Vous pouvez déployer votre modèle prescriptif d'Decision Optimization et toutes les données de base associées. Vous pouvez ensuite soumettre des demandes de travail à ce déploiement et il vous suffit d'inclure les données transactionnelles correspondantes. Vous pouvez déployer votre modèle en utilisant le " watsonx.ai API REST en cours d'exécution, le " watsonx.ai Exécution Python Client ou le " IBM, le " Cloud Pak for Data as a Service ou le " Interface de ligne de commande".
Pour un exemple de code complet, voir Exemple d'API REST . Voir Exemples de clientPython pour un lien vers un bloc-notes Python disponible à partir du concentrateur de ressources.
Présentation
Les étapes pour déployer et soumettre des travaux pour un modèle Decision Optimization sont les suivantes. Ces étapes sont détaillées dans d'autres sections.
- Créer un service d'exécutionwatsonx.ai
- Créez un espace de déploiement à l'aide de l'interface utilisateur https://dataplatform.cloud.ibm.com ou de l'API REST.
- Déployez votre modèle avec toutes les données de base qui peuvent être réutilisées par tous les travaux. Ce déploiement peut être effectué à partir de l'interface utilisateur (voir Déploiement à partir de l'interface utilisateur) ou en suivant les étapes décrites dans Déploiement d'un modèle Decision Optimization. Voir aussi cet exemple d'API REST.
- Créez et surveillez les travaux sur ce modèle déployé.
La taille du T-shirt fait référence à des configurations de déploiement prédéfinies : petites, moyennes, grandes et très grandes.
| Définition | Nom | Descriptif |
|---|---|---|
| 2 vCPU et 8 Go | S | Petite |
| 4 vCPU et 16 Go | M | Moyen |
| 8 vCPU et 32 Go | L | Grande |
| 16 vCPU et 64 Go | XL | Très grand |