IBM Orchestration Pipelines
Puede organizar un flujo integral de activos, desde su creación hasta su implementación, en un lienzo gráfico con el editor Pipelines. Puede ensamblar y configurar un canal para crear, entrenar, implementar y actualizar modelos de aprendizaje automático y scripts de Python.
Servicio El servicio Orchestration Pipelines no está disponible de forma predeterminada. Un administrador debe instalar el servicio. Para determinar si el servicio está instalado, abra el catálogo de servicios. Si el servicio está instalado y listo para usar, el mosaico del catálogo muestra Listo para usar.
Diseñe un proceso arrastrando nodos al lienzo, especificando objetos y parámetros, y luego ejecutando y supervisando el proceso.
Automatización de la vía de acceso de producción
Incorporar un modelo a un producto es un proceso que consta de varios pasos. Los datos deben cargarse y procesarse, y los modelos deben entrenarse y evaluarse antes de implementarse y probarse. Los experimentos con IA, el análisis de datos y los modelos de aprendizaje automático requieren más observación, evaluación y actualización a lo largo del tiempo para evitar sesgos o desviaciones.
El siguiente gráfico muestra un ejemplo de ciclo de vida de un modelo que se puede automatizar a partir de los muchos flujos posibles que se pueden crear.
Puede automatizar el proceso para:
- Cargar y procesar datos de forma segura desde una amplia gama de fuentes internas y conexiones externas.
- Obtenga los resultados que desea creando, ejecutando, evaluando e implementando modelos o ejecutando scripts de forma coherente.
- Simplifica la ejecución de las rutas de tu flujo creando ramificaciones y recopilando resultados con imágenes directas.
Los pipelines pueden ejecutar experimentos que incluyen, entre otros:
- Jupyter Notebook empleos
- Data Refinery empleos
- Experimentos de AutoAI
- SPSS Modeler empleos
Para acortar el tiempo desde la concepción hasta la producción, puede montar el proceso y actualizar y probar rápidamente las modificaciones. El lienzo Pipelines proporciona herramientas para visualizar el proceso, personalizarlo en tiempo de ejecución con variables de parámetros del proceso y, a continuación, ejecutarlo como un trabajo de prueba o según una programación.
Utilice las herramientas de edición de Pipelines para lograr una colaboración más cohesionada entre un científico de datos y un ingeniero de ModelOps. Un científico de datos puede crear y entrenar un modelo. Un ingeniero de ModelOps puede automatizar el proceso de entrenamiento, implementación y evaluación del modelo después de que se publique en un entorno de producción.
Casos de uso y tutoriales
Puede incluir IBM Orchestration Pipelines en su solución de estructura de datos para gestionar y automatizar sus datos y el ciclo de vida de la IA. Para obtener más información sobre cómo Data Fabric puede ayudarle de forma práctica a alcanzar sus objetivos y operaciones de aprendizaje automático, consulte Casos de uso.
- El caso práctico de ciencia de datos y MLOps describe cómo gestionar datos, crear un modelo y un canal de implementación, y evaluar la imparcialidad y el rendimiento del modelo.
- Tutorial sobre ciencia de datos y MLOps: Coordinar un proceso de IA con integración de datos
- Tutorial sobre ciencia de datos y MLOps: Coordinar un proceso de IA con supervisión de modelos
Más información
- Añada una interconexión a su proyecto y conozca las herramientas de lienzo.
- Ejecute el proceso de ejemplo integrado para probar un flujo de proceso práctico.
- Cree un proceso para generar un flujo integral de su escenario personalizado.
- Ejecutar y guardar canalizaciones para gestionar su canalización como activos.