Vous pouvez afficher et exécuter un exemple de pipeline intégré qui utilise des exemples de données pour apprendre à automatiser les flux d'apprentissage automatique dans les pipelines d'orchestration.
Qu'est-ce qui se passe dans l'échantillon de pipeline ?
L'exemple de pipeline obtient des données d'entraînement, entraîne un modèle d'apprentissage automatique à l'aide de l'outil AutoAI et sélectionne le meilleur pipeline à enregistrer en tant que modèle. Le modèle est ensuite copié dans un espace de déploiement où il est déployé.
L'exemple illustre comment vous pouvez automatiser un flux de bout en bout pour rendre le cycle de vie plus facile à exécuter et surveiller.
L'exemple de pipeline se présente comme suit:
Le tutoriel vous guide tout au long des processus suivants :
Prérequis
Pour exécuter cet exemple, vous devez d'abord créer:
- Un projet, dans lequel vous pouvez exécuter l'exemple de pipeline.
- Un espace de déploiement, dans lequel vous pouvez afficher et tester les résultats. L'espace de déploiement est requis pour exécuter l'exemple de pipeline.
Aperçu de la création et de l'exécution de l'exemple de pipeline
Regardez cette vidéo pour voir comment créer et exécuter un exemple de pipeline.
Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.
Création de l'exemple de pipeline
Créez l'exemple de pipeline dans l'éditeur de pipelines.
Ouvrez le projet dans lequel vous souhaitez créer le pipeline.
Dans l'onglet Actifs , cliquez sur Nouvel actif > Automatiser le cycle de vie du modèle.
Cliquez sur l'onglet Exemple de concentrateur de ressources et sélectionnez Orchestrate an AutoAI experiment.
Entrez un nom pour le pipeline. Par exemple, entrez Bank marketing sample.
Cliquez sur Créer pour ouvrir le canevas.
Exécution de l'exemple de pipeline
Pour exécuter l'exemple de pipeline :
Cliquez sur Exécuter le pipeline dans la barre d'outils du canevas, puis choisissez Exécuter la version d'essai.
Sélectionnez un espace de déploiement lorsque vous êtes invité à fournir une valeur pour le paramètre de pipeline deployment_space .
Cliquez sur Sélectionner un espace.
Développez la section Espaces .
Sélectionnez votre espace de déploiement.
Cliquez sur Choisir.
Indiquez une clé d'API si c'est la première fois que vous exécutez un pipeline. Les actifs de pipeline utilisent votre clé d'API IBM Cloud personnelle pour exécuter des opérations en toute sécurité sans interruption.
Si vous disposez d'une clé d'API existante, cliquez sur Utiliser une clé d'API existante, collez la clé d'API, puis cliquez sur Sauvegarder.
Si vous ne disposez pas d'une clé d'API existante, cliquez sur Générer une nouvelle clé d'API, indiquez un nom et cliquez sur Sauvegarder. Copiez la clé d'API, puis sauvegardez-la pour une utilisation ultérieure. Lorsque vous avez terminé, cliquez sur Fermer.
Cliquez sur Exécuter pour démarrer le pipeline.
Examen des résultats
Une fois l'exécution du pipeline terminée, vous pouvez afficher la sortie pour voir les résultats.
Ouvrez l'espace de déploiement que vous avez spécifié dans le cadre du pipeline. Vous voyez le nouveau déploiement dans l'espace:
Si vous souhaitez tester le déploiement, utilisez la page Test de l'espace de déploiement pour soumettre les données de contenu au format JSON et obtenir un score. Par exemple, cliquez sur l'onglet JSON et entrez les données d'entrée suivantes:
{"input_data": [{"fields": ["age","job","marital","education","default","balance","housing","loan","contact","day","month","duration","campaign","pdays","previous","poutcome"],"values": [["30","unemployed","married","primary","no","1787","no","no","cellular","19","oct","79","1","-1","0","unknown"]]}]}
Lorsque vous cliquez sur Prévoir, le modèle génère une sortie avec un score de confiance pour déterminer si un client s'abonne à une promotion de dépôt à terme.
Dans ce cas, la prédiction du "non" est accompagnée d'une cote de confiance de près de 95%, prévoyant que le client ne souscrira probablement pas à un dépôt à terme.
Exploration des exemples de noeud et de configuration
Pour une meilleure compréhension de la manière dont les exemples de noeuds sont configurés pour fonctionner de concert dans l'exemple de pipeline, procédez comme suit.
