Összegzésként
Ez a kódminta leírja a Watson OpenScale és a SageMaker gépi tanulási modell használatával történő betekintést. Elmagyarázza, hogyan hozhat létre logisztikus regressziós modellt az Amazon SageMaker használatával a UC Irvine gépi tanulási adatbázis. A minta a Watson OpenScale segítségével köti össze az AWS-felhőben telepített gépi tanulási modellt, előfizetést hoz létre, valamint hasznos terhelést és visszajelzést naplóz.
Leírás
A Watson OpenScale segítségével figyelemmel kísérheti a modell minőségét és naplózhatja a hasznos terheket, függetlenül attól, hogy a modell hol található. Ez a kódminta az Amazon Web Service (AWS) SageMaker modelljének példáját használja, amely bemutatja a Watson OpenScale független és nyitott természetét. Az IBM Watson OpenScale egy nyílt környezet, amely lehetővé teszi a szervezetek számára mesterséges intelligencia automatizálását és működtetését. Az OpenScale hatékony platformot biztosít az AI és a gépi tanulási modellek kezelésére az IBM Cloudon vagy bárhol, ahol telepíthetőek, és a következő előnyöket kínálja:
Tervezés szerint nyitott: A Watson OpenScale lehetővé teszi a gépi tanulási és mély tanulási modellek nyomon követését és kezelését, amelyek bármilyen keretrendszer vagy IDE felhasználásával készültek, és bármely modellgazdamotoron telepíthetők.
Tisztességesebb eredmények elérése: A Watson OpenScale észleli és segít enyhíteni a modell torzításait, hogy kiemelje a méltányossági problémákat. A platform egyszerű szöveges magyarázatot ad azokról az adattartományokról, amelyeket a modell torzítása befolyásolt, valamint olyan vizualizációkat, amelyek segítenek az adattudósoknak és az üzleti felhasználóknak megérteni az üzleti eredményekre gyakorolt hatást. Amint a torzítások észlelhetők, a Watson OpenScale automatikusan létrehoz egy torzításmentes kísérőmodellt, amely a telepített modell mellett fut, így az eredeti modell cseréje nélkül megtekintheti a várható igazságosabb eredményeket a felhasználók számára.
Tranzakciók magyarázata: A Watson OpenScale segít a vállalatoknak átláthatóságot és auditálhatóságot biztosítani az MI-vel átitatott alkalmazásokhoz azáltal, hogy magyarázatokat generál az egyes pontozott tranzakciókhoz, beleértve az egyes attribútumok előrejelzéséhez és súlyozásához használt attribútumokat is.
A mesterséges intelligencia létrehozásának automatizálása: A jelenleg béta verzióban elérhető NeuNetS (NeuNetS) neurális hálózatokat szintetizál azáltal, hogy alapvetően egyedi tervezést készít egy adott adatkészlethez. A béta verzióban a NeuNetS támogatja a kép- és szövegosztályozási modelleket. A NeuNetS csökkenti az időt és csökkenti az egyéni neurális hálózatok tervezéséhez és betanításához szükséges készségkorlátokat, ezáltal elérhetővé teszi a neurális hálózatokat a nem műszaki témájú szakértők számára, valamint termelékenyebbé teszi az adatkutatókat.
Ha befejezte ezt a kódmintát, meg fogja érteni, hogyan kell:
- Adatok előkészítése, modell betanítása és üzembe helyezése az AWS SageMaker segítségével
- Pontozza a modellt a mintapontozási rekordok és a pontozási végpont segítségével
- Hozzon létre egy Watson OpenScale adatpiacot
- Kösd össze a SageMaker modellt a Watson OpenScale adatpiaccal
- Adjon hozzá előfizetéseket az adatpiachoz
- Engedélyezze a hasznos tehernaplózást és a teljesítményfigyelést mindkét előfizetett eszköz számára
- A Data mart használatával előfizetésen keresztül érheti el a táblák adatait
Folyik
- A fejlesztő egy Jupyter Notebookot hoz létre a következőből származó adatok felhasználásával UCI gépi tanulási adatbázis.
- A Jupyter Notebook egy PostgreSQL adatbázishoz csatlakozik, amely a Watson OpenScale adatokat tárolja.
- A gépi tanulási modellt az AWS SageMaker segítségével készítik el, és telepítik a felhőbe.
- A Watson Open Scale-t a notebook a hasznos terhelés naplózására és a teljesítmény figyelésére használja.
Utasítás
A minta részletes lépéseit megtalálja a readme fájl. A lépések megmutatják, hogyan kell:
- A tár klónozása.
- Hozzon létre egy Compose for PostgreSQL adatbázist.
- Hozzon létre egy Watson OpenScale szolgáltatást.
- Futtassa a notebookokat.
- hozzáférés
- AI
- amazon
- Amazon SageMaker
- alkalmazások
- AWS
- beta
- test
- üzleti
- besorolás
- felhő
- kód
- tartalom
- dátum
- adatkészlet
- adatbázis
- mély tanulás
- Design
- Fejlesztő
- Környezet
- szakértők
- áramlási
- Kiemel
- Hogyan
- How To
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- ICS
- kép
- Hatás
- Beleértve
- meglátások
- kérdések
- IT
- Jupyter Jegyzetfüzet
- tanulás
- gépi tanulás
- Gyártás
- vezetés
- modell
- ellenőrzés
- hálózat
- hálózatok
- ideg-
- neurális hálózat
- neurális hálózatok
- laptopok
- Ajánlatok
- nyitva
- Mintás
- teljesítmény
- emelvény
- előrejelzés
- világítás
- nyilvántartások
- regresszió
- sagemaker
- Skála
- tudósok
- készlet
- árnyékolók
- előfizetés
- Támogatja
- idő
- Tranzakciók
- Átláthatóság
- Felhasználók
- Watson
- háló
- belül