요약
이 코드 패턴은 독일 신용 데이터 세트를 사용하여 Azure를 사용하여 로지스틱 회귀 모델을 만듭니다. 패턴은 Watson OpenScale을 사용하여 Azure 클라우드에 배포된 기계 학습 모델을 바인딩하고, 구독을 생성하고, 페이로드 및 피드백 로깅을 수행합니다.
상품 설명
Watson OpenScale을 사용하면 모델이 호스팅되는 위치에 관계없이 모델 품질을 모니터링하고 페이로드를 로그 할 수 있습니다. 이 코드 패턴은 Watson OpenScale의 독립적이고 개방적인 특성을 보여주는 Azure 모델의 예를 사용합니다. IBM Watson OpenScale은 조직이 AI를 자동화하고 운영 할 수있는 개방형 환경입니다. IBM Cloud에서 또는 배치 될 수있는 모든 위치에서 AI 및 기계 학습 모델을 관리 할 수있는 강력한 플랫폼을 제공하며 다음과 같은 이점을 제공합니다.
설계에 의한 개방 : Watson OpenScale을 사용하면 모든 프레임 워크 또는 IDE를 사용하여 구축하고 모든 모델 호스팅 엔진에 배포 된 머신 러닝 및 딥 러닝 모델을 모니터링 및 관리 할 수 있습니다.
공정한 결과 도출 : Watson OpenScale은 공정성 문제를 강조하기 위해 모델 편향을 감지하고 완화합니다. 이 플랫폼은 데이터 과학자와 비즈니스 사용자가 비즈니스 성과에 미치는 영향을 이해하는 데 도움이되는 모델 및 시각화의 편차로 인해 영향을받은 데이터 범위에 대한 일반 텍스트 설명을 제공합니다. 바이어스가 감지되면 Watson OpenScale은 배포 된 모델 옆에 실행되는 바이어스가 제거 된 컴패니언 모델을 자동으로 생성하므로 원본을 바꾸지 않고도 사용자에게 더 공정한 결과를 미리 볼 수 있습니다.
트랜잭션 설명 : Watson OpenScale은 기업이 각 속성의 예측 및 가중치를 만드는 데 사용 된 속성을 포함하여 점수가 매겨지는 개별 트랜잭션에 대한 설명을 생성하여 AI 주입 응용 프로그램에 투명성과 감사 기능을 제공하도록 도와줍니다.
이 코드 패턴을 완료하면 다음을 수행하는 방법을 이해합니다.
- Azure를 사용하여 데이터 준비, 모델 교육 및 배포
- 샘플 스코어링 레코드 및 스코어링 엔드 포인트를 사용하여 모델 스코어링
- Watson OpenScale 데이터 마트 설정
- Azure 모델을 Watson OpenScale 데이터 마트에 바인딩
- 데이터 마트에 구독 추가
- 가입 된 자산 모두에 대한 페이로드 로깅 및 성능 모니터링
- 구독을 통해 데이터 마트를 사용하여 테이블 데이터에 액세스
흐름
- 개발자는 다음의 데이터를 사용하여 Jupyter Notebook을 만듭니다. Credit_risk_training.csv 파일.
- Jupyter Notebook은 Watson OpenScale 데이터를 저장하는 PostgreSQL 데이터베이스에 연결되어 있습니다.
- 기계 학습 모델은 Azure Machine Learning Studio를 사용하여 만들어지고 클라우드에 배포됩니다.
- Watson OpenScale은 노트북에서 페이로드를 기록하고 성능을 모니터링하는 데 사용됩니다.
명령
이 패턴에 대한 자세한 단계는 읽어보기 파일. 단계는 다음을 수행하는 방법을 보여줍니다.
- 저장소를 복제하십시오.
- Watson OpenScale 서비스를 작성하십시오.
- Azure Machine Learning Studio에서 모델을 만듭니다.
- 노트북을 실행하십시오.