हैड्स-ऑन लैब — AI-102 Microsoft Azure AI Engineer Associate

अवलोकन

पूर्व-आवश्यकताएं

चरण

1. 1.प्रदाता, रिसोर्स ग्रुप, नामकरण प्राचलिक

   मानक एज़्योर ओपनर। AI-102 आपसे अपेक्षा करता है कि आप नवीनतम एज़्योर ओपनएआई मॉडल उपलब्धता के लिए eastus या westus का उपयोग करें — पुराने क्षेत्रों को GPT-4 परिवार जल्दी नहीं मिलता।

   कॉपी

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       azurerm = { source = "hashicorp/azurerm", version = "~> 4.0" }
       random  = { source = "hashicorp/random",  version = "~> 3.6" }
     }
   }
   
   provider "azurerm" {
     features {
       key_vault {
         purge_soft_delete_on_destroy = true
       }
     }
   }
   
   resource "random_id" "suffix" {
     byte_length = 3
   }
   
   data "azurerm_client_config" "current" {}
   
   locals {
     tags = {
       Project   = "certlabpro-ai-102"
       ManagedBy = "terraform"
     }
   }
   
   resource "azurerm_resource_group" "main" {
     name     = "certlabpro-ai-102-rg"
     location = "eastus"
     tags     = local.tags
   }

2. 2.चैट मॉडल डिप्लॉयमेंट के साथ एक एज़्योर ओपनएआई खाता स्थापित करें

   प्रोविज़न:

   • Azure OpenAI Service

   एज़्योर ओपनएआई AI-102 के लिए प्रोडक्शन GenAI इंजन है। हम खाता (kind = "OpenAI") बनाते हैं और चैट मॉडल के रूप में gpt-4o-mini को डिप्लॉय करते हैं — यह लेखन के समय सबसे सस्ता GPT-4-श्रेणी का मॉडल है और अनुशंसित AI-102 लैब डिफ़ॉल्ट है। डिप्लॉयमेंट एक कोटा आवंटन के लिए एक विशिष्ट मॉडल संस्करण का नामित बाइंडिंग है; आप इसे एप्लिकेशन कोड से नाम से कॉल करते हैं।

   model.version = "2024-07-18" gpt-4o-mini की रिलीज़ की तारीख है — AI-102 मॉडल-संस्करण स्थिरता को एक आवर्ती चिंता के रूप में परीक्षण करता है (एक विशिष्ट संस्करण पर लॉक करना बनाम ऑटो-अपग्रेड)। परीक्षा उत्पादन विश्वसनीयता के लिए स्पष्ट पिनिंग का पक्षधर है।

   कॉपी

   resource "azurerm_cognitive_account" "openai" {
     name                  = "openai-ai102-${random_id.suffix.hex}"
     resource_group_name   = azurerm_resource_group.main.name
     location              = azurerm_resource_group.main.location
     kind                  = "OpenAI"
     sku_name              = "S0"
     custom_subdomain_name = "openai-ai102-${random_id.suffix.hex}"
   
     identity {
       type = "SystemAssigned"
     }
   
     tags = local.tags
   }
   
   resource "azurerm_cognitive_deployment" "chat" {
     name                 = "gpt-4o-mini"
     cognitive_account_id = azurerm_cognitive_account.openai.id
   
     model {
       format  = "OpenAI"
       name    = "gpt-4o-mini"
       version = "2024-07-18"
     }
   
     sku {
       name     = "Standard"
       capacity = 10 # TPM in thousands; 10 = 10K tokens-per-minute quota
     }
   }

3. 3.पुनर्प्राप्ति आधार के रूप में एज़्योर AI सर्च का प्रावधान करें

   प्रोविज़न:

   • Azure AI Search

   एज़्योर AI सर्च (पुनर्ब्रांडेड कॉग्निटिव सर्च) RAG पैटर्न के लिए AI-102 पुनर्प्राप्ति इंजन है। हम एक बेसिक-टियर सेवा का प्रावधान करते हैं — यह सिस्टम-असाइन की गई प्रबंधित पहचान का समर्थन करती है, जो AI सर्च के लिए एकीकृत वेक्टरराइज़ेशन सुविधा (जहां AI सर्च इंडेक्सिंग के दौरान आपकी ओर से एम्बेडिंग मॉडल को कॉल करता है) के लिए एज़्योर ओपनएआई को सुरक्षित रूप से कॉल करने के लिए आवश्यक है।

   local_authentication_enabled = false सेटिंग AI-102 उत्पादन-सर्वोत्तम-अभ्यास उत्तर है — एंट्रा आईडी प्रमाणीकरण को लागू करें, कोई एडमिन कुंजी इधर-उधर न जाए। सिस्टम-असाइन की गई प्रबंधित पहचान को अगले चरण में एज़्योर ओपनएआई तक पहुंच प्रदान की जाती है।

   कॉपी

   resource "azurerm_search_service" "main" {
     name                          = "search-ai102-${random_id.suffix.hex}"
     resource_group_name           = azurerm_resource_group.main.name
     location                      = azurerm_resource_group.main.location
     sku                           = "basic"
     replica_count                 = 1
     partition_count               = 1
     local_authentication_enabled  = false # Entra auth only
     public_network_access_enabled = true
   
     identity {
       type = "SystemAssigned"
     }
   
     tags = local.tags
   }
   
   # Grant AI Search's managed identity Cognitive Services OpenAI User on the
   // account — required for integrated vectorization (AI Search → OpenAI embeddings).
   resource "azurerm_role_assignment" "search_to_openai" {
     scope                = azurerm_cognitive_account.openai.id
     role_definition_name = "Cognitive Services OpenAI User"
     principal_id         = azurerm_search_service.main.identity[0].principal_id
   }

