Seuraa Azure-koneoppimista Watson OpenScale -sovelluksella

Yhteenveto

Tämä koodimalli käyttää saksalaista luottotietojoukkoa logistisen regressiomallin luomiseen Azurea käyttämällä. Malli käyttää Watson OpenScalea sitomaan Azure-pilvessä käyttöönotetun koneoppimismallin, luomaan tilauksen ja suorittamaan hyötykuorman ja palautteen kirjaamista.

Kuvaus

Watson OpenScale -sovelluksella voit seurata mallin laatua ja kirjata hyötykuormia riippumatta siitä, missä mallia isännöidään. Tämä koodimalli käyttää esimerkkiä Azure-mallista, joka osoittaa Watson OpenScale -laitteen itsenäisen ja avoimen luonteen. IBM Watson OpenScale on avoin ympäristö, jonka avulla organisaatiot voivat automatisoida ja operoida tekoälynsä. Se tarjoaa tehokkaan alustan tekoälyn ja koneoppimismallien hallintaan IBM Cloudissa tai missä niitä voidaan käyttää, ja tarjoaa seuraavat edut:

Suunnittelu: Watson OpenScale mahdollistaa koneoppimisen ja syvällisen oppimisen mallien seurannan ja hallinnan, jotka on rakennettu käyttämällä mitä tahansa kehyksiä tai IDE: itä ja jotka on asennettu mihin tahansa mallin isännöintimoottoriin.

Aja oikeudenmukaisempia tuloksia: Watson OpenScale havaitsee ja auttaa vähentämään mallien ennakkoluuloja korostamaan oikeudenmukaisuuskysymyksiä. Alusta tarjoaa selkokielisen selityksen tietovälille, joihin mallin ennakkoluulot ovat vaikuttaneet, ja visualisoinnit, jotka auttavat tutkijoita ja yrityskäyttäjiä ymmärtämään vaikutuksen liiketoiminnan tuloksiin. Kun ennakkoluuloja havaitaan, Watson OpenScale luo automaattisesti puolueettoman kumppanimallin, joka toimii käyttöönotetun mallin vieressä, esikatselemalla siten odotetut oikeudenmukaisemmat tulokset käyttäjille korvaamatta alkuperäistä.

Selitä tapahtumia: Watson OpenScale auttaa yrityksiä lisäämään tekoälyyn infusoitujen sovellusten läpinäkyvyyttä ja auditoitavuutta luomalla selityksiä yksittäisille pisteytetyille tapahtumille, mukaan lukien attribuutit, joita käytettiin kunkin attribuutin ennustamiseen ja painottamiseen.

Kun olet täyttänyt tämän koodimallin, ymmärrät kuinka:

• Valmistele tiedot, kouluta malli ja ota käyttöön Azuren avulla
• Pisteytä malli käyttämällä näytepisteytysrekisteriä ja pisteytyspistettä
• Määritä Watson OpenScale -tietotiedosto
• Liitä Azure-malli Watson OpenScale -tietotiedostoon
• Lisää tilauksia data mart
• Ota käyttöön molempien merkittyjen hyödykkeiden hyötykuorman kirjaaminen ja suorituskyvyn seuranta
• Käytä taulukkotietoja pääsyäksesi taulukkotietoihin tilauksen kautta

Virtaus

1. Kehittäjä luo Jupyter-muistikirjan käyttämällä tietoja credit_risk_training.csv tiedosto.
2. Jupyter Notebook on kytketty PostgreSQL-tietokantaan, joka tallentaa Watson OpenScale -tiedot.
3. Koneoppimismalli luodaan Azure Machine Learning Studion avulla ja otetaan käyttöön pilvessä.
4. Muistikirja käyttää Watson OpenScale -ohjelmaa hyötykuorman kirjaamiseen ja suorituskyvyn seurantaan.

Ohjeet

Etsi tämän mallin yksityiskohtaiset vaiheet readme-tiedosto. Vaiheet osoittavat, miten:

1. Klooni arkisto.
2. Luo Watson OpenScale -palvelu.
3. Luo malli Azure Machine Learning Studiossa.
4. Suorita muistikirja.