部署和管理 AI 资产

使用IBM watsonx.aiRuntime 部署和管理人工智能资产，并将其投入预生产和生产环境。管理和更新已部署的资产。您还可以使用 IBM Orchestration Pipelines 自动执行部分人工智能生命周期。

部署 AI 资产和编排管道

部署资产可通过端点进行测试或用于生产。

下图描述了在构建模型后部署模型，自动化生产路径以及监视和管理 AI 生命周期的过程:

AI 生命周期

部署资产

您可以使用watsonx.aiRuntime 从部署空间部署资产。要部署资产，必须将这些资产从项目推广到部署空间，或将这些资产直接导入到部署space.You还可以使用watsonx.ai部署经过调整的基础模型和提示模板。

有关更多信息，请参阅部署 AI 资产。

自动化管道

您可以使用协调管道（Orchestration Pipelines），通过构建管道来自动化人工智能生命周期中从构建模型到部署的各个环节，从而实现生产路径的自动化。

有关更多信息，请参阅使用管道编排任务。

以下资源演示了如何规划管理机器学习资产以及如何构建解决方案的关键部分。

查看快速入门教程，了解如何构建和部署机器学习模型:

快速入门教程
教程	描述
构建并部署机器学习模型	通过将无代码方法与自动化工具 AutoAI配合使用来构建机器学习模型。通过创建批处理部署来部署已训练的模型。通过创建批处理作业对批处理部署进行评分。
在 Jupyter Notebook	使用 Jupyter Notebook 中的代码来构建机器学习模型，以准备数据，构建模型并部署模型。
使用 SPSS Modeler构建和部署机器学习模型	通过使用 SPSS Modeler 流程，使用无代码方法构建机器学习模型。通过创建联机部署来部署已训练的模型，并实时测试该模型。
构建和部署 Decision Optimization 模型	使用 Decision Optimization构建机器学习模型。
使用管道自动执行模型的生命周期	创建并运行管道以自动构建和部署机器学习模型。

以下教程以金库银行为例，该银行需要借助模型进行股票异常分析，以提高生产力，并提高投资银行股票分析师的工作准确性。

watsonx.ai 用例
用例	描述
watsonx.ai 全程教程	使用任何工具（如 AutoAI, SPSS Modeler 或Jupyter笔记本）构建模型，然后部署并测试模型。此外，还可使用 watsonx.ai 转换数据并调整基础模型。