Assets in einem KI-Anwendungsfall verfolgen

Verfolgen Sie Assets in KI-Anwendungsfällen, um Details zu ihnen in Factsheets zu erfassen. Verwenden Sie die im KI-Anwendungsfall erfassten Informationen, um den Fortschritt von Assets während des KI-Lebenszyklus von der Anforderung bis zur Produktion zu überwachen.

Definieren Sie einen KI-Anwendungsfall, um ein Geschäftsproblem zu identifizieren und eine Lösung anzufordern. Eine Lösung könnte ein oder mehrere Modelle zur Bewältigung des geschäftlichen Problems sein. Wenn ein Asset entwickelt wird, ordnen Sie es dem Anwendungsfall zu, um Details zum Asset in Factsheets zu erfassen. Während das Asset den KI-Lebenszyklus durchläuft, von der Entwicklung über Tests bis hin zur Produktion, erfassen die Factsheets die Daten, um Governance-oder Compliance-Ziele zu unterstützen.

Ansätze zum Vergleichen von Möglichkeiten zur Lösung eines Problems erstellen

Jeder KI-Anwendungsfall kann mindestens einen Ansatzenthalten. Ein Ansatz ist eine Facette der Lösung für das Geschäftsproblem, das durch den KI-Anwendungsfall dargestellt wird. Sie können beispielsweise zwei Ansätze für den Vergleich erstellen, indem Sie verschiedene Frameworks für Vorhersagemodelle verwenden, um festzustellen, welche am besten funktioniert.

Methoden erfassen auch Versionsinformationen. Dieselbe Versionsnummer wird auf alle Assets in einem Ansatz angewendet. Wenn Sie eine stabile Version eines Assets haben, können Sie diese Version in einem Ansatz verwalten und einen neuen Ansatz für die nächste Iterations-und Versuchsrunde erstellen.

Dieser Anwendungsfall enthält drei Ansätze für die Organisation von drei Eingabeaufforderungsvorlagen für einen Anwendungsfall zur Verarbeitung von Versicherungsansprüchen:

Mehrere Ansätze für einen Anwendungsfall für Versicherungsschäden

Assets zu einem Anwendungsfall hinzufügen

Sie können diese Assets in einem KI-Anwendungsfall verfolgen:

  • Eingabeaufforderungsvorlagen enthalten die Eingabeaufforderungseingabe für ein Basismodell sowie Variablen, die definiert sind, um die Eingabeaufforderung für die Generierung neuer Ausgaben wiederverwendbar zu machen.
  • Modelle für maschinelles Lernen werden mithilfe eines Tools zur automatischen Modellgenerierung ( Watson Machine Learning ) wie AutoAI oder SPSS Modeler erstellt.
  • Python Funktionen werden in Jupyter Notebooks erstellt und in einem Bereich oder Projekt bereitgestellt.
  • Importierte Assets sind Machine-Learning-Assets, die außerhalb von „ watsonx.governance “ erstellt und anschließend in ein Inventar importiert wurden.
  • Externe Modelle sind Modelle, die in Jupyter Notebooks erstellt werden, oder Modelle, die mithilfe eines Drittanbieters für maschinelles Lernen erstellt wurden.

Weitere Informationen

Verwenden Sie ein Beispielprojekt, um die Features von watsonx.governance mit dem Lernprogramm Schnelleinstieg: Eingabeaufforderungsvorlage auswerten und verfolgenauszuprobieren.