Integración de motores de aprendizaje automático de terceros

Se pueden integrar motores de servicios de aprendizaje automático externos, como Microsoft Azure ML Studio, Microsoft Azure ML Service y Amazon SageMaker, para realizar evaluaciones de modelos.

Puedes utilizar los siguientes métodos para integrar motores de terceros:

• Nivel de enlace de motor

  Posibilidad de listar despliegues y obtener detalles del despliegue.

• Nivel de suscripción de despliegue

  Debes evaluar la implementación suscrita en el formato adecuado, como el formato IBM Watson Machine Learning, y recibir los resultados en el mismo formato compatible. Debes configurar las evaluaciones de tu modelo para que procesen tanto los formatos de entrada como los de salida.

• Registro de carga útil

  Cada entrada y salida al modelo desplegado activado por una aplicación de usuario se debe almacenar en un almacén de carga útil. El formato de los registros de carga útil sigue la misma especificación que se menciona en la sección anterior sobre los niveles de suscripción de despliegue.

  Esos registros se utilizan durante las evaluaciones de modelos para calcular el sesgo, las explicaciones y otros parámetros. No es posible guardar automáticamente las transacciones que se ejecutan en el sitio del usuario. Este método es una de las formas en que se protege la información confidencial durante las evaluaciones de modelos. Utiliza la API REST o el SDK de Python para trabajar con datos seguros.