สวัสดีครับ พอดีพลกำลังจะได้มีโอกาส guide พวกเราที่สนใจในเรื่องการทำ Machine Learning ผ่านเครื่องมือของ Microsoft อย่าง Azure Machine Learning Studio เลยขอมาเล่าเกร็ดเล็กๆ น้อยๆ ที่สามารถอ่านเสริมได้หลังจากเรียนรอบสดไปแล้วนะครับ
ซึ่งวันนี้จะพูดถึงบทบาทของผู้ใช้ (หรือ User role) ต่างๆ ของคนที่เข้ามาใช้ Azure Machine Learning Workspace (บางจุดจะขอเรียกสั้นๆ ว่า Azure ML) ว่ามีใครกันบ้าง ตอนเอาไปใช้จริง จะได้จัดการใช้งานของทีมได้ตรงความต้องการครับ
ขอเปรียบเทียบง่ายๆ สไตล์พลคนเดิมนะ ถ้าชอบก็กดไลค์ กดแชร์ กดติตตามตามช่อง Youtube และ Facebook ได้เลย
การให้สิทธิ์การเข้าถึง Azure Machine Learning Workspace
การให้สิทธิ์การเข้าถึงใน Azure Machine Learning Workspace สามารถเปรียบเทียบได้กับการให้สิทธิ์การเข้าถึงบ้านหรือออฟฟิศของเราเนี่ยแหละ ในบ้านหรือออฟฟิศของเรา อาจมีคนที่มีสิทธิ์เข้าถึงทุกห้อง คนที่สามารถเปิดใช้บางห้องได้ และคนที่สามารถเข้ามาเยี่ยมดูบ้านสุดสัปดาห์เฉยๆ ได้แต่ไม่สามารถเคลื่อนย้ายเปลี่ยนแปลงอะไรได้
ใน Azure Machine Learning ก็เช่นเดียวกัน มีบทบาทหลักๆ ที่คุณสามารถกำหนดสิทธิ์ให้กับผู้ใช้หรือทีมงานได้ ดังนี้:
- Owner (เจ้าของ): เปรียบเสมือนเจ้าของบ้านที่สามารถเข้าถึงทุกห้องและสามารถให้สิทธิ์การเข้าถึงกับผู้อื่นได้ ในที่นี้ของเจ้าแห่ง workspace นั้นๆ
- Contributor (ผู้เช่า): เหมือนกับผู้เช่าที่สามารถเข้าถึงทุกห้อง ใช้งานได้ทุกส่วน แต่ไม่สามารถให้สิทธิ์การเข้าถึงกับคนอื่นๆ ได้
- Reader (ผู้เยี่ยมชม): เหมือนกับผู้เยี่ยมชมที่สามารถเข้ามาดูได้แต่ไม่สามารถเปลี่ยนแปลงอะไรได้
นอกจากนี้ Azure Machine Learning ยังมีบทบาทเฉพาะทางมากๆ ที่เราสามารถเลือกกำหนดให้กับ user ได้ เช่น:
- AzureML Data Scientist: สามารถทำทุกอย่างใน workspace ได้ยกเว้นการสร้างหรือลบ ทรัพยากรคอมพิวเตอร์ (เรียกว่า compute) สำหรับการรันงานต่างๆ และการแก้ไขการตั้งค่า workspace ก็ไม่สามารถทำได้
- AzureML Compute Operator: สามารถสร้าง เปลี่ยนแปลง และจัดการการเข้าถึงทรัพยากรคอมพิวเตอร์ภายใน workspace
การจัดการบทบาทของ Azure ML กับชีวิตประจำวัน
ลองนึกถึงการจัดการบทบาทใน Azure Machine Learning เหมือนกับการจัดการบทบาทในครอบครัวหรือทีมงานในออฟฟิศ:
- เจ้าของบ้าน: คุณพ่อหรือคุณแม่ที่สามารถเข้าถึงทุกห้องในบ้าน และสามารถให้กุญแจกับคนอื่นๆ ได้
- ผู้เช่า: พี่น้องที่สามารถเข้าถึงทุกห้องแต่ไม่สามารถให้กุญแจกับคนอื่นได้
- ผู้เยี่ยมชม: เพื่อนที่มาเยี่ยมบ้านและสามารถเข้ามาดูได้แต่ไม่สามารถเปลี่ยนแปลงอะไรได้
การจัดการบทบาทใน Azure Machine Learning ช่วยให้พวกเราสามารถควบคุมการเข้าถึงส่วนต่างๆ ของ Azure Machine Learning Workspace และการทำงานของทีมได้อย่างมีประสิทธิภาพ และยังปลอดภัยในการทำงานจริงในระดับองค์กรด้วย
สรุป
การจัดการ User role ใน Azure Machine Learning เป็นส่วนสำคัญที่ช่วยให้ทีมสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพและปลอดภัยครับ
หวังว่าบทความนี้จะช่วยให้พวกเราเข้าใจการจัดการบทบาทใน Azure Machine Learning ได้ดียิ่งขึ้น และสามารถนำไปปรับใช้ในทีมงานของพวกเราได้ตามที่ตั้งใจไว้นะ