がインストールされています。 インストールする機械学習拡張機能のインストールと設定に関する記事の手順に従います。
• 既存のハブ リソース。

Foundry ポータルを使用している場合は、追加のセットアップは必要ありません。

1. パッケージをインストールします。 (ノートブック セル内の場合は、代わりに %pip install を使用してください)。

   pip install azure-ai-ml
   pip install azure-identity
   

2. サブスクリプションの詳細を指定します。

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

3. サブスクリプションへのハンドルを取得します。 この記事のすべてのPython コードでは、ml_client を使用します。

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

4. (省略可能)複数のアカウントがある場合は、使用するMicrosoft Entra IDのテナント ID を DefaultAzureCredential に追加します。 テナント ID は、Azure ポータルMicrosoft Entra ID、外部 ID から見つけます。

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (省略可能)Azure Government - US または Azure China 21Vianet リージョンで作業している場合は、認証するリージョンを指定します。 DefaultAzureCredentialを使用してリージョンを指定できます。 次の例では、Azure Government - 米国リージョンに対して認証を行います。

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

6. 接続を確認します。

   for hub in ml_client.workspaces.list():
       print(f"  - {hub.name}")
   

認証エラーが発生した場合は、Azure資格情報が構成されていることを確認します (az login を実行するか、Azure Identity SDK を使用して資格情報を設定します)。 アクセス許可エラーが発生した場合は、サブスクリプションまたはリソース グループに共同作成者ロールがあることを確認します。

参照: MLClient、 DefaultAzureCredential

既存のハブを一覧表示して、認証を確認します。

hubs = ml_client.workspaces.list()
for hub in hubs:
    print(f"Hub: {hub.name}")

認証エラーが発生した場合は、Azure資格情報が構成されていることを確認します (az login を実行するか、Azure Identity SDK を使用して資格情報を設定します)。 アクセス許可エラーが発生した場合は、サブスクリプションまたはリソース グループに共同作成者ロールがあることを確認します。

1. Azure CLIからAzure サブスクリプションに対して認証するには、次のコマンドを使用します。

   az login
   

   認証の詳細については、「 認証方法」を参照してください。

2. 既存のハブを一覧表示して、認証を確認します。

   az ml workspace list --resource-group <your-resource-group-name>
   

   コマンドが成功し、既存のハブが表示された場合、認証は正しいです。

Microsoft Foundry でハブ ベースのプロジェクトを作成するには、次の手順に従います。

1. Microsoft Foundry にサインイン>。 「New Foundry」トグルがオフになっていることを確認します。 これらの手順は Foundry (クラシック) を参照します。

   

2. 次に何を行うかは、あなたがいる場所によって異なります。

   • プロジェクトに参加していない場合、またはプロジェクトがまだない場合: 右上の [ 新規作成 ] を選択して新しい Foundry プロジェクトを作成します

     

   • 現在プロジェクトにいる場合: プロジェクトのパンくずリストを選択し、[ 新しいリソースの作成] を選択します。

     

3. AI ハブ リソースを選択し、[次へ] を選択します。

4. プロジェクトの名前を入力します。

5. ハブがある場合は、最近選択したハブが表示されます。

   • 複数のハブにアクセスできる場合は、ドロップダウンから別のハブを選択できます。

   • 新しいハブを作成する場合は、ドロップダウンから [ 新しいハブの作成 ] を選択します。

     

6. ハブがない場合は、既定のハブが自動的に作成されます。

7. 作成 を選択します。

または、新しいハブをカスタマイズする場合は、作成 を選択する前に、次のセクションの手順に従います。

ハブをカスタマイズする

ハブ ベースのプロジェクトは、ハブ内に存在します。 ハブを使用すると、データ接続などの構成をすべてのプロジェクトと共有し、セキュリティ設定と支出を一元的に管理できます。 チームの一員である場合、ハブはサブスクリプション内の他のチーム メンバー間で共有されます。 ハブとプロジェクト間の関係の詳細については、 ハブとプロジェクトの概要 に関するドキュメントを参照してください。

新しいハブを作成するときは、選択したリソース グループに対する 所有者 または 共同作成者 のアクセス許可が必要です。 チームの一員で、これらのアクセス許可がない場合は、管理者がハブを作成する必要があります。

プロジェクトの作成の一環として新しいハブを作成すると、既定の設定が提供されます。 これらの設定をカスタマイズする場合は、プロジェクトを作成する前に行います。

1. [ プロジェクトの作成 ] フォームで、右側にある矢印を選択します。

   

2. 使用する既存の リソース グループ を選択するか、既定値のままにして新しいリソース グループを作成します。

   ヒント

   特に作業を開始するには、プロジェクト用の新しいリソース グループを作成することをお勧めします。 リソース グループを使用すると、プロジェクトとそのすべてのリソースをまとめて簡単に管理できます。 プロジェクトを作成すると、ハブ、コンテナー レジストリ、ストレージ アカウントなど、リソース グループに複数のリソースが作成されます。

3. 場所を選択するか、既定値を使用します。 場所は、ハブがホストされているリージョンです。 ハブの場所は、プロジェクトの場所でもあります。 Foundry Tools の可用性はリージョンによって異なります。 たとえば、特定のリージョンでは特定のモデルを使用できない場合があります。

4. [ プロジェクトの作成] を選択します。 リソースの作成の進行状況が表示されます。 プロジェクトは、プロセスが完了すると作成されます。

from azure.ai.ml.entities import Project

my_project_name = "myexampleproject"  # Project names must be lowercase, 3–64 chars, alphanumeric with hyphens
my_display_name = "My Example Project"
hub_name = "myhubname"  # Hub resource name
hub_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"

my_project = Project(
    name=my_project_name,
    display_name=my_display_name,
    hub_id=hub_id
)

created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
print(f"Project '{created_project.name}' created successfully.")

このスニペットの機能: プロジェクトのプロパティを定義し、既存のハブにプロジェクトを作成します。 .result() メソッドは、作成が完了するまで待機します。 予期される出力: 作成されたプロジェクト名を表示する確認メッセージ。

参照：

• プロジェクトエンティティ
• MLClient.workspaces
• Azure Identity DefaultAzureCredential

az ml workspace create --kind project --hub-id <my-hub-id> --resource-group <my-resource-group> --name <my-project-name>

プレースホルダーを次のように置き換えます。

• <my-hub-id>: フォーマットで指定されたハブの完全なリソース ID /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>: ハブを含むリソース グループの名前
• <my-project-name>: 新しいプロジェクトの名前 (小文字、3 ~ 64 文字、英数字とハイフン)

このコマンドの機能: 指定したハブに関連付けられた新しいハブ ベースのプロジェクトを作成します。

参照：

• az ml workspace create

プロジェクト の概要 を開き、名前、サブスクリプション、およびリソース グループを表示します。 共有資産の場合は 管理センター、基になるリソースの場合は Azure portal で Manage を使用します。

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id, credential=DefaultAzureCredential())

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}