IBM Cloud Pak® for Data 4.7 版本将于 2025 年 7 月 31 日结束支持(EOS)。 欲了解更多信息,请参阅 IBM Cloud Pak for Data 版本 4.X 的停止服务公告。
在 IBM Cloud Pak for Data 4.7 版本支持结束之前,升级到 IBM Software Hub 5.1 版本。 更多信息,请参阅 IBM Software Hub 版本 5.1 文档中的升级 IBM Software Hub。
部署和管理机器学习资产
使用 Watson Machine Learning 来部署模型和解决方案,以便您可以将其投入生产使用,然后监视已部署的资产以实现公平性和可解释性。 您还可以自动执行 AI 生命周期,使机器学习资产保持最新状态。
完成 AI 生命周期
在准备数据并构建模型或解决方案之后,通过部署和监视资产来完成 AI 生命周期。
部署是在其中运行模型和代码的模型,脚本或 Web 应用程序的生命周期的最后阶段。 Watson Machine Learning 提供了部署资产所需的工具,例如机器学习模型,函数或 Decision Optimization 解决方案。
部署之后,可以使用模型管理工具来评估模型。 IBM Watson OpenScale 会跟踪并测量 AI 模型的结果,并帮助确保它们保持公平、可解释和符合标准。 Watson OpenScale 还会检测并帮助更正 AI 模型处于生产时的准确性漂移。
最后,您可以使用 IBM Watson Pipelines 来管理 ModelOps 流程。 创建自动执行 AI 生命周期部分的管道,例如训练和部署机器学习模型。
用例和教程
Watson Machine Learning 是 IBM的工具和功能的数据结构集合的一部分,用于管理和自动化数据和 AI 生命周期。 这些资源演示了如何规划管理机器学习资产以及如何构建 Data Fabric 和机器学习解决方案的关键部分。
有关数据光纤网如何以实际方式支持机器学习目标和操作的详细信息,请参阅 数据光纤网解决方案概述。
后续步骤
了解如何 管理部署空间中的资产
了解如何 从部署空间部署资产
查看演示使用 Python 客户机 或 REST API 进行部署的 样本 Notebook
使用 Watson OpenScale 评估已部署的模型是否存在偏差