- Visualisation du paramètre de pipeline
- Chargement des données d'entraînement pour l'expérimentation AutoAI
- Création de l'expérimentation AutoAI
- Exécution de l'expérimentation AutoAI
- Déploiement du modèle sur un service Web
Visualisation du paramètre de pipeline
Un paramètre de pipeline spécifie une valeur pour l'ensemble du pipeline. Dans l'exemple de pipeline, un paramètre de pipeline est utilisé pour spécifier un espace de déploiement dans lequel le modèle sauvegardé à partir de l'expérimentation AutoAI est stocké et déployé. Vous êtes invité à sélectionner l'espace de déploiement vers lequel le paramètre de pipeline est lié.
Cliquez sur l'icône Objets globaux 
dans la barre d'outils du canevas pour afficher ou créer des paramètres de pipeline. Dans l'exemple de pipeline, le paramètre de pipeline est nommé Espace de déploiement et est de type Espace. Cliquez sur le nom du paramètre de pipeline pour voir les détails. Dans l'exemple, le paramètre de pipeline est utilisé avec le noeud Créer un fichier de données et le noeud Créer une expérimentation AutoAI.
Chargement des données d'entraînement pour l'expérimentation AutoAI
Au cours de cette étape, un noeud Créer un fichier de données est configuré pour accéder à l'ensemble de données de l'expérimentation. Cliquez sur le noeud pour afficher la configuration. Le fichier de données est bank-marketing-data.csv, qui fournit des exemples de données permettant de prévoir si un client d'une banque s'inscrit à un dépôt à terme. Les données reposent dans un compartiment Cloud Object Storage et peuvent être actualisées pour maintenir l'entraînement du modèle à jour.
| Option | Valeur |
|---|---|
| Fichier | Emplacement de l'actif de données pour l'entraînement de l'expérimentation AutoAI . Dans ce cas, le fichier de données se trouve dans un projet. |
| Chemin de fichier | Nom de l'actif, bank-marketing-data.csv. |
| Portée cible | Pour cet exemple, la cible est un espace de déploiement. |
Création de l'expérimentation AutoAI
Le noeud vers Créer une expérimentation AutoAI est configuré avec ces valeurs :
| Option | Valeur |
|---|---|
| Nom de l'expérimentation AutoAI | onboarding-bank-marketing-prediction |
| Portée | Pour cet exemple, la cible est un espace de déploiement. |
| Type de prévision | binaire |
| Colonne de prévision (libellé) | y |
| Classe positive | oui |
| Ratio de fractionnement des données d'entraînement | 0.9 |
| Algorithmes à inclure | GradientBoostingClassifierEstimator XGBClassifierEstimator |
| Algorithmes à utiliser | 1 |
| Métrique à optimiser | ROC AUC |
| Métrique d'optimisation (facultatif) | Par défaut |
| Spécification matérielle (facultatif) | Par défaut |
| Description de l'expérimentation AutoAI | Cette expérimentation utilise un exemple de fichier, qui contient des données texte collectées à partir d'appels téléphoniques à une banque portugaise en réponse à une campagne marketing. L'objectif de la classification est de prévoir si un client s'abonne à un dépôt à terme, représenté par la variable y. |
| Balises d'expérimentation AutoAI (facultatif) | Aucun |
| Mode de création (facultatif) | Par défaut |
Ces options définissent une expérimentation qui utilise des données de marketing bancaire pour prédire si un client est susceptible de souscrire à une promotion.
Exécution de l'expérimentation AutoAI
Au cours de cette étape, le noeud Exécuter l'expérimentation AutoAI exécute l'expérimentation AutoAI Onboarding-bank-marketing-prédiction, forme les pipelines, puis enregistre le meilleur modèle.
| Option | Valeur |
|---|---|
| expérimentation AutoAI | Prend la sortie du noeud Créer AutoAI comme entrée pour exécuter l'expérimentation. |
| Actifs de données d'entraînement | Prend la sortie du noeud Créer un fichier de données comme entrée de données d'apprentissage pour l'expérimentation. |
| Nombre de modèles | 1 |
| Nombre de modèles (facultatif) | 3 |
| Actif de données restant (facultatif) | Aucun |
| Nom d'exécution (facultatif) | Aucun |
| Préfixe de nom de modèle (facultatif) | Aucun |
| Description de l'exécution (facultatif) | Aucun |
| Balises d'exécution (facultatif) | Aucun |
| Mode de création (facultatif) | Par défaut |
| Règle d'erreur (facultatif) | Par défaut |
Déploiement du modèle sur un service Web
Le noeud Créer un déploiement Web crée un déploiement en ligne nommé onboarding-bank-marketing-prediction-deployment pour vous permettre de distribuer des données et d'obtenir des prévisions en temps réel à partir du noeud final d'API REST.
| Option | Valeur |
|---|---|
| Actif d'apprentissage automatique | Utilise la meilleure sortie de modèle du noeud Exécuter AutoAI comme entrée pour créer le déploiement. |
| Nom du déploiement | onboarding-bank-marketing-prediction-deployment |
Rubrique parent: IBM Orchestration Pipelines