지원되는 머신러닝 서비스 제공업체
Watson Machine Learning 또한 다양한 타사 머신러닝 서비스 제공업체를 지원하여 머신러닝 모델 평가를 수행할 수 있습니다.
모델 평가의 일환으로 페이로드 로깅, 피드백 로깅을 수행하고, 성능 정확도, 실행 시 편향 탐지, 설명 가능성 및 자동 편향 제거 기능을 측정하려면 지원되는 다음 머신러닝 제공업체 중 하나를 사용하십시오.
- Watson Machine Learning
- Azure ML Studio
- Azure ML Service
- AWS SageMaker
- 사용자 정의 (사용자 정의 머신러닝 프레임워크는 Watson Machine Learning 와 동등한 기능을 갖추어야 합니다.)
- SPSS C&DS
여러 기계 학습 엔진 지원
머신 러닝 모델 평가를 구성하거나 Python SDK 를 사용할 때 여러 머신 러닝 엔진을 프로비저닝할 수 있습니다.
머신러닝 모델 평가를 위한 제공자 추가
- [구성 ]
탭에서 [ 머신 러닝 공급자 추가 ]를 클릭합니다. - 추가할 제공자를 선택하십시오.
- 인증 정보 등 필요한 정보를 입력한 후 ‘저장’을 클릭하세요.
머신 러닝 제공업체 정보 변경 또는 업데이트
타일 메뉴 
아이콘을 클릭한 다음 ‘세부 정보 보기 및 편집’을 클릭하세요.
Python SDK를 사용하여 기계 학습 제공업체 추가
Python 의 API wos_client.service_providers.add 메서드를 사용하면 모델 평가를 위해 하나 이상의 머신러닝 엔진을 추가할 수 있습니다.
IBM Watson Machine Learning
IBM Watson Machine Learning 기계 학습 엔진을 추가하려면 다음 명령을 실행하십시오.
WML_CREDENTIALS = {
"url": "https://us-south.ml.cloud.ibm.com",
"apikey": IBM CLOUD_API_KEY
}
wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type=ServiceTypes.WATSON_MACHINE_LEARNING,
deployment_space_id = WML_SPACE_ID,
operational_space_id = "production",
credentials=WMLCredentialsCloud(
apikey=CLOUD_API_KEY, ## use `apikey=IAM_TOKEN` if using IAM_TOKEN to initiate client
url=WML_CREDENTIALS["url"],
instance_id=None
),
background_mode=False
).result
Microsoft Azure ML Studio
Azure ML Studio 기계 학습 엔진을 추가하려면 다음 명령을 실행하십시오.
AZURE_ENGINE_CREDENTIALS = {
"client_id": "",
"client_secret": "",
"subscription_id": "",
"tenant": ""
}
wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type=ServiceTypes.AZURE_MACHINE_LEARNING,
#deployment_space_id = WML_SPACE_ID,
#operational_space_id = "production",
credentials=AzureCredentials(
subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
tenant = AZURE_ENGINE_CREDENTIALS['tenant']
),
background_mode=False
).result
Amazon SageMaker
AWS Sagemaker 기계 학습 엔진을 추가하려면 다음 명령을 실행하십시오.
SAGEMAKER_ENGINE_CREDENTIALS = {
'access_key_id':””,
'secret_access_key':””,
'region': '}
wos_client.service_providers.add(
name="AWS",
description="AWS Service Provider",
service_type=ServiceTypes.AMAZON_SAGEMAKER,
credentials=SageMakerCredentials(
access_key_id=SAGEMAKER_ENGINE_CREDENTIALS['access_key_id'],
secret_access_key=SAGEMAKER_ENGINE_CREDENTIALS['secret_access_key'],
region=SAGEMAKER_ENGINE_CREDENTIALS['region']
),
background_mode=False
).result
Microsoft Azure ML 서비스
Azure ML Service 기계 학습 엔진을 추가하려면 다음 명령을 실행하십시오.
service_type = "azure_machine_learning_service"
added_service_provider_result = wos_client.service_providers.add(
name=SERVICE_PROVIDER_NAME,
description=SERVICE_PROVIDER_DESCRIPTION,
service_type = service_type,
credentials=AzureCredentials(
subscription_id= AZURE_ENGINE_CREDENTIALS['subscription_id'],
client_id = AZURE_ENGINE_CREDENTIALS['client_id'],
client_secret= AZURE_ENGINE_CREDENTIALS['client_secret'],
tenant = AZURE_ENGINE_CREDENTIALS['tenant']
),
background_mode=False
).result
기계 학습 제공자 목록 생성
모든 바인딩 목록을 보려면 다음과 같이 list 메소드를 실행하십시오.
client.service_providers.list()
| uid | 이름 | service_type | 작성됨 |
|---|---|---|---|
| e88ms###-####-####-############ | 내 Azure ML 서비스 엔진 | azure_machine_learning | 2019-04-04T09:50:33.189Z |
| e88sl###-####-####-############ | 내 Azure ML Studio 엔진 | azure_machine_learning | 2019-04-04T09:50:33.186Z |
| e00sjl###-####-####-############ | WML 인스턴스 | watson_machine_learning | 2019-03-04T09:50:33.338Z |
| e43kl###-####-####-############ | 내 AWS SageMaker 엔진 | sagemaker_machine_learning | 2019-04-04T09:50:33.186Z |
특정 기계 학습 엔진에 관한 정보는 다음 주제를 참조하십시오.
- 사용자 정의 머신 러닝 엔진 추가.
- Microsoft Azure 머신 러닝 스튜디오 엔진 추가
- Microsoft Azure 머신 러닝 서비스 엔진 추가
- Amazon SageMaker 기계 학습 엔진 추가
코딩 예제는 ‘ Watson OpenScale ’ 샘플 노트북을 참조하세요.