红帽全球峰会2.2. 设置您的数据科学项目
要实现数据科学工作流，您必须创建一个数据科学项目（如下所述）。通过项目，您可以和您的团队在分离的命名空间内组织并合作资源。从项目中，您可以创建多个工作台，每个工作台都有自己的 IDE 环境（如 JupyterLab），每个环境都有自己的连接和集群存储。另外，工作台可以使用管道和模型服务器共享模型和数据。
先决条件
开始之前，请先登录 Red Hat OpenShift AI。
流程
在导航菜单中，选择 Data Science projects。本页列出了您有权访问的任何现有项目。在此页面中，您可以选择现有项目（若有）或创建新项目。
注意您可以点击 Launch standalone workbench 按钮、选择 notebook 镜像并点 Start server 来启动 Jupyter 笔记本。但是，它是一个一次性的 Jupyter 笔记本，以隔离方式运行。
如果使用自己的 OpenShift 集群，请点击 Create project。
注意如果您使用 Red Hat Developer Sandbox，会为您提供一个默认的数据科学项目（如
myname-dev）。选择它并跳至 Verification 部分。输入显示名称和描述。
- 点 Create。
验证
您可以看到项目的初始状态。单个标签页提供有关项目组件和项目访问权限的更多信息：
- 工作台 是您的开发和试验环境的实例。它们通常包含 IDE，如 JupyterLab、RStudio 和 Visual Studio Code。
- Pipelines 包含在项目中执行的数据科学管道。
- 通过 模型，您可以快速提供受培训的模式，以实现实时推测。每个数据科学项目可以有多个模型服务器。一个模型服务器可以托管多个模型。
- 集群存储是 一个持久性卷，用于保留您在工作台内处理的文件和数据。工作台可以访问一个或多个集群存储实例。
- 连接包含连接 数据源所需的配置参数，如 S3 对象存储桶。
- 权限 定义哪些用户和组可以访问项目。
后续步骤
'%20d='M201.5%20305.5c-13.8%200-24.9-11.1-24.9-24.6%200-13.8%2011.1-24.9%2024.9-24.9%2013.6%200%2024.6%2011.1%2024.6%2024.9%200%2013.6-11.1%2024.6-24.6%2024.6zM504%20256c0%20137-111%20248-248%20248S8%20393%208%20256%20119%208%20256%208s248%20111%20248%20248zm-132.3-41.2c-9.4%200-17.7%203.9-23.8%2010-22.4-15.5-52.6-25.5-86.1-26.6l17.4-78.3%2055.4%2012.5c0%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.3%2024.9-24.9s-11.1-24.9-24.9-24.9c-9.7%200-18%205.8-22.1%2013.8l-61.2-13.6c-3-.8-6.1%201.4-6.9%204.4l-19.1%2086.4c-33.2%201.4-63.1%2011.3-85.5%2026.8-6.1-6.4-14.7-10.2-24.1-10.2-34.9%200-46.3%2046.9-14.4%2062.8-1.1%205-1.7%2010.2-1.7%2015.5%200%2052.6%2059.2%2095.2%20132%2095.2%2073.1%200%20132.3-42.6%20132.3-95.2%200-5.3-.6-10.8-1.9-15.8%2031.3-16%2019.8-62.5-14.9-62.5zM302.8%20331c-18.2%2018.2-76.1%2017.9-93.6%200-2.2-2.2-6.1-2.2-8.3%200-2.5%202.5-2.5%206.4%200%208.6%2022.8%2022.8%2087.3%2022.8%20110.2%200%202.5-2.2%202.5-6.1%200-8.6-2.2-2.2-6.1-2.2-8.3%200zm7.7-75c-13.6%200-24.6%2011.1-24.6%2024.9%200%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.1%2024.9-24.6%200-13.8-11-24.9-24.9-24.9z'/%3e%3c/svg%3e){kind=small}