Spremljajte strojno učenje Azure z Watson OpenScale

Povzetek

This code pattern uses a German Credit data set to create a logistic regression model using Azure. The pattern uses Watson OpenScale to bind the machine learning model deployed in the Azure cloud, create a subscription, and perform payload and feedback logging.

Opis

Z Watson OpenScale lahko spremljate kakovost modela in beležite koristne obremenitve, ne glede na to, kje model gostuje. Ta vzorec kode uporablja primer modela Azure, ki prikazuje neodvisno in odprto naravo Watson OpenScale. IBM Watson OpenScale je odprto okolje, ki organizacijam omogoča avtomatizacijo in operacionalizacijo njihove umetne inteligence. Zagotavlja zmogljivo platformo za upravljanje modelov umetne inteligence in strojnega učenja v IBM-ovem oblaku ali povsod, kjer bi lahko bili nameščeni, in ponuja naslednje prednosti:

Odprto po zasnovi: Watson OpenScale omogoča spremljanje in upravljanje modelov strojnega učenja in globokega učenja, izdelanih z uporabo katerega koli ogrodja ali IDE-jev in nameščenih na katerem koli motorju za gostovanje modelov.

Spodbujanje pravičnejših rezultatov: Watson OpenScale zaznava in pomaga ublažiti pristranskost modela, da izpostavi vprašanja pravičnosti. Platforma ponuja navadno besedilno razlago obsegov podatkov, na katere je vplivala pristranskost v modelu, in vizualizacije, ki znanstvenikom in poslovnim uporabnikom pomagajo razumeti vpliv na poslovne rezultate. Ko so zaznane pristranskosti, Watson OpenScale samodejno ustvari spremljevalni model brez pristranskosti, ki deluje poleg razporejenega modela, s čimer predogleda pričakovane pravičnejše rezultate za uporabnike, ne da bi zamenjal izvirnik.

Pojasnite transakcije: Watson OpenScale pomaga podjetjem prinesti preglednost in revizijo v aplikacije, ki vsebujejo AI, z ustvarjanjem razlag za posamezne transakcije, ki se točkujejo, vključno z atributi, ki so bili uporabljeni za napovedovanje in težo vsakega atributa.

Ko dokončate ta vzorec kode, razumete, kako:

• Pripravite podatke, usposobite model in uvedite z uporabo Azure
• Ocenite model z uporabo vzorčnih zapisov točkovanja in končne točke točkovanja
• Nastavite podatkovni trg Watson OpenScale
• Povežite model Azure s podatkovnim trgom Watson OpenScale
• Dodajte naročnine v podatkovno trgovino
• Omogočite beleženje koristne obremenitve in spremljanje delovanja za obe naročeni sredstvi
• Uporabite podatkovno trgovino za dostop do podatkov tabel prek naročnine

Pretok

1. Razvijalec ustvari Jupyter Notebook z uporabo podatkov iz credit_risk_training.csv Datoteka.
2. Jupyter Notebook je povezan z bazo podatkov PostgreSQL, ki shranjuje podatke Watson OpenScale.
3. Model strojnega učenja je ustvarjen s programom Azure Machine Learning Studio in uveden v oblak.
4. Watson OpenScale uporablja prenosni računalnik za beleženje tovora in spremljanje delovanja.

navodila

Poiščite podrobne korake za ta vzorec v datoteka readme. V nadaljevanju boste pokazali, kako:

1. Klonirajte skladišče.
2. Create a Watson OpenScale service.
3. Create a model on Azure Machine Learning Studio.
4. Zaženite zvezek.