Consulte la versión en inglés (original) para obtener la versión más precisa y actualizada de esta documentación. IBM no se responsabiliza de los daños o pérdidas resultantes del uso de contenido traducido automáticamente (máquina).
Utilización de AI Factsheets para el gobierno de IA
Última actualización: 28 nov 2024
Utilización de AI Factsheets para el gobierno de IA
Realice el seguimiento de un modelo de aprendizaje automático desde la solicitud hasta la producción recopilando metadatos y hechos sobre el ciclo de vida del modelo utilizando AI Factsheets. Utilice la información detallada de las hojas de datos para mantener informados a las partes interesadas y para cumplir sus objetivos de gobierno y conformidad. Las hojas de datos se pueden compartir, archivar o imprimir como informe.
Gestión del gobierno con AI Factsheets
Copy link to section
Antes de desarrollar una solución de IA, primero debe definir el caso de uso de negocio y, a continuación, gestionar el desarrollo, las pruebas y el despliegue de la solución. Puede gestionar y controlar el flujo de información creando un caso de uso de modelo, que defina los objetivos del modelo. Cuando se apruebe el modelo y se inicie el desarrollo, realice un seguimiento de los activos en el caso de uso, capturando todos los datos relevantes con AI Factsheets. Vea de un vistazo qué modelos están en producción y cuáles necesitan desarrollo o validación. Utilice las características de gobierno para establecer procesos para gestionar el flujo de comunicación de los científicos de datos a los administradores de ModelOps .
Nota: Solo los modelos que añada a los casos de uso se rastrean con AI Factsheets. Puede controlar qué modelos se deben rastrear para una organización sin rastrear muestras y otros modelos que no son significativos para la organización.
Definición de casos de uso en un inventario de modelo
Copy link to section
El inventario de modelos es una vista en la que puede definir un caso de uso para solicitar un nuevo modelo y, a continuación, realizar un seguimiento del modelo y de los activos relacionados a lo largo de su ciclo de vida. Un flujo típico puede ser el siguiente:
Un usuario de negocio identifica una necesidad de un modelo de aprendizaje automático y crea un caso de uso de modelo para solicitar un nuevo modelo. El propietario de la empresa asigna un nombre y establece los parámetros básicos para el modelo solicitado.
Cuando se guarda la solicitud, se crea un caso de uso de modelo en el inventario. Inicialmente, el caso de uso está en el estado En espera de desarrollo porque no hay activos que acompañen a la solicitud.
Cuando un experto en datos crea un modelo para el caso de negocio, realiza un seguimiento del modelo desde la página de detalles del modelo del proyecto o espacio y lo asocia con el caso de uso del modelo.
El caso de uso del modelo en el inventario ahora se puede mover a un estado En curso y las partes interesadas pueden revisar los activos para el caso de uso, que ahora incluyen el modelo.
A medida que el modelo avanza en el ciclo de vida, el caso de uso del modelo y la hoja de datos de IA reflejan todas las actualizaciones, incluidos los despliegues y los activos de datos de entrada.
Los validadores y otras partes interesadas pueden revisar los casos de uso del modelo para garantizar el cumplimiento de los protocolos corporativos y para ver y certificar el progreso del modelo desde el desarrollo a la producción.
Casos de uso y guías de aprendizaje
Copy link to section
AI Factsheets forma parte de la colección de entramados de datos de IBMde herramientas y prestaciones para gestionar y automatizar los datos y el ciclo de vida de IA. Para obtener detalles sobre cómo el entramado de datos puede dar soporte a sus objetivos de gobierno de forma práctica, consulte Casos de uso. Para ver casos de uso y guías de aprendizaje del mundo real para utilizar AI Factsheets para orquestar soluciones de IA, consulte:
Caso de uso de gobierno de IA proporciona contexto sobre cómo ModelOps puede encajar con AI Governance para proporcionar un plan completo para el seguimiento de activos de aprendizaje automático en su organización.
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.