4. 4.स्रोत दस्तावेज़ों के लिए एक स्टोरेज अकाउंट जोड़ें

   प्रोविज़न:

   • Azure Storage

   RAG के लिए स्रोत दस्तावेज़ एज़्योर स्टोरेज में रहते हैं। AI सर्च इंडेक्सर्स ब्लब कंटेनर से डेटा खींचते हैं, वेक्टरराइज़ेशन के लिए OpenAI एम्बेडिंग मॉडल के माध्यम से चलाते हैं, और सर्च इंडेक्स को पॉप्युलेट करते हैं। स्टोरेज अकाउंट पर AI सर्च की प्रबंधित पहचान को Storage Blob Data Reader देना AI-102 पासवर्ड-लेस पुनर्प्राप्ति पैटर्न है।

   स्टोरेज + AI सर्च + OpenAI सभी को प्रबंधित पहचान के माध्यम से जोड़ा गया है, RAG आधार तैयार है। एप्लिकेशन लेयर (चैट ऑर्केस्ट्रेटर जो उपयोगकर्ता प्रश्नों को लेता है, AI सर्च को कॉल करता है, फिर पुनर्प्राप्त संदर्भ के साथ OpenAI को कॉल करता है) वह कोड है जिसे आप लिखते हैं — टेराफ़ॉर्म वहाँ मदद नहीं करता; यह इन्फ्रास्ट्रक्चर को सही करता है।

   कॉपी

   resource "azurerm_storage_account" "docs" {
     name                            = "ai102docs${random_id.suffix.hex}"
     resource_group_name             = azurerm_resource_group.main.name
     location                        = azurerm_resource_group.main.location
     account_tier                    = "Standard"
     account_replication_type        = "LRS"
     account_kind                    = "StorageV2"
   
     https_traffic_only_enabled      = true
     min_tls_version                 = "TLS1_2"
     allow_nested_items_to_be_public = false
   
     tags = local.tags
   }
   
   resource "azurerm_storage_container" "source" {
     name                  = "source"
     storage_account_id    = azurerm_storage_account.docs.id
     container_access_type = "private"
   }
   
   resource "azurerm_role_assignment" "search_to_storage" {
     scope                = azurerm_storage_account.docs.id
     role_definition_name = "Storage Blob Data Reader"
     principal_id         = azurerm_search_service.main.identity[0].principal_id
   }

5. 5.ओपनएआई + सर्च एंडपॉइंट्स को की वॉल्ट में स्टोर करें

   प्रोविज़न:

   • Azure Key Vault

   AI-102 अपेक्षा करता है कि प्रोडक्शन एप्लिकेशन एंडपॉइंट्स और कुंजियों को की वॉल्ट से पढ़ें, न कि पर्यावरण चर या कॉन्फिग फ़ाइलों से। हम एक की वॉल्ट का प्रावधान करते हैं और OpenAI एंडपॉइंट, डिप्लॉयमेंट नाम और AI सर्च एंडपॉइंट को गुप्त के रूप में स्टोर करते हैं। प्रोडक्शन में, ऐप की प्रबंधित पहचान के पास स्टार्टअप पर उन्हें पढ़ने के लिए इस वॉल्ट पर Key Vault Secrets User की अनुमति होगी।

   यह AI-102 कार्यान्वयन और एकीकरण लूप को बंद करता है: हर एंडपॉइंट, हर कुंजी, हर सेवा URL की वॉल्ट से होकर गुजरता है — रहस्यों के रोटेशन का एकल बिंदु, ऑडिट का एकल बिंदु। हर अतिरिक्त AI-102 पैटर्न (डॉक्यूमेंट इंटेलिजेंस, ट्रांसलेटर, कस्टम विजन, स्पीच) इसी तरह से काम करता है।

   कॉपी

   resource "azurerm_key_vault" "main" {
     name                       = "kv-ai102-${random_id.suffix.hex}"
     resource_group_name        = azurerm_resource_group.main.name
     location                   = azurerm_resource_group.main.location
     tenant_id                  = data.azurerm_client_config.current.tenant_id
     sku_name                   = "standard"
     enable_rbac_authorization  = true
     soft_delete_retention_days = 7
   
     tags = local.tags
   }
   
   resource "azurerm_role_assignment" "kv_admin_self" {
     scope                = azurerm_key_vault.main.id
     role_definition_name = "Key Vault Administrator"
     principal_id         = data.azurerm_client_config.current.object_id
   }
   
   resource "azurerm_key_vault_secret" "openai_endpoint" {
     name         = "openai-endpoint"
     value        = azurerm_cognitive_account.openai.endpoint
     key_vault_id = azurerm_key_vault.main.id
   
     depends_on = [azurerm_role_assignment.kv_admin_self]
   }
   
   resource "azurerm_key_vault_secret" "openai_deployment" {
     name         = "openai-deployment"
     value        = azurerm_cognitive_deployment.chat.name
     key_vault_id = azurerm_key_vault.main.id
   
     depends_on = [azurerm_role_assignment.kv_admin_self]
   }
   
   resource "azurerm_key_vault_secret" "search_endpoint" {
     name         = "search-endpoint"
     value        = "https://${azurerm_search_service.main.name}.search.windows.net"
     key_vault_id = azurerm_key_vault.main.id
   
     depends_on = [azurerm_role_assignment.kv_admin_self]
   }

क्लीनअप (Cleanup)