Preguntas frecuentes

¿Cuánta potencia de procesamiento se necesita para ejecutar Watson OpenScale en mis propios servidores?

Hay directrices específicas para la configuración de hardware para las configuraciones de tres y de seis nodos. El equipo de ventas técnicas de IBM puede ayudarle con el dimensionamiento de su configuración específica. Dado que Watson OpenScale funciona como complemento de IBM Cloud Pak for Data, es necesario tener en cuenta los requisitos de ambos productos de software.

¿Por qué necesita « Watson OpenScale » acceso a datos de entrenamiento?

Debe proporcionar acceso de tipo « Watson OpenScale » a los datos de entrenamiento almacenados en Db2 o IBM Cloud Object Storage, o bien debe ejecutar un cuaderno para acceder a los datos de entrenamiento.

Watson OpenScale necesita acceder a tus datos de entrenamiento por los siguientes motivos:

• Para generar explicaciones locales interpretables independientes del modelo (LIME) y explicaciones contrastivas: Para crear explicaciones, se requiere acceso a estadísticas, como el valor mediano, la desviación estándar y los valores distintos de los datos de entrenamiento.
• Para mostrar las estadísticas de los datos de entrenamiento: Para que se muestre la página de detalles sobre el sesgo, Watson OpenScale debe disponer de datos de entrenamiento a partir de los cuales generar las estadísticas.
• Para crear el archivo de v2 deriva: El monitor de v2 deriva utiliza datos de entrenamiento para establecer la línea de base para las evaluaciones v2 de deriva

En el enfoque basado en Notebook, se espera que subas las estadísticas y el resto de la información al configurar una implementación en Watson OpenScale. Watson OpenScale ya no tiene acceso a los datos de entrenamiento fuera del Notebook, que se ejecuta en tu entorno. Solo tiene acceso a la información cargada durante la configuración.

¿Existe alguna herramienta de línea de comandos que se pueda utilizar?

Sí. Existe una herramienta de línea de comandos llamada « ModelOps », cuyo nombre oficial es «herramienta de operaciones de modelos de la CLI de Watson OpenScale ». Úsalo para ejecutar tareas relacionadas con la gestión del ciclo de vida de los modelos de aprendizaje automático.

¿Qué versión de « Python » puedo usar con « Watson OpenScale »?

Dado que Watson OpenScale es independiente del proceso de creación de modelos, es compatible con cualquier versión de Python que admita su proveedor de aprendizaje automático. El cliente Watson OpenScale Python es una biblioteca Python que funciona directamente con el servicio Watson OpenScale en IBM Cloud. Para obtener la información más actualizada sobre la versión, consulta la sección «Requisitos ». Puedes utilizar el cliente Python, en lugar de la interfaz de usuario del cliente Watson OpenScale, para configurar directamente una base de datos de registro, vincular tu motor de aprendizaje automático y seleccionar y supervisar las implementaciones. Para ver ejemplos del uso del cliente « Python » de esta manera, consulte los cuadernos de ejemplo de Watson OpenScale.

¿Qué navegadores puedo utilizar para ejecutarlo Watson OpenScale?

Las herramientas de servicio de Watson OpenScale requieren el mismo nivel de software de navegador que el de IBM Cloud. Consulte el tema «Requisitos previos de IBM Cloud » para obtener más información.

Para configurar un modelo se necesita información sobre la ubicación de los datos de entrenamiento; las opciones son Cloud Object Storage y Db2. Si los datos están en Netezza, ¿puede Watson OpenScale utilizar Netezza?

Utilice este Watson OpenScale Notebook para leer los datos de Netezza y generar las estadísticas de entrenamiento, así como el archivo de v2 deriva.

¿Por qué Watson OpenScale no muestra las actualizaciones que se han realizado en el modelo?

Watson OpenScale funciona sobre la implementación de un modelo, no sobre el modelo en sí. Debe crear una nueva implementación y, a continuación, configurarla como una nueva suscripción en Watson OpenScale. De esta forma, podrás comparar las dos versiones del modelo.

¿Cómo se mitiga el sesgo del modelo mediante el uso de la técnica « Watson OpenScale »?

La capacidad de eliminación de sesgos de Watson OpenScale es de nivel empresarial. Es robusto, escalable y capaz de gestionar una amplia variedad de modelos. El des sesgo en Watson OpenScale consiste en un proceso de dos pasos.

1. Fase de aprendizaje: Aprender el comportamiento del modelo de cliente para comprender cuándo actúa de manera sesgada.
2. Fase de aplicación: Determinar si el modelo del cliente presenta sesgos en un punto de datos concreto y, en caso necesario, corregir dichos sesgos. Para obtener más información, consulte Revisión de transacciones sin sesgo.

¿Es posible detectar sesgos en el modelo en relación con atributos sensibles, como la raza y el género, incluso cuando el modelo no se ha entrenado con ellos?

Sí. Recientemente, Watson OpenScale ha presentado una función revolucionaria denominada «Detección de sesgos indirectos» Úsalo para detectar si el modelo muestra sesgos de forma indirecta en relación con atributos sensibles, aunque no se haya entrenado con dichos atributos. Para obtener más información, consulte Revisión de transacciones sin sesgo.

