עקוב אחר למידת מכונות Sagemaker עם Watson OpenScale

<br> סיכום

דפוס קוד זה מתאר דרך להשיג תובנות באמצעות Watson OpenScale ומודל למידת מכונה של SageMaker. הוא מסביר כיצד ליצור מודל רגרסיה לוגיסטי באמצעות Amazon SageMaker עם נתונים מה- מסד נתונים של למידת מכונה של UC Irvine. התבנית משתמשת ב-Watson OpenScale כדי לאגד את מודל למידת המכונה הפרוסה בענן AWS, ליצור מנוי ולבצע רישום עומס ורישום משוב.

תיאור

עם Watson OpenScale, אתה יכול לפקח על איכות המודל ולבצע רישום של עומסים, ללא קשר למקום שבו המודל מתארח. דפוס קוד זה משתמש בדוגמה של מודל SageMaker של Amazon Web Service (AWS), המדגים את האופי העצמאי והפתוח של Watson OpenScale. IBM Watson OpenScale היא סביבה פתוחה המאפשרת לארגונים להפוך את הבינה המלאכותית שלהם לאוטומטית ולבצע תפעול. OpenScale מספקת פלטפורמה רבת עוצמה לניהול מודלים של בינה מלאכותית ולמידת מכונה בענן IBM או בכל מקום שבו הם עשויים להיפרס, ומציעה את היתרונות הבאים:

פתוח על ידי תכנון: Watson OpenScale מאפשר ניטור וניהול של למידת מכונה ומודלים של למידה עמוקה שנבנו באמצעות כל מסגרות או IDEs ופרוסים בכל מנוע אירוח מודלים.

הוביל לתוצאות הוגנות יותר: ווטסון OpenScale מגלה ועוזר להפחית הטיות מודל כדי להדגיש סוגיות הוגנות. הפלטפורמה מספקת הסבר טקסט רגיל על טווחי הנתונים שהושפעו מהטיה במודל והמחשות הדמיה המסייעות למדענים ומשתמשים עסקיים להבין את ההשפעה על התוצאות העסקיות. כאשר מתגלים הטיות, ווטסון OpenScale יוצר אוטומטית מודל לוויה נטה-מוטה שפועל לצד הדגם הפרוס, ובכך מקדימה את התוצאות ההוגנות הצפויות למשתמשים מבלי להחליף את המקור.

הסבר עסקאות: Watson OpenScale מסייע לארגונים להביא לשקיפות ולביקורתיות ליישומים המוחזרים ב- AI על ידי יצירת הסברים לעסקאות בודדות הניקוד, כולל התכונות ששימשו לביצוע החיזוי והמשקל של כל תכונה.

אוטומציה של היצירה של AI: Neural Network Synthesis (NeuNetS), הזמינה כיום כגרסת בטא, מסנתזת רשתות עצביות על ידי ארכיטקטורה בסיסית של עיצוב מותאם אישית עבור מערך נתונים נתון. בגרסת הבטא, NeuNetS תומך במודלים של סיווג תמונות וטקסט. NeuNetS מפחיתה את הזמן ומפחיתה את מחסום המיומנויות הנדרשות לתכנון והכשרת רשתות עצביות מותאמות אישית, ובכך מעמידה רשתות עצביות בהישג ידם של מומחי נושאים שאינם טכניים, וכן הופכת את מדעני הנתונים לפרודוקטיביים יותר.

לאחר שתשלים דפוס קוד זה, תבינו כיצד:

• הכן נתונים, אמן מודל ופריסה באמצעות AWS SageMaker
• ציון המודל באמצעות רשומות ניקוד לדוגמה ונקודת הסיום של הניקוד
• הגדר מארט נתונים של Watson OpenScale
• חבר את מודל SageMaker לשוק הנתונים של Watson OpenScale
• הוסף מנויים למארט הנתונים
• אפשר רישום עומס ומעקב אחר ביצועים עבור שני הנכסים המנויים
• השתמש במרט נתונים כדי לגשת לנתוני טבלאות באמצעות מנוי

זרימה

1. המפתח יוצר מחברת Jupyter באמצעות נתונים מה- מסד נתונים של למידת מכונה של UCI.
2. מחברת Jupyter מחוברת למסד נתונים של PostgreSQL המאחסן את נתוני Watson OpenScale.
3. מודל למידת מכונה נוצר באמצעות AWS SageMaker ונפרס לענן.
4. Watson Open Scale משמש את המחשב הנייד לתיעוד המטען ולניטור הביצועים.

הוראות

מצא את הצעדים המפורטים לדפוס זה בסעיף קובץ readme. השלבים מראים כיצד:

1. שיבוט המאגר.
2. צור קומפוזיה עבור מסד נתונים PostgreSQL.
3. צור שירות Watson OpenScale.
4. הרץ את המחברות.