Jälgige Azure'i masinõpet Watson OpenScale'iga

kokkuvõte

See koodimuster kasutab Azure'i abil logistilise regressioonimudeli loomiseks Saksa krediidiandmete kogumit. Muster kasutab Watson OpenScale'i Azure'i pilves juurutatud masinõppemudeli sidumiseks, tellimuse loomiseks ning kasuliku koormuse ja tagasiside logimiseks.

Kirjeldus

Watson OpenScale'iga saate jälgida mudeli kvaliteeti ja logida kasulikku koormust, olenemata mudeli hostimisest. See koodimuster kasutab Azure'i mudeli näidet, mis demonstreerib Watson OpenScale'i sõltumatut ja avatud olemust. IBM Watson OpenScale on avatud keskkond, mis võimaldab organisatsioonidel oma tehisintellekti automatiseerida ja kasutusele võtta. See pakub võimsat platvormi tehisintellekti ja masinõppe mudelite haldamiseks IBM Cloudis või kõikjal, kus neid kasutatakse, ja pakub järgmisi eeliseid:

Disainiga avatud: Watson OpenScale võimaldab jälgida ja hallata masinõppe ja süvaõppe mudeleid, mis on loodud mis tahes raamistike või IDE-de abil ja mis on juurutatud mis tahes mudeli hostimismootoris.

Õiglasemate tulemuste saavutamine: Watson OpenScale tuvastab ja aitab leevendada mudeli kallutatust, et tuua esile õigluse probleemid. Platvorm pakub lihtteksti selgitusi andmevahemike kohta, mida mudeli kallutatus on mõjutanud, ja visualiseerimisi, mis aitavad andmeteadlastel ja ärikasutajatel mõista mõju äritulemustele. Eelarvamuste tuvastamisel loob Watson OpenScale automaatselt kallutatud kaasmudeli, mis töötab juurutatud mudeli kõrval, kuvades seeläbi kasutajate jaoks eeldatavate õiglasemate tulemuste eelvaate originaali asendamata.

Tehingute selgitamine: Watson OpenScale aitab ettevõtetel tuua tehisintellektiga infundeeritud rakendustesse läbipaistvust ja auditeeritavust, luues selgitusi hinnatavate üksikute tehingute kohta, sealhulgas atribuudid, mida kasutati iga atribuudi ennustamiseks ja kaalumiseks.

Kui olete selle koodimustri täitnud, saate aru, kuidas:

• Valmistage ette andmed, koolitage mudel ja juurutage Azure'i abil
• Hinda mudelit näidispunktide ja punktide määramise lõpp-punkti abil
• Seadistage Watson OpenScale andmekeskus
• Siduge Azure'i mudel Watson OpenScale'i andmemargiga
• Lisage andmeturule tellimusi
• Lubage mõlema tellitud vara jaoks kasuliku koormuse logimine ja toimivuse jälgimine
• Tabeliandmetele juurdepääsuks tellimuse kaudu kasutage Data marti

voolama

1. Arendaja loob Jupyteri sülearvuti andmete põhjal credit_risk_training.csv faili.
2. Jupyteri sülearvuti on ühendatud PostgreSQL-i andmebaasiga, mis salvestab Watson OpenScale'i andmeid.
3. Masinõppemudel luuakse Azure Machine Learning Studio abil ja juurutatakse pilves.
4. Sülearvuti kasutab Watson OpenScale'i kasuliku koormuse logimiseks ja jõudluse jälgimiseks.

Juhised

Selle mustri üksikasjalikud juhised leiate jaotisest readme fail. Need sammud näitavad teile, kuidas:

1. Kloonige hoidla.
2. Looge Watson OpenScale teenus.
3. Looge Azure Machine Learning Studios mudel.
4. Käivitage märkmik.