¿Puedo configurar la equidad del modelo a través de una API?

Sí, es posible con el SDK de Watson OpenScale. Para obtener más información, consulte la documentación IBMWatson OpenScalePython del SDK.

¿Cuáles son los distintos tipos de riesgos asociados al uso de un modelo de aprendizaje automático?

Los múltiples tipos de riesgos asociados a los modelos de aprendizaje automático, como cualquier cambio en los datos de entrada (también conocido como deriva), pueden hacer que el modelo tome decisiones inexactas, lo que afecta a las predicciones empresariales. Los datos de entrenamiento pueden limpiarse para eliminar sesgos, pero los datos de tiempo de ejecución pueden inducir un comportamiento sesgado del modelo.

Los modelos estadísticos tradicionales son más fáciles de interpretar y explicar, pero la imposibilidad de explicar los resultados del modelo de aprendizaje automático puede suponer una grave amenaza para su uso.

Para obtener más información, consulte Gestionar el riesgo del modelo.

¿Qué tipos de explicaciones se muestran en Watson OpenScale?

Watson OpenScale Proporciona explicaciones locales basadas en LIME, explicaciones contrastivas y explicaciones SHAP. Para obtener más información, consulte Visualización de la explicabilidad.

¿Qué es el análisis de escenarios hipotéticos en « Watson OpenScale »?

La interfaz de usuario de explicaciones también ofrece la posibilidad de probar escenarios hipotéticos. Por ejemplo, el usuario puede cambiar los valores de las características del punto de datos de entrada y comprobar su impacto en la predicción y la probabilidad del modelo.

¿Qué modelos admiten explicaciones LIME?

Los siguientes tipos de modelos admiten explicaciones LIME en Watson OpenScale :

• Modelos estructurados de regresión y clasificación
• Modelos de clasificación de texto e imágenes no estructurados

¿Qué modelos admiten explicaciones contrastivas y análisis hipotéticos?

Las explicaciones contrastivas y los análisis hipotéticos solo son compatibles con modelos que utilizan datos estructurados y problemas de clasificación.

¿Qué son las características controlables en una configuración de explicabilidad de un modelo de aprendizaje automático ( Watson OpenScale )?

Mediante el uso de características controlables, es posible bloquear algunas características del punto de datos de entrada, de modo que no cambien cuando se genere la explicación contrastiva y tampoco puedan modificarse en el análisis hipotético. Las características que no deben modificarse deben configurarse como no controlables o NO en la configuración de explicabilidad.

¿Tengo que estar pendiente constantemente del panel de control de Watson OpenScale para asegurarme de que mis modelos funcionan como esperaba?

No, puede configurar alertas por correo electrónico para las implementaciones de sus modelos de producción en Watson OpenScale. Se envían alertas por correo electrónico cada vez que falla una prueba de evaluación de riesgos, y entonces usted puede venir a comprobar los problemas y solucionarlos.

¿Qué relación existe entre IBM, OpenPages y Watson OpenScale en el ámbito general de la gestión de riesgos de modelos?

IBM Ofrece una solución integral para la gestión del riesgo de modelo con IBMWatson OpenScale y IBM OpenPages. OpenPagesIBM Ofrece gobernanza del riesgo de modelos para almacenar y gestionar un inventario completo de modelos. IBM Watson OpenScale supervisa y mide los resultados de los modelos de IA a lo largo de todo su ciclo de vida y valida los modelos.

Para obtener más información, consulte «Gestión del riesgo de modelos y gobernanza de modelos ».

En un entorno de preproducción que utiliza Watson OpenScale después de que el modelo se evalúe en cuanto a riesgos y se apruebe su uso, ¿tengo que volver a configurar todos los monitores en el entorno de producción?

No, Watson OpenScale ofrece una forma de copiar la configuración de una suscripción de preproducción a una suscripción de producción. Para obtener más información, consulte Gestionar el riesgo del modelo.

¿Puedo comparar en « Watson OpenScale » las implementaciones de mi modelo en preproducción con un modelo de referencia para ver si es bueno o malo?

Sí, le Watson OpenScale ofrece la opción de comparar dos implementaciones de modelos o suscripciones. Puede ver una comparación lado a lado del comportamiento de los dos modelos en cada uno de los monitores configurados. Para comparar, ve a la página de resumen del modelo en el panel de control de Watson OpenScale y selecciona Actions -> Compare. Para obtener más información, consulte Revisar los resultados de la evaluación.

En « Watson OpenScale », ¿qué datos se utilizan para calcular las métricas de calidad?

Se calculan métricas de calidad utilizando datos de retroalimentación etiquetados manualmente y respuestas de implementación supervisadas para dichos datos.

En « Watson OpenScale », ¿por qué están desactivadas algunas de las pestañas de configuración?

Hay ciertas condiciones que permiten el uso de pestañas específicas. Puedes ver el motivo por el que esa pestaña no está habilitada pasando el cursor del ratón por encima del icono circular de la pestaña.

¿Cómo puedo configurar alertas para que los modelos de producción envíen correos electrónicos cuando se detecten infracciones de los umbrales?

Antes de configurar las alertas, debes configurar el servidor SMTP en Cloud Pak for Data.