Decision Optimization Modeling Assistant modelos

É possível modelar e resolver problemas do Decision Optimization usando o Modeling Assistant (que permite formular modelos em língua natural). Isso requer pouco ou nenhum conhecimento do Operational Research (OR) e não requer gravação de código Python. O Modeling Assistant está disponível apenas em inglês e não está globalizado

O fluxo de trabalho básico para criar um modelo com o Modeling Assistant e examiná-lo em diferentes cenários é o seguinte:

1. Crie um projeto.
2. Adicione um Decision Optimization (um cenário é criado por padrão na UI do experimento).
3. Inclua e importe seus dados no cenário.
4. Crie um modelo de língua natural no cenário, primeiro selecionando seu domínio de decisão e, em seguida, usando o Modeling Assistant para orientá-lo,
5. Execute o modelo para solucioná-lo e explorar a solução.
6. Crie visualizações da solução e dos dados.
7. Copie o cenário e edite o modelo e/ou os dados.
8. Resolva o novo cenário para ver o impacto dessas mudanças.

Isso é demonstrado com um simples exemplo de planejamento e agendamento .

Consulte também Construir, executar e implementar um Decision Optimization modelo para obter um vídeo rápido mostrando como executar um Decision Optimization experimento de amostra para criar, resolver e implementar um modelo usando a Decision Optimization IU de experimento.

Para obter mais informações sobre implantação, consulte Implantação com o watsonx.ai Runtime.