Watson OpenScale ile Azure makine öğrenimini izleme

Özet

Bu kod modeli, Azure kullanarak bir lojistik regresyon modeli oluşturmak için bir Alman Kredisi veri kümesini kullanır. Desen, Azure bulutunda dağıtılan makine öğrenimi modelini bağlamak, bir abonelik oluşturmak ve yük ile geri bildirim günlük kaydını gerçekleştirmek için Watson OpenScale'i kullanır.

Açıklama

Watson OpenScale ile, modelin nerede barındırıldığına bakılmaksızın model kalitesini ve günlük yüklerini izleyebilirsiniz. Bu kod modeli, Watson OpenScale'in bağımsız ve açık doğasını gösteren bir Azure modeli örneğini kullanır. IBM Watson OpenScale, kuruluşların yapay zekalarını otomatikleştirmesini ve operasyonel hale getirmesini sağlayan açık bir ortamdır. IBM Cloud'da veya devreye alınabilecekleri her yerde yapay zeka ve makine öğrenimi modellerini yönetmek için güçlü bir platform sağlar ve şu avantajları sunar:

Tasarımla açık: Watson OpenScale, herhangi bir çerçeve veya IDE kullanılarak oluşturulan ve herhangi bir model barındırma motorunda devreye alınan makine öğrenimi ve derin öğrenme modellerinin izlenmesine ve yönetilmesine olanak tanır.

Daha adil sonuçlar elde edin: Watson OpenScale, adalet sorunlarını vurgulamak için model önyargılarını tespit eder ve hafifletmeye yardımcı olur. Platform, modeldeki önyargıdan etkilenen veri aralıklarının düz metin açıklamasını ve veri bilimcilerinin ve iş kullanıcılarının iş sonuçları üzerindeki etkisini anlamalarına yardımcı olan görselleştirmeler sağlar. Önyargılar algılandıkça, Watson OpenScale otomatik olarak dağıtılan modelin yanında çalışan önyargılı bir yardımcı model oluşturur ve böylece orijinali değiştirmeden kullanıcılara beklenen daha adil sonuçları önizler.

İşlemleri açıklayın: Watson OpenScale, her bir özniteliğin tahminini ve ağırlığını yapmak için kullanılan öznitelikler de dahil olmak üzere, puanlanmakta olan bireysel işlemler için açıklamalar üreterek işletmelerin yapay zeka destekli uygulamalara şeffaflık ve denetlenebilirlik getirmesine yardımcı olur.

Bu kod modelini tamamladığınızda, şunları nasıl yapacağınızı anlarsınız:

• Azure kullanarak verileri hazırlayın, bir model eğitin ve dağıtın
• Örnek puanlama kayıtlarını ve puanlama uç noktasını kullanarak modeli puanlayın
• Bir Watson OpenScale veri pazarı kurun
• Azure modelini Watson OpenScale veri pazarına bağlayın
• Data mart'a abonelikler ekleyin
• Her iki abone olunan varlık için yük günlük kaydını ve performans izlemeyi etkinleştirin
• Abonelik yoluyla tablo verilerine erişmek için data mart'ı kullanın

akış

1. Geliştirici, verileri kullanarak bir Jupyter Not Defteri oluşturur. Credit_risk_training.csv dosyası.
2. Jupyter Not Defteri, Watson OpenScale verilerini depolayan bir PostgreSQL veritabanına bağlıdır.
3. Azure Machine Learning Studio kullanılarak bir makine öğrenimi modeli oluşturulur ve buluta dağıtılır.
4. Watson OpenScale, dizüstü bilgisayar tarafından yükü günlüğe kaydetmek ve performansı izlemek için kullanılır.

talimatlar

Bu model için ayrıntılı adımları benioku dosyası. Adımlar şunları nasıl yapacağınızı gösterecektir:

1. Havuzu klonlayın.
2. Bir Watson OpenScale hizmeti oluşturun.
3. Azure Machine Learning Studio'da bir model oluşturun.
4. Dizüstü bilgisayarı çalıştırın.