Podsumowanie
Ten wzorzec kodu opisuje sposób uzyskiwania szczegółowych informacji za pomocą Watson OpenScale i modelu uczenia maszynowego SageMaker. Wyjaśnia, jak stworzyć model regresji logistycznej za pomocą Amazon SageMaker z danymi z Baza danych uczenia maszynowego UC Irvine. Wzorzec wykorzystuje Watson OpenScale do powiązania modelu uczenia maszynowego wdrożonego w chmurze AWS, utworzenia subskrypcji oraz wykonywania rejestrowania ładunku i informacji zwrotnych.
Opis
Dzięki Watson OpenScale możesz monitorować jakość modelu i rejestrować ładunek, niezależnie od tego, gdzie model jest hostowany. Ten wzorzec kodu wykorzystuje przykład modelu Amazon Web Service (AWS) SageMaker, który demonstruje niezależny i otwarty charakter Watson OpenScale. IBM Watson OpenScale to otwarte środowisko, które umożliwia organizacjom automatyzację i operacjonalizację sztucznej inteligencji. OpenScale zapewnia zaawansowaną platformę do zarządzania modelami sztucznej inteligencji i uczenia maszynowego w chmurze IBM Cloud lub w dowolnym miejscu, w którym mogą zostać wdrożone, i oferuje następujące korzyści:
Otwarte z założenia: Watson OpenScale umożliwia monitorowanie i zarządzanie modelami uczenia maszynowego i głębokiego uczenia zbudowanymi przy użyciu dowolnych frameworków lub IDE i wdrożonych na dowolnym silniku hostingu modeli.
Osiągaj bardziej sprawiedliwe wyniki: Watson OpenScale wykrywa i pomaga złagodzić błędy modelu, aby podkreślić problemy z uczciwością. Platforma zapewnia zwykły tekst objaśniający zakresy danych, na które wpłynęły odchylenia w modelu, oraz wizualizacje, które pomagają naukowcom zajmującym się danymi i użytkownikom biznesowym zrozumieć wpływ na wyniki biznesowe. Po wykryciu uprzedzeń Watson OpenScale automatycznie tworzy model towarzyszący bez odchyleń, który działa obok wdrożonego modelu, w ten sposób wyświetlając użytkownikom oczekiwane bardziej sprawiedliwe wyniki bez zastępowania oryginału.
Wyjaśnij transakcje: Watson OpenScale pomaga przedsiębiorstwom zapewnić przejrzystość i możliwość audytu aplikacjom wykorzystującym sztuczną inteligencję, generując wyjaśnienia dla poszczególnych transakcji, które są oceniane, w tym atrybuty użyte do prognozowania i ważenia każdego atrybutu.
Zautomatyzuj tworzenie sztucznej inteligencji: Synteza sieci neuronowych (NeuNetS), obecnie dostępna w wersji beta, syntetyzuje sieci neuronowe poprzez fundamentalne zaprojektowanie niestandardowego projektu dla danego zestawu danych. W wersji beta NeuNetS obsługuje modele klasyfikacji obrazów i tekstu. NeuNetS skraca czas i obniża barierę umiejętności wymaganą do projektowania i szkolenia niestandardowych sieci neuronowych, dzięki czemu sieci neuronowe znajdują się w zasięgu nietechnicznych ekspertów w danej dziedzinie, a naukowcy zajmujący się danymi są bardziej wydajni.
Po ukończeniu tego wzorca kodu zrozumiesz, jak:
- Przygotuj dane, trenuj model i wdrażaj za pomocą AWS SageMaker
- Oceń model, używając przykładowych rekordów oceniania i punktu końcowego oceniania
- Skonfiguruj zbiorczą bazę danych Watson OpenScale
- Powiąż model SageMaker z hurtownią danych Watson OpenScale
- Dodaj subskrypcje do hurtowni danych
- Włącz rejestrowanie ładunku i monitorowanie wydajności dla obu subskrybowanych zasobów
- Użyj zbiorczej bazy danych, aby uzyskać dostęp do danych tabel w ramach subskrypcji
Przepływ
- Deweloper tworzy notatnik Jupyter przy użyciu danych z Baza danych uczenia maszynowego UCI.
- Notatnik Jupyter jest połączony z bazą danych PostgreSQL, która przechowuje dane Watson OpenScale.
- Model uczenia maszynowego jest tworzony przy użyciu AWS SageMaker i wdrażany w chmurze.
- Watson Open Scale jest używany przez notebook do rejestrowania ładunku i monitorowania wydajności.
Instrukcje
Znajdź szczegółowe kroki dla tego wzoru w plik readme. Kroki pokazują, jak:
- Sklonuj repozytorium.
- Utwórz bazę danych Compose for PostgreSQL.
- Utwórz usługę Watson OpenScale.
- Uruchom notatniki.
- dostęp
- AI
- Amazonka
- Amazon Sage Maker
- aplikacje
- AWS
- beta
- ciało
- biznes
- klasyfikacja
- Chmura
- kod
- zawartość
- dane
- zbiór danych
- Baza danych
- głęboka nauka
- Wnętrze
- Deweloper
- Środowisko
- eksperci
- pływ
- Atrakcja
- W jaki sposób
- How To
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- ICS
- obraz
- Rezultat
- Włącznie z
- spostrzeżenia
- problemy
- IT
- Notebook Jupyter
- nauka
- uczenie maszynowe
- Dokonywanie
- i konserwacjami
- model
- monitorowanie
- sieć
- sieci
- Nerwowy
- sieci neuronowe
- sieci neuronowe
- laptopy
- Oferty
- koncepcja
- Wzór
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- Platforma
- przepowiednia
- jakość
- dokumentacja
- regresja
- sagemaker
- Skala
- Naukowcy
- zestaw
- sklep
- subskrypcja
- podpory
- czas
- transakcje
- Przezroczystość
- Użytkownicy
- Watson
- sieć
- w ciągu