Translation not up to date
IBM Watson Pipelines
Watson Pipelines düzenleyicisi, konuşlandırma yoluyla yaratılışın yaratılmasından uçtan uca bir akış akışını düzenlemek için bir grafik arabirim sağlar. Makine öğrenimi modelleri ve Python komut dosyaları oluşturmak, bunları eğitmek, devreye almak ve güncellemek için bir ardışık düzen oluşturun ve yapılandırın.
Watson Pipelines ile ilgili desteklenen bölgelerle ilgili bilgi için bkz. Cloud Pak for Data as a Serviceiçin bölgesel sınırlamalar.
Düğümleri tuvalin üzerine sürüklediğiniz bir ardışık düzen tasarlamak için nesneleri ve parametreleri belirtin, ardından ardışık düzeni çalıştırın ve izleyin.
Üretim yolunun otomatikleştirilmesi
Bir model ürünün içine koymak çok adımlı bir işlemdir. Veriler yüklenmeli ve işlenmeli, modeller konuşlandırılmadan ve sınanmadan önce eğitilmelidir ve ayarlanmalıdır. Makine öğrenimi modelleri, önyargı ya da sürüklenme önlemek için zaman içinde daha fazla gözlem, değerlendirme ve güncelleme gerektirir.
Boru hattının otomatikleştirilmesi, bir modeli kavrama biçiminden üretime kadar kısaltmak için, bir modeli uyumlu bir şekilde oluşturmayı, çalıştırıp değerlendirmeyi kolaylaştırır. Boru hattını bir araya getirebilir, ardından değişiklikleri hızla güncelleyebilir ve test edebilirsiniz. Boru hatları tuval, ardışık düzeni görselleştirmek, boru hattı parametre değişkenleri ile çalıştırma zamanında özelleştirmek ve sonra bunu deneme işi olarak veya bir zaman çizelgesine göre çalıştırmak için araçlar sağlar.
Boru hatları düzenleyicisi, bir veri bilimcisi ile bir ModelOps mühendisi arasında daha uyumlu bir işbirliği yapılmasına da olanak sağlar. Bir veri bilimcisi bir model oluşturabilir ve eğitir. Bir ModelOps mühendisi, bir üretim ortamına yayınlandıktan sonra model eğitimi, devreye alma ve modeli değerlendirme sürecini otomatikleştirebilir.
Vakaları ve eğitmenleri kullan
Watson Pipelines is part of IBM's Data Fabric collection of tools and capabilities for managing and automating your data and AI lifecycle. Data Fabric ' in makine öğrenimi hedeflerinizi ve operasyonlarınızı pratik yöntemlerle nasıl destekleyebileceğiyle ilgili ayrıntılar için bkz. Veri yöneltme yapısı çözümüne genel bakış. For real-world use cases and tutorials for using Watson Pipelines to orchestrate AI solutions, see:
- Veri bilimi ve MLOps kullanım senaryosu , verilerin nasıl yönetileceğini, model oluşturma ve devreye alma işlemlerinin nasıl yönetileceğini ve model adaletsizliğini ve performansını nasıl değerlendireceğini açıklar.
- Veri bilimi ve MLOps eğitmeni: Veri bütünleştirmesi ile bir Yapay AI boru hattı düzenlemesi
- Veri bilimi ve MLOps eğitmeni: Model izleme ile bir Yapay AI boru hattı düzenlemesi
Sonraki adımlar
Projeniz içinbir ardışık düzen ekleyin ve tuval araçlarını tanımanız gerekir.
Ek kaynaklar
Daha fazla bilgi için, yapay zeka yaşam çevrimini bir boru hattı akımıyla otomatikleştirmeile ilgili bu web günlüğü gönderisine bakın.