Giám sát học máy Azure với Watson OpenScale

Tổng kết

Mẫu mã này sử dụng tập dữ liệu Tín dụng của Đức để tạo mô hình hồi quy logistic bằng Azure. Mẫu sử dụng Watson OpenScale để liên kết mô hình học máy được triển khai trong đám mây Azure, tạo đăng ký và thực hiện tải trọng và ghi nhật ký phản hồi.

Mô tả

Với Watson OpenScale, bạn có thể giám sát chất lượng mô hình và ghi nhật ký tải trọng, bất kể mô hình được lưu trữ ở đâu. Mẫu mã này sử dụng một ví dụ về mô hình Azure, mô hình này thể hiện tính chất độc lập và mở của Watson OpenScale. IBM Watson OpenScale là một môi trường mở cho phép các tổ chức tự động hóa và vận hành AI của họ. Nó cung cấp một nền tảng mạnh mẽ để quản lý AI và các mô hình học máy trên Đám mây của IBM hoặc bất cứ nơi nào chúng có thể được triển khai và mang lại những lợi ích sau:

Mở theo thiết kế: Watson OpenScale cho phép giám sát và quản lý các mô hình học máy và học sâu được xây dựng bằng bất kỳ khuôn khổ hoặc IDE nào và được triển khai trên bất kỳ công cụ lưu trữ mô hình nào.

Thúc đẩy kết quả công bằng hơn: Watson OpenScale phát hiện và giúp giảm thiểu các thành kiến ​​của mô hình để làm nổi bật các vấn đề công bằng. Nền tảng cung cấp giải thích bằng văn bản thuần túy về các phạm vi dữ liệu đã bị ảnh hưởng bởi sự sai lệch trong mô hình và hình ảnh hóa giúp các nhà khoa học dữ liệu và người dùng doanh nghiệp hiểu được tác động đến kết quả kinh doanh. Khi phát hiện thành kiến, Watson OpenScale tự động tạo mô hình đồng hành khử thành kiến ​​chạy bên cạnh mô hình đã triển khai, do đó xem trước kết quả mong đợi công bằng hơn cho người dùng mà không cần thay thế mô hình ban đầu.

Giải thích các giao dịch: Watson OpenScale giúp các doanh nghiệp mang lại tính minh bạch và khả năng kiểm tra cho các ứng dụng sử dụng AI bằng cách tạo ra các giải thích cho các giao dịch riêng lẻ được cho điểm, bao gồm các thuộc tính được sử dụng để đưa ra dự đoán và trọng số của từng thuộc tính.

Khi bạn đã hoàn thành mẫu mã này, bạn hiểu cách:

• Chuẩn bị dữ liệu, đào tạo một mô hình và triển khai bằng Azure
• Cho điểm mô hình bằng cách sử dụng các bản ghi điểm mẫu và điểm cuối cho điểm
• Thiết lập siêu thị dữ liệu Watson OpenScale
• Liên kết mô hình Azure với siêu thị dữ liệu Watson OpenScale
• Thêm đăng ký vào data mart
• Bật ghi nhật ký tải trọng và giám sát hiệu suất cho cả nội dung đã đăng ký
• Sử dụng data mart để truy cập dữ liệu bảng thông qua đăng ký

Dòng chảy

1. Nhà phát triển tạo một Máy tính xách tay Jupyter bằng cách sử dụng dữ liệu từ credit_risk_training.csv tập tin.
2. Máy tính xách tay Jupyter được kết nối với cơ sở dữ liệu PostgreSQL lưu trữ dữ liệu Watson OpenScale.
3. Một mô hình học máy được tạo bằng Azure Machine Learning Studio và được triển khai lên đám mây.
4. Watson OpenScale được sổ ghi chép sử dụng để ghi lại tải trọng và theo dõi hiệu suất.

Hướng Dẫn

Tìm các bước chi tiết cho mẫu này trong tệp readme. Các bước sẽ chỉ cho bạn cách:

1. Sao chép kho lưu trữ.
2. Tạo một dịch vụ Watson OpenScale.
3. Tạo mô hình trên Azure Machine Learning Studio.
4. Chạy sổ ghi chép.