Обзор
Этот шаблон кода описывает способ получения информации с помощью Watson OpenScale и модели машинного обучения SageMaker. В нем объясняется, как создать модель логистической регрессии с помощью Amazon SageMaker с данными из База данных машинного обучения UC Irvine. Шаблон использует Watson OpenScale для привязки модели машинного обучения, развернутой в облаке AWS, создания подписки и ведения журнала полезной нагрузки и отзывов.
Описание
С помощью Watson OpenScale вы можете отслеживать качество модели и регистрировать полезные нагрузки независимо от того, где размещена модель. В этом шаблоне кода используется пример модели Amazon Web Service (AWS) SageMaker, демонстрирующий независимый и открытый характер Watson OpenScale. IBM Watson OpenScale — это открытая среда, которая позволяет организациям автоматизировать и эксплуатировать свой ИИ. OpenScale предоставляет мощную платформу для управления моделями искусственного интеллекта и машинного обучения в IBM Cloud или везде, где они могут быть развернуты, и предлагает следующие преимущества:
Open by design: Watson OpenScale позволяет осуществлять мониторинг и управление моделями машинного обучения и глубокого обучения, созданными с использованием любых сред или сред IDE и развернутыми на любом движке хостинга моделей.
Добейтесь более справедливых результатов: Watson OpenScale обнаруживает и помогает смягчить искажения моделей, чтобы выявить проблемы справедливости. Платформа предоставляет простое текстовое объяснение диапазонов данных, на которые повлияло смещение в модели, и визуализаций, которые помогают ученым и бизнес-пользователям понять влияние на результаты бизнеса. При обнаружении смещений Watson OpenScale автоматически создает сопутствующую модель с смещением, которая работает рядом с развернутой моделью, тем самым просматривая ожидаемые более справедливые результаты для пользователей без замены оригинала.
Объясните транзакции: Watson OpenScale помогает предприятиям привнести прозрачность и возможность аудита в приложения, наполненные искусственным интеллектом, генерируя объяснения для отдельных оцениваемых транзакций, включая атрибуты, которые использовались для прогнозирования и оценки каждого атрибута.
Автоматизируйте создание AI: Neural Network Synthesis (NeuNetS), в настоящее время доступный в виде бета-версии, синтезирует нейронные сети, фундаментально создавая индивидуальный дизайн для заданного набора данных. В бета-версии NeuNetS поддерживает модели классификации изображений и текста. NeuNetS сокращает время и снижает барьер навыков, необходимых для проектирования и обучения пользовательских нейронных сетей, тем самым делая нейронные сети доступными для специалистов, не являющихся техническими специалистами, а также повышая продуктивность специалистов по обработке и анализу данных.
Когда вы закончите этот шаблон кода, вы поймете, как:
- Подготовка данных, обучение модели и развертывание с помощью AWS SageMaker
- Оценка модели с использованием примеров записей оценки и конечной точки оценки
- Настройка витрины данных Watson OpenScale
- Привяжите модель SageMaker к киоску данных Watson OpenScale.
- Добавить подписки на киоск данных
- Включить ведение журнала полезной нагрузки и мониторинг производительности для обоих подписанных активов
- Используйте киоск данных для доступа к данным таблиц через подписку
Поток
- Разработчик создает блокнот Jupyter, используя данные из База данных машинного обучения UCI.
- Блокнот Jupyter подключен к базе данных PostgreSQL, в которой хранятся данные Watson OpenScale.
- Модель машинного обучения создается с помощью AWS SageMaker и развертывается в облаке.
- Watson Open Scale используется ноутбуком для регистрации полезной нагрузки и мониторинга производительности.
инструкции
Найти подробные шаги для этого шаблона в файл readme, Шаги показывают вам, как:
- Клонировать хранилище.
- Создайте базу данных Compose для PostgreSQL.
- Создайте сервис Watson OpenScale.
- Запустите тетради.
- доступ
- AI
- Amazon
- Создатель мудреца Амазонки
- Приложения
- AWS
- beta
- тело
- бизнес
- классификация
- облако
- код
- содержание
- данным
- набор данных
- База данных
- глубокое обучение
- Проект
- Застройщик
- Окружающая среда
- эксперты
- поток
- Выделите
- Как
- How To
- HTTPS
- IBM
- IBM Cloud
- IBM Watson
- ICS
- изображение
- Влияние
- В том числе
- размышления
- вопросы
- IT
- Jupyter Notebook
- изучение
- обучение с помощью машины
- Создание
- управление
- модель
- Мониторинг
- сеть
- сетей
- нервный
- нейронной сети
- нейронные сети
- ноутбуки
- Предложения
- открытый
- шаблон
- производительность
- Платформа
- прогноз
- учет
- регресс
- sagemaker
- Шкала
- Ученые
- набор
- магазины
- подписка
- Поддержка
- время
- Сделки
- Прозрачность
- пользователей
- Уотсон
- Web
- в