Παρακολούθηση της μηχανικής εκμάθησης Azure με το Watson OpenScale

Χαρακτηριστικά

Αυτό το μοτίβο κώδικα χρησιμοποιεί ένα σύνολο δεδομένων γερμανικής πίστωσης για να δημιουργήσει ένα μοντέλο λογιστικής παλινδρόμησης χρησιμοποιώντας το Azure. Το μοτίβο χρησιμοποιεί το Watson OpenScale για να συνδέσει το μοντέλο μηχανικής εκμάθησης που έχει αναπτυχθεί στο σύννεφο Azure, να δημιουργήσει μια συνδρομή και να εκτελέσει καταγραφή ωφέλιμου φορτίου και ανάδρασης.

Περιγραφή

Με το Watson OpenScale, μπορείτε να παρακολουθείτε την ποιότητα του μοντέλου και να καταγράφετε ωφέλιμα φορτία, ανεξάρτητα από το πού φιλοξενείται το μοντέλο. Αυτό το μοτίβο κώδικα χρησιμοποιεί ένα παράδειγμα ενός μοντέλου Azure, το οποίο δείχνει την ανεξάρτητη και ανοιχτή φύση του Watson OpenScale. Το IBM Watson OpenScale είναι ένα ανοιχτό περιβάλλον που επιτρέπει στους οργανισμούς να αυτοματοποιήσουν και να λειτουργήσουν την τεχνητή νοημοσύνη τους. Παρέχει μια ισχυρή πλατφόρμα για τη διαχείριση μοντέλων AI και μηχανικής μάθησης στο IBM Cloud ή οπουδήποτε μπορεί να αναπτυχθεί και προσφέρει αυτά τα οφέλη:

Open by design: Το Watson OpenScale επιτρέπει την παρακολούθηση και τη διαχείριση μοντέλων μηχανικής μάθησης και βαθιάς μάθησης που έχουν κατασκευαστεί χρησιμοποιώντας οποιοδήποτε πλαίσιο ή IDE και αναπτύσσονται σε οποιαδήποτε μηχανή φιλοξενίας μοντέλων.

Οδηγήστε πιο δίκαια αποτελέσματα: Το Watson OpenScale εντοπίζει και βοηθά στον μετριασμό των προκαταλήψεων του μοντέλου για να επισημάνετε τα θέματα δικαιοσύνης Η πλατφόρμα παρέχει εξήγηση απλού κειμένου για τα εύρη δεδομένων που έχουν επηρεαστεί από προκατάληψη στο μοντέλο και οπτικοποιήσεις που βοηθούν τους επιστήμονες δεδομένων και τους επιχειρηματικούς χρήστες να κατανοήσουν τον αντίκτυπο στα επιχειρηματικά αποτελέσματα. Καθώς εντοπίζονται προκαταλήψεις, το Watson OpenScale δημιουργεί αυτόματα ένα σύνθετο μοντέλο με προκατάληψη που τρέχει δίπλα στο αναπτυσσόμενο μοντέλο, προεπισκόπηση των αναμενόμενων πιο δίκαιων αποτελεσμάτων στους χρήστες χωρίς αντικατάσταση του αρχικού.

Εξηγήστε τις συναλλαγές: Το Watson OpenScale βοηθά τις επιχειρήσεις να φέρουν διαφάνεια και δυνατότητα ελέγχου σε εφαρμογές που έχουν τεθεί σε AI, δημιουργώντας εξηγήσεις για μεμονωμένες συναλλαγές που βαθμολογούνται, συμπεριλαμβανομένων των χαρακτηριστικών που χρησιμοποιήθηκαν για την πρόβλεψη και τη στάθμιση κάθε χαρακτηριστικού.

Όταν ολοκληρώσετε αυτό το πρότυπο κώδικα, καταλαβαίνετε πώς να:

• Προετοιμάστε δεδομένα, εκπαιδεύστε ένα μοντέλο και αναπτύξτε χρησιμοποιώντας το Azure
• Βαθμολογήστε το μοντέλο χρησιμοποιώντας δείγματα βαθμολογίας και το τελικό σημείο βαθμολογίας
• Ρυθμίστε ένα Watson OpenScale data mart
• Συνδέστε το μοντέλο Azure στο Watson OpenScale data mart
• Προσθέστε συνδρομές στο data mart
• Ενεργοποίηση καταγραφής ωφέλιμου φορτίου και παρακολούθησης απόδοσης και για τα δύο εγγεγραμμένα στοιχεία
• Χρησιμοποιήστε το data mart για πρόσβαση σε δεδομένα πινάκων μέσω συνδρομής

Ροή

1. Ο προγραμματιστής δημιουργεί ένα σημειωματάριο Jupyter χρησιμοποιώντας δεδομένα από το credit_risk_training.csv αρχείο.
2. Το Jupyter Notebook είναι συνδεδεμένο σε μια βάση δεδομένων PostgreSQL που αποθηκεύει τα δεδομένα του Watson OpenScale.
3. Ένα μοντέλο μηχανικής εκμάθησης δημιουργείται χρησιμοποιώντας το Azure Machine Learning Studio και αναπτύσσεται στο cloud.
4. Το Watson OpenScale χρησιμοποιείται από το σημειωματάριο για να καταγράφει το ωφέλιμο φορτίο και να παρακολουθεί την απόδοση.

Οδηγίες

Βρείτε τα λεπτομερή βήματα για αυτό το μοτίβο στο readme αρχείο. Τα βήματα θα σας δείξουν πώς:

1. Κλωνοποιήστε το αποθετήριο.
2. Δημιουργήστε μια υπηρεσία Watson OpenScale.
3. Δημιουργήστε ένα μοντέλο στο Azure Machine Learning Studio.
4. Εκτελέστε το σημειωματάριο.