0 / 0
Go back to the English version of the documentation
IBM Watson Pipelines
Last updated: 06 lip 2023
IBM Watson Pipelines

Edytor Watson Pipelines udostępnia graficzny interfejs do aranżowania kompleksowego przepływu zasobów aplikacyjnych od utworzenia do wdrożenia. Składanie i konfigurowanie potoku w celu tworzenia, uczenia, wdrażania i aktualizowania modeli uczenia maszynowego oraz skryptów Python .

Aby zaprojektować potok, który przeciąga węzły na kanwę, należy określić obiekty i parametry, a następnie uruchomić i monitorować rurociąg.

Automatyzacja ścieżki do produkcji

Wprowadzenie modelu do produktu jest procesem wieloetapowym. Dane muszą być ładowane i przetwarzane, modele muszą być wyszkolone i dostrojone, zanim zostaną wdrożone i przetestowane. Modele uczenia maszynowego wymagają większej obserwacji, oceny i aktualizacji w czasie, aby uniknąć bias lub dryftu.

Automatyzacja cyklu życia AI

Automatyzacja budowy rurociągu ułatwia budowanie, uruchamianie i ocenę modelu w sposób spójny, skracając czas od poczęcia do produkcji. Można złożyć rurociąg, a następnie szybko aktualizować i testować modyfikacje. Kanwa Pipelines udostępnia narzędzia do wizualizacji rurociągu, dostosowania go w czasie wykonywania za pomocą zmiennych parametrów rurociągu, a następnie uruchamianie go jako zadania próbnego lub w harmonogramie.

Edytor Pipelines umożliwia również bardziej spójną współpracę między naukowcem danych a inżynierem ModelOps . Analitycy danych mogą tworzyć i szkolić model. Inżynier ModelOps może następnie zautomatyzować proces szkolenia, wdrażania i oceny modelu po jego opublikowaniu w środowisku produkcyjnym.

Następne kroki

Dodaj potok do projektu i poznajcie narzędzia kanwy.

Dodatkowe zasoby

Więcej informacji na ten temat zawiera sekcja automatyzacja cyklu życia AI przy użyciu przepływu potoku.

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more