Szybki start: Zautomatyzuj cykl życia modelu przy użyciu potoków

Przykładowe dane

Przykładowe dane używane w doświadczeniu z przewodnikiem to UCI: Dane marketingowe banku używane do przewidywania, czy klient zarejestruje się w promocji marketingowej.

• Wskazówki dotyczące wykonywania tego kursu

  Użyj obrazu wideo

  Wskazówka: Rozpocznij film wideo, a następnie podczas przewijania kursu film wideo przechodzi do trybu obrazowania. Zamknij spis treści wideo, aby uzyskać najlepsze doświadczenia z obrazem. Istnieje możliwość użycia trybu obrazowania w obrazie, dzięki czemu można śledzić film wideo podczas wykonywania zadań w tym kursie. Kliknij znaczniki czasu dla każdego zadania, które ma być wykonywane.

  Poniższy animowany obraz przedstawia sposób korzystania z funkcji obrazków wideo i spisu treści:

  

  Uzyskaj pomoc w społeczności

  Aby uzyskać pomoc dotyczącą tego kursu, można zadać pytanie lub znaleźć odpowiedź na forum dyskusyjnym społeczności Cloud Pak for Data.

  Konfigurowanie okien przeglądarki

  Aby uzyskać optymalne dopasowanie do tego kursu, otwórz stronę Cloud Pak for Data w jednym oknie przeglądarki i pozostaw ten kurs otwarty w innym oknie przeglądarki, aby łatwo przełączać się między dwiema aplikacjami. Rozważ rozmieszczenie dwóch okien przeglądarki obok siebie, aby ułatwić sobie śledzenie.

  

  Wskazówka: Jeśli podczas wykonywania tego kursu w interfejsie użytkownika pojawi się prezentacja z przewodnikiem, kliknij opcję Być może później.

  
  Początek strony
  

• Czynność 1: otwieranie projektu
  
  

  Potrzebny jest projekt do przechowywania zasobów laboratorium zapytań.

  Obejrzyj film wideo, aby zobaczyć, jak utworzyć projekt środowiska testowego i powiązać usługę. Następnie wykonaj poniższe kroki, aby sprawdzić, czy istnieje projekt lub utworzyć projekt środowiska testowego.

  Ten film wideo zawiera wizualną metodę zapoznawania się z pojęciami i zadaniami opisanymi w tej dokumentacji.

  1. Na ekranie głównym watsonx przewiń ekran do sekcji Projects . Jeśli wyświetlane są jakiekolwiek projekty, przejdź do Zadania 2. Jeśli nie są wyświetlane żadne projekty, należy wykonać poniższe kroki, aby utworzyć projekt.

  2. Kliknij opcję Utwórz projekt środowiska testowego. Po utworzeniu projektu w sekcji Projekty zostanie wyświetlony projekt środowiska testowego.

  Aby uzyskać więcej informacji lub obejrzeć film wideo, należy zapoznać się z sekcją Tworzenie projektu.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono ekran główny ze środowiskiem testowym wymienionym w sekcji Projekty. Teraz można otworzyć laboratorium podpowiedzi.
  
  

  

  
  Początek strony
  

• Czynność 2: tworzenie obszaru wdrażania
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo o godzinie 00:16.

  Obszary wdrażania ułatwiają organizowanie zasobów pomocniczych, takich jak dane wejściowe i środowiska, wdrażanie modeli lub funkcji w celu generowania predykcji lub rozwiązań, a także wyświetlanie lub edytowanie szczegółów wdrażania. Aby utworzyć obszar wdrażania, wykonaj następujące kroki.

  1. Z menu nawigacyjnego watsonx wybierz opcję Deployments(Wdrożenia). Jeśli istnieje obszar wdrażania, można przejść do Czynności 2.

  2. Kliknij opcję Nowy obszar wdrażania.

  3. Wpisz nazwę obszaru wdrażania.

  4. Wybierz z listy usługę pamięci masowej.

  5. Wybierz z listy udostępnioną usługę uczenia maszynowego.

  6. Kliknij makro Create.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono pusty obszar wdrażania:
  
  

  

  
  Początek strony
  

• Czynność 3: tworzenie przykładowego potoku
  
  

  Aby wyświetlić podgląd tego zadania, należy obejrzeć film wideo o godzinie 00:08.

