نبذة عامة
يصف نمط الكود هذا طريقة لاكتساب رؤى باستخدام Watson OpenScale ونموذج التعلم الآلي لـ SageMaker. يشرح كيفية إنشاء نموذج انحدار لوجستي باستخدام Amazon SageMaker ببيانات من قاعدة بيانات جامعة كاليفورنيا للتعلم الآلي. يستخدم النمط Watson OpenScale لربط نموذج التعلم الآلي المنشور في سحابة AWS ، وإنشاء اشتراك ، وإجراء تسجيل الحمولة وتسجيل الملاحظات.
الوصف
باستخدام Watson OpenScale ، يمكنك مراقبة جودة النموذج وتسجيل الحمولات ، بغض النظر عن مكان استضافة النموذج. يستخدم نمط الكود هذا مثال نموذج SageMaker من Amazon Web Service (AWS) ، والذي يوضح الطبيعة المستقلة والمفتوحة لـ Watson OpenScale. يعد IBM Watson OpenScale بيئة مفتوحة تمكن المؤسسات من أتمتة وتشغيل الذكاء الاصطناعي. يوفر OpenScale نظامًا أساسيًا قويًا لإدارة نماذج التعلم الآلي والذكاء الاصطناعي على سحابة IBM Cloud أو في أي مكان قد يتم نشرها فيه ، ويقدم هذه المزايا:
مفتوح حسب التصميم: يسمح Watson OpenScale بمراقبة وإدارة نماذج التعلم الآلي والتعلم العميق المصممة باستخدام أي أطر عمل أو IDEs ويتم نشرها على أي محرك لاستضافة النماذج.
تحقيق نتائج أكثر إنصافًا: يكتشف Watson OpenScale ويساعد على التخفيف من تحيزات النموذج لإبراز مشكلات الإنصاف. توفر المنصة شرحًا واضحًا لنطاقات البيانات التي تأثرت بالتحيز في النموذج والمرئيات التي تساعد علماء البيانات ومستخدمي الأعمال على فهم التأثير على نتائج الأعمال. عندما يتم الكشف عن التحيزات ، يقوم Watson OpenScale تلقائيًا بإنشاء نموذج مصاحب متحيز يعمل بجانب النموذج المنشور ، وبالتالي معاينة النتائج العادلة العادلة للمستخدمين دون استبدال النموذج الأصلي.
شرح المعاملات: يساعد Watson OpenScale المؤسسات على تحقيق الشفافية وقابلية التدقيق للتطبيقات التي تحتوي على الذكاء الاصطناعي من خلال إنشاء تفسيرات للمعاملات الفردية التي يتم تسجيلها ، بما في ذلك السمات التي تم استخدامها للتنبؤ ووزن كل سمة.
أتمتة إنشاء الذكاء الاصطناعي: توليف الشبكة العصبية (NeuNetS) ، المتوفرة حاليًا كإصدار تجريبي ، وتوليف الشبكات العصبية من خلال تصميم تصميم مخصص لمجموعة بيانات معينة بشكل أساسي. في الإصدار التجريبي ، تدعم NeuNetS نماذج تصنيف الصور والنصوص. يقلل NeuNetS من الوقت ويقلل من حاجز المهارات المطلوب لتصميم وتدريب الشبكات العصبية المخصصة ، وبالتالي وضع الشبكات العصبية في متناول خبراء الموضوع غير التقنيين ، فضلاً عن جعل علماء البيانات أكثر إنتاجية.
عند الانتهاء من نمط الرمز هذا ، ستفهم كيفية:
- قم بإعداد البيانات وتدريب نموذج ونشره باستخدام AWS SageMaker
- سجل النموذج باستخدام سجلات تسجيل العينة ونقطة نهاية التسجيل
- قم بإعداد سوق بيانات Watson OpenScale
- اربط نموذج SageMaker بسوق بيانات Watson OpenScale
- إضافة اشتراكات إلى سوق البيانات
- تمكين تسجيل الحمولة ومراقبة الأداء لكل من الأصول المشتركة
- استخدم مارت مارت للوصول إلى بيانات الجداول من خلال الاشتراك
التدفق
- ينشئ المطور Jupyter Notebook باستخدام بيانات من قاعدة بيانات التعلم الآلي الخاصة بالاتحاد الدولي للدراجات.
- متصل Jupyter Notebook بقاعدة بيانات PostgreSQL التي تخزن بيانات Watson OpenScale.
- يتم إنشاء نموذج التعلم الآلي باستخدام AWS SageMaker ونشره في السحابة.
- يتم استخدام Watson Open Scale بواسطة الكمبيوتر الدفتري لتسجيل الحمولة ومراقبة الأداء.
تعليمات
العثور على الخطوات التفصيلية لهذا النمط في الملف التمهيدي. توضح لك الخطوات كيفية:
- استنساخ المستودع.
- إنشاء قاعدة بيانات لإنشاء قاعدة بيانات PostgreSQL.
- إنشاء خدمة Watson OpenScale.
- قم بتشغيل دفاتر الملاحظات.
- الوصول
- AI
- أمازون
- الأمازون SageMaker
- التطبيقات
- AWS
- بيتا
- الجسدي
- الأعمال
- تصنيف
- سحابة
- الكود
- محتوى
- البيانات
- مجموعة البيانات
- قاعدة البيانات
- التعلم العميق
- تصميم
- المطور
- البيئة
- خبرائنا
- تدفق
- تسليط الضوء
- كيفية
- كيفية
- HTTPS
- IBM
- آي بي إم الغيمة
- IBM واتسون
- ICS
- صورة
- التأثير
- بما فيه
- رؤى
- مسائل
- IT
- مفكرة Jupyter
- تعلم
- آلة التعلم
- القيام ب
- إدارة
- نموذج
- مراقبة
- شبكة
- الشبكات
- عصبي
- الشبكة العصبية
- الشبكات العصبية
- أجهزة الكمبيوتر المحمولة
- عروض
- جاكيت
- نمط
- أداء
- المنصة
- تنبؤ
- جودة
- تسجيل
- تراجع
- sagemaker
- حجم
- العلماء
- طقم
- فروعنا
- اشتراك
- الدعم
- الوقت
- المعاملات
- الشفافية
- المستخدمين
- واتسون
- الويب
- في غضون
