Provedores de aprendizado de máquina compatíveis

o watsonx.ai Runtime e muitos provedores de aprendizado de máquina de terceiros são suportados para avaliações de modelos de aprendizado de máquina.

Use um desses provedores de aprendizado de máquina compatíveis para realizar o registro de carga útil, o registro de feedback e para medir a precisão do desempenho, a detecção de viés de tempo de execução, a capacidade de explicação e a função de deduções automáticas como parte da avaliação do modelo.

Suporte para múltiplos mecanismos de aprendizado de máquina

Você pode provisionar vários mecanismos de aprendizado de máquina ao configurar avaliações de modelos de aprendizado de máquina ou usar o Python SDK.

Adição de provedores para avaliações de modelos de aprendizado de máquina

  1. Na guia Configurar " o ícone de configuração é exibido, clique em Adicionar provedor de aprendizado de máquina.
  2. Selecione o provedor que você deseja incluir.
  3. Insira as informações necessárias, como as credenciais, e clique em Salvar.

Alteração ou atualização de detalhes para provedores de aprendizado de máquina

Clique no ícone " o ícone do menu de blocos do menu de blocos e, em seguida, clique em View & edit details (Exibir e editar detalhes).

Incluindo provedores de aprendizado de máquina usando o SDK Python

Você pode adicionar mais de um mecanismo de aprendizado de máquina para avaliações de modelos usando o método " wos_client.service_providers.add da API do Python.

Tempo de execução IBM watsonx.ai

Para adicionar o mecanismo de aprendizado de máquina do IBM watsonx.ai Runtime, execute o seguinte comando:

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

Para incluir o mecanismo de aprendizado de máquina do Azure ML Studio, execute o comando a seguir:

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

Para incluir o mecanismo de aprendizado de máquina AWS Sagemaker, execute o comando a seguir:

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 Service

Para incluir o mecanismo de aprendizado de máquina Azure ML Service, execute o comando a seguir:

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

Produzindo uma lista de provedores de aprendizado de máquina

Para visualizar uma lista de todas as ligações, execute o método list:

client.service_providers.list()

Tabela 1. Ligações de serviço
uid nome service_type criado em
e88ms###-####-####-############ My Azure ML Service engine azure_machine_learning 2019-04-04T09:50:33.189Z
e88sl###-####-####-############ My Azure ML Studio engine azure_machine_learning 2019-04-04T09:50:33.186Z
e00sjl###-####-####-############ WML instance watson_machine_learning 2019-03-04T09:50:33.338Z
e43kl###-####-####-############ My AWS SageMaker engine sagemaker_machine_learning 2019-04-04T09:50:33.186Z

Para obter informações sobre mecanismos de aprendizado de máquina específicos, consulte os tópicos a seguir:

Para obter um exemplo de codificação, consulte os notebooks de amostra Watson OpenScale.