파이프라인 에디터를 사용하여 그래픽 캔버스에서 생성부터 배포까지 에셋의 엔드투엔드 흐름을 오케스트레이션할 수 있습니다. 파이프라인을 조립하고 구성하여 머신 러닝 모델과 Python 스크립트를 생성, 학습, 배포 및 업데이트할 수 있습니다.
노드를 캔버스에 드래그하고 개체와 매개변수를 지정한 다음 파이프라인을 실행하고 모니터링하여 파이프라인을 설계합니다.
제품에 대한 경로 자동화
모델을 제품에 넣는 것은 다단계 프로세스입니다. 데이터를 로드하고 처리해야 하며, 모델을 학습하고 평가한 후 배포하고 테스트해야 합니다. AI 실험, 데이터 분석 및 머신러닝 모델은 모두 편향이나 편차를 피하기 위해 시간이 지남에 따라 더 많은 관찰, 평가 및 업데이트가 필요합니다.
다음 그래픽은 만들 수 있는 여러 가지 흐름 중에서 자동화할 수 있는 모델 수명 주기의 한 가지 예를 보여줍니다.
파이프라인을 다음과 같이 자동화할 수 있습니다:
- 다양한 내부 소스 및 외부 연결에서 데이터를 안전하게 로드하고 처리할 수 있습니다.
- 일관된 방식으로 모델 또는 실행 스크립트를 빌드, 실행, 평가 및 배포하여 원하는 결과를 얻을 수 있습니다.
- 를 사용하면 브랜치를 생성하여 흐름의 경로를 간단하게 실행하고 직접 시각적으로 결과를 수집할 수 있습니다.
파이프라인은 다음을 포함하되 이에 국한되지 않는 실험을 실행할 수 있습니다:
- AutoAI 실험
- Jupyter Notebook 작업
- Data Refinery 작업
- SPSS Modeler 작업
파이프라인을 조립하고 수정 사항을 신속하게 업데이트 및 테스트하여 구상부터 생산까지 걸리는 시간을 단축할 수 있습니다. 파이프라인 캔버스는 파이프라인을 시각화하고 파이프라인 매개변수 변수를 사용하여 런타임 시 파이프라인을 사용자 정의한 후 이를 평가판 작업으로 또는 스케줄에 따라 실행하는 도구를 제공합니다.
파이프라인 편집 도구를 사용하면 데이터 과학자와 ModelOps 엔지니어 간에 더욱 긴밀하게 협업할 수 있습니다. 데이터 과학자는 모델을 작성하고 훈련할 수 있습니다. ModelOps 엔지니어는 모델이 프로덕션 환경에 공개된 후 모델을 훈련, 배치 및 평가하는 프로세스를 자동화할 수 있습니다.
사용 사례 및 튜토리얼
오케스트레이션 파이프라인은 자연어 사용을 통합하는 AI 솔루션과 함께 IBM watsonx.ai 환경에 통합할 수도 있습니다. 오케스트레이션 파이프라인을 사용하여 AI 솔루션을 오케스트레이션하는 실제 사용 사례 및 튜토리얼은 다음을 참조하세요:
추가 자원
자세한 정보는 파이프라인 플로우를 사용하여 AI 라이프사이클 자동화에 대한 블로그 게시물을 참조하십시오.
자세히 알아보기
- 프로젝트에 파이프라인 추가를 입력하고 캔버스 도구를 확인하십시오.
- 기본 제공 샘플 파이프라인 실행을 사용하여 실제 파이프라인 흐름을 실행해 보세요.
- 파이프라인 만들기로 사용자 지정 시나리오의 엔드투엔드 흐름을 만들 수 있습니다.
- 파이프라인 실행 및 저장하기에서 파이프라인을 자산으로 관리할 수 있습니다.