  Tworzenie i uruchamianie potoków w projekcie. Aby utworzyć potok na podstawie przykładu w projekcie, wykonaj następujące kroki:

  1. Na stronie głównej watsonx wybierz środowisko testowe lub inny istniejący projekt z listy rozwijanej.

     

  2. Kliknij opcję Dostosuj moją podróż, a następnie wybierz opcję Wyświetl wszystkie zadania.

  3. Wybierz opcję Zautomatyzuj cykl życia modelu.

  4. Kliknij opcję Przykłady.

  5. Wybierz opcję Harmonizacja eksperymentu AutoAIi kliknij przycisk Dalej.

  6. Opcjonalnie: zmień nazwę potoku.

  7. Kliknij makro Create. Przykładowy potok pobiera dane treningowe, trenuje model uczenia maszynowego za pomocą narzędzia AutoAI i wybiera najlepszy potok do zapisania jako model. Model jest wdrażany w obszarze.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono przykładowy potok.
  
  

  

  
  Początek strony
  

• Czynność 4: Eksploracja istniejącego potoku
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo o godzinie 00:30.

  Przykładowy potok zawiera kilka węzłów do tworzenia zasobów i używania tych zasobów do budowania modelu. Aby wyświetlić węzły, wykonaj następujące kroki:

  1. Kliknij ikonę Obiekty globalne , aby wyświetlić parametry potoku. Rozwiń parametr deployment_space . Ten potok zawiera parametr służący do określania obszaru wdrażania, w którym jest przechowywany i wdrażany najlepszy model z eksperymentu AutoAI . Kliknij przycisk X , aby zamknąć okno.

  2. Kliknij dwukrotnie węzeł Utwórz plik danych , aby sprawdzić, czy jest on skonfigurowany do uzyskiwania dostępu do zestawu danych dla eksperymentu. Kliknij przycisk Anuluj , aby zamknąć panel właściwości.

  3. Kliknij dwukrotnie węzeł Utwórz eksperyment AutoAI . Wyświetl nazwę eksperymentu, zakres, w którym eksperyment jest przechowywany, typ predykcji (klasyfikacja binarna, klasyfikacja wieloklasowa lub regresja), kolumnę predykcji i klasę dodatnią. Pozostałe parametry są opcjonalne. Kliknij przycisk Anuluj , aby zamknąć panel właściwości.

  4. Kliknij dwukrotnie węzeł Uruchom eksperyment AutoAI . Ten węzeł uruchamia eksperyment AutoAI dotyczący wdrażania-predykcja bankowa-marketing, trenuje potoki, a następnie zapisuje najlepszy model. Dwa pierwsze parametry są wymagane. Pierwszy parametr pobiera dane wyjściowe z węzła Utwórz eksperyment AutoAI jako dane wejściowe do uruchomienia eksperymentu. Drugi parametr pobiera dane wyjściowe z węzła Utwórz plik danych jako dane wejściowe dla eksperymentu. Pozostałe parametry są opcjonalne. Kliknij przycisk Anuluj , aby zamknąć panel właściwości.

  5. Kliknij dwukrotnie węzeł Utwórz usługę Web Service . Ten węzeł tworzy wdrożenie o nazwie onboarding-bank-marketing-prediction-deployment. Pierwszy parametr pobiera najlepsze wyniki modelu z węzła eksperymentu Uruchom AutoAI jako dane wejściowe w celu utworzenia wdrożenia o określonej nazwie. Pozostałe parametry są opcjonalne. Kliknij przycisk Anuluj , aby zamknąć panel właściwości.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono właściwości węzła tworzenia usługi Web Service. Teraz można uruchomić przykładowy potok.
  
  

  

  
  Początek strony
  

• Czynność 5: uruchamianie potoku
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo począwszy od wersji 03:43.

  Po zakończeniu potoku wykonaj następujące kroki, aby uruchomić potok:

  1. Na pasku narzędzi kliknij opcję Uruchom potok > Uruchom wersję próbną.

  2. W sekcji Wartości parametrów potoku wybierz obszar wdrażania:

     1. Kliknij opcję Wybierz obszar.

     2. Kliknij opcję Obszary.

     3. Wybierz obszar wdrażania w obszarze Czynność 1.

     4. Kliknij przycisk Wybierz.

  3. Podaj klucz API, jeśli jest to pierwsza okazja uruchomienia potoku. Zasoby rurociągu używają osobistego klucza API IBM Cloud do bezpiecznego uruchamiania operacji bez zakłóceń.

     • Jeśli masz istniejący klucz API, kliknij opcję Użyj istniejącego klucza API, wklej klucz API i kliknij przycisk Zapisz.

