サンプル・パイプラインで何が起こっていますか?

サンプル・パイプラインは、トレーニング・データを取得し、 AutoAI ツールを使用して機械学習モデルをトレーニングし、モデルとして保存する最適なパイプラインを選択します。 その後、モデルは、デプロイ先のデプロイメント・スペースにコピーされます。

このサンプルは、ライフサイクルを実行およびモニターしやすくするためにエンドツーエンド・フローを自動化する方法を示しています。

サンプル・パイプラインは次のようになります。

チュートリアルでは、以下のプロセスのステップを説明しています。

1. 前提条件
2. サンプル・パイプラインの作成および実行のプレビュー
3. サンプル・パイプラインの作成
4. サンプル・パイプラインの実行
5. 結果の確認
6. サンプル・ノードおよび構成の探索

前提条件

このサンプルを実行するには、まず以下を作成する必要があります。

• プロジェクト。ここで、サンプル・パイプラインを実行できます。
• デプロイメント・スペース。結果を表示およびテストできます。 サンプル・パイプラインを実行するには、デプロイメント・スペースが必要です。

サンプル・パイプラインの作成と実行のプレビュー

サンプル・パイプラインを作成して実行する方法を確認するには、このビデオをご覧ください。

サンプル・パイプラインの作成

パイプライン・エディターでサンプル・パイプラインを作成します。

1. パイプラインを作成したいプロジェクトを開きます。

2. 「アセット」 タブで、 「新規アセット」>「モデル・ライフサイクルの自動化」をクリックします。

3. 「リソース・ハブのサンプル (Resource hub sample)」 タブをクリックし、 「 AutoAI エクスペリメントのオーケストレーション」を選択します。

4. パイプラインの名前を入力します。 例えば、 Bank marketing sampleと入力します。

5. 「作成」 をクリックして、キャンバスを開きます。

サンプル・パイプラインの実行

サンプル・パイプラインを実行するには：

1. キャンバス・ツールバーの 「パイプラインの実行 (Run pipeline)」 をクリックし、 「試行実行 (Trial run)」を選択します。

2. deployment_space パイプライン・パラメーターの値を指定するようにプロンプトが出されたら、デプロイメント・スペースを選択します。

   1. 「スペースの選択」をクリックします。

   2. 「スペース」 セクションを展開します。

   3. デプロイメント・スペースを選択します。

   4. 「選択」をクリックします。

3. パイプラインを初めて実行する場合は、API キーを指定します。 パイプライン資産は、お客様の個人の IBM Cloud API キーを使用して、中断することなく安全に操作を実行します。

   • 既存の API キーがある場合は、 「既存の API キーを使用」をクリックし、API キーを貼り付け、 「保存」をクリックします。

   • 既存の API キーがない場合は、 「新規 API キーの生成」をクリックし、名前を指定して 「保存」をクリックします。 API キーをコピーして、後で使用するために保存します。 完了したら、 「閉じる」をクリックします。

4. 実行 をクリックしてパイプラインを開始します。

結果の確認

パイプラインの実行が完了すると、出力を表示して結果を確認できます。

パイプラインの一部として指定したデプロイメント・スペースを開きます。 スペースに新しいデプロイメントが表示されます。

デプロイメントをテストする場合は、デプロイメント・スペースの 「テスト」 ページを使用して JSON 形式のペイロード・データを送信し、スコアを取得します。 例えば、 「JSON」 タブをクリックして、以下の入力データを入力します。

 {"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"]]}]}

「予測 (Predict)」をクリックすると、モデルは、顧客が定期預金プロモーションをサブスクライブしているかどうかの予測の信頼性スコアを含む出力を生成します。

この場合、「いいえ」の予測には 95% 近くの信頼性スコアが付随し、お客様が定期預金に加入しない可能性が最も高いと予測されます。

サンプル・ノードおよび構成の探索

以下のステップを使用して、パイプライン・サンプルで連携するようにサンプル・ノードがどのように構成されているかをより深く理解します。

1. パイプライン・パラメーターの表示
2. AutoAI エクスペリメントのトレーニング・データのロード
3. AutoAI エクスペリメントの作成
4. AutoAI エクスペリメントの実行
5. Web サービスへのモデルのデプロイ