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 l'API RESTwatsonx.ai Runtime, le client Pythonwatsonx.ai Runtime ou l'interface de ligne de commande IBM watsonx.
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 | Petit |
| 4 vCPU et 16 Go | M | Moyen |
| 8 vCPU et 32 Go | L | Grand |
| 16 vCPU et 64 Go | XL | Très grand |