     • Jeśli nie masz istniejącego klucza API, kliknij opcję Wygeneruj nowy klucz API, podaj nazwę i kliknij przycisk Zapisz. Skopiuj klucz API, a następnie zapisz go do użycia w przyszłości. Po zakończeniu kliknij przycisk Zamknij.

  4. Kliknij przycisk Uruchom , aby uruchomić potok.

  5. Monitoruj postęp potoku.

     1. Podczas działania potoku przewiń dzienniki skonsolidowane. Wykonanie wersji próbnej może potrwać do 10 minut.

     2. Po zakończeniu każdej operacji wybierz węzeł dla tej operacji na kanwie.

     3. Na karcie Inspektor węzła wyświetl szczegóły operacji.

     4. Kliknij kartę Wyjście węzła , aby wyświetlić podsumowanie wyników dla każdej operacji węzła.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono potok po zakończeniu okresu próbnego. Teraz można przejrzeć zasoby utworzone przez potok.
  
  

  

  
  Początek strony
  

• Czynność 6: wyświetlanie zasobów, wdrożonego modelu i wdrożenia w trybie z połączeniem
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo począwszy od wersji 04:27.

  Potok utworzył kilka zasobów w obszarze wdrażania. Aby wyświetlić zasoby aplikacyjne, wykonaj następujące kroki:

  1. Z menu nawigacyjnego watsonx wybierz opcję Deployments(Wdrożenia).

  2. Kliknij nazwę obszaru wdrażania.

  3. Na karcie Zasoby wyświetl Wszystkie zasoby.

  4. Kliknij zasób danych bank-marketing-data.csv . Ten zasób został utworzony przez węzeł Utwórz plik danych .

  5. Kliknij model rozpoczynający się nazwą onboarding-bank-marketing-Przewidywanie. Eksperyment Uruchom AutoAI wygenerował kilka kandydatów do modelu i wybrał ten model jako najlepszy.

  6. Kliknij kartę Szczegóły modelu i przewiń informacje o modelu i treningu.

  7. Kliknij kartę Deployments (Wdrożenia), a następnie otwórz kartę onboarding-bank-marketing-diction-deployment.

     1. Kliknij kartę Test .

     2. Kliknij kartę Dane wejściowe JSON .

     3. Zastąp przykładowy tekst następującym tekstem JSON, a następnie kliknij opcję Predykt.

        {
          "input_data": [
                  {
                          "fields": [
                                  "age",
                                  "job",
                                  "marital",
                                  "education",
                                  "default",
                                  "balance",
                                  "housing",
                                  "loan",
                                  "contact",
                                  "day",
                                  "month",
                                  "duration",
                                  "campaign",
                                  "pdays",
                                  "previous",
                                  "poutcome"
                          ],
                          "values": [
                                  [
                                          35,
                                          "management",
                                          "married",
                                          "tertiary",
                                          "no",
                                          0,
                                          "yes",
                                          "no",
                                          "cellular",
                                          1,
                                          "jun",
                                          850,
                                          10,
                                          -1,
                                          4,
                                          "unknown"
                                  ]
                          ]
                  }
          ]
        }
        

  Sprawdź postęp

  Na poniższym obrazku przedstawiono wyniki testu. Przewidywanie ma na celu zatwierdzenie kandydata. Oceny ufności dla testu mogą się różnić od ocen, które są przedstawione na obrazku.
  
  

  

  
  Początek strony
  

• Wypróbuj inne metody budowania modeli:

  • Budowanie i wdrażanie modelu przy użyciu AutoAI
  • Budowanie i wdrażanie modelu w notatniku Jupyter
  • Tworzenie i wdrażanie modelu za pomocą programu SPSS Modeler
  • Budowanie i wdrażanie modelu Decision Optimization

• Wyświetl więcej filmów wideo.

• Znajdź przykładowe zestawy danych, projekty, modele, pytania i notatniki w przykładach, aby uzyskać praktyczne doświadczenie:

  Notebooki , które można dodać do projektu, aby rozpocząć analizę danych i budowanie modeli.

  Projekty , które można zaimportować zawierające notatniki, zestawy danych, pytania i inne zasoby.

  Zestawy danych , które można dodać do projektu w celu uszczegółowienia, analizowania i budowania modeli.

  Pytania , których można użyć w laboratorium pytań w celu wyświetlenia pytania o model podstawowy.

  Modele Foundation , których można używać w laboratorium podpowiedzi.