0 / 0
영어 버전 문서로 돌아가기
내장 샘플 파이프라인 실행
마지막 업데이트 날짜: 2024년 5월 31일
내장 샘플 파이프라인 실행

오케스트레이션 파이프라인에서 기계 학습 플로우를 자동화하는 방법을 학습하기 위해 샘플 데이터를 사용하는 기본 제공 샘플 파이프라인을 보고 실행할 수 있습니다.

샘플 파이프라인에서 무슨 일이 일어나고 있는가?

샘플 파이프라인은 훈련 데이터를 가져오고 AutoAI 도구를 사용하여 기계 학습 모델을 훈련하며 모델로 저장할 최상의 파이프라인을 선택합니다. 그런 다음 모델이 배치되는 배치 영역으로 모델이 복사됩니다.

샘플은 엔드 투 엔드 플로우를 자동화하여 라이프사이클을 쉽게 실행하고 모니터링하도록 작성할 수 있는 방법을 설명합니다.

샘플 파이프라인은 다음과 같습니다.

샘플 오케스트레이션 파이프라인

이 튜토리얼에서는 다음 프로세스를 안내합니다.

  1. 전제 조건
  2. 샘플 파이프라인 작성 및 실행 미리보기
  3. 샘플 파이프라인 작성
  4. 샘플 파이프라인 실행
  5. 결과 검토
  6. 샘플 노드 및 구성 탐색

전제조건

이 샘플을 실행하려면 먼저 다음을 작성해야 합니다.

  • 샘플 파이프라인을 실행할 수 있는 프로젝트.
  • 결과를 보고 테스트할 수 있는 배치 영역. 샘플 파이프라인을 실행하려면 배치 영역이 필요합니다.

샘플 파이프라인 작성 및 실행 미리보기

이 비디오를 시청하고 샘플 파이프라인을 작성하고 실행하는 방법을 확인하십시오.

이 비디오는 이 문서의 개념 및 태스크를 학습하기 위한 시각적 방법을 제공합니다.

샘플 파이프라인 작성

파이프라인 편집기에서 샘플 파이프라인을 작성하십시오.

  1. 파이프라인을 작성하려는 프로젝트를 여십시오.

  2. 자산 탭에서 새 자산 > 모델 라이프사이클 자동화를 클릭하십시오.

  3. 자원 허브 샘플 탭을 클릭하고 Orchestrate an AutoAI 실험을 선택하십시오.

  4. 파이프라인의 이름을 입력하십시오. 예를 들어, Bank marketing sample을 입력하십시오.

  5. 작성 을 클릭하여 캔버스를 여십시오.

샘플 파이프라인 실행

샘플 파이프라인을 실행하려면 다음을 수행하십시오.

  1. 캔버스 도구 모음에서 파이프라인 실행 을 클릭한 후 평가판 실행을 선택하십시오.

  2. deployment_space 파이프라인 매개변수의 값을 제공하도록 프롬프트가 표시되면 배치 영역을 선택하십시오.

    1. 공간 선택을 클릭하십시오.

    2. 공간 섹션을 펼치십시오.

    3. 배치 영역을 선택하십시오.

    4. 선택을 클릭하십시오.

  3. 파이프라인을 처음 실행하는 경우 API키를 제공하십시오. 파이프라인 자산은 개인 IBM Cloud API키를 사용하여 중단 없이 안전하게 운영을 실행합니다.

    • 기존 API키가 있는 경우 기존 API키 사용을 클릭하고 API키를 붙여넣은 후 저장을 클릭하십시오.

    • 기존 API키가 없는 경우 새 API키 생성을 클릭하고 이름을 제공한 후 저장을 클릭하십시오. API키를 복사한 후 나중에 사용할 수 있도록 API키를 저장하십시오. 완료되면 닫기를 클릭하십시오.

  4. 실행을 클릭하여 파이프라인을 시작하십시오.

결과 검토

파이프라인 실행이 완료되면 출력을 보고 결과를 볼 수 있습니다.

샘플 파이프라인 실행 출력

파이프라인의 일부로 지정한 배치 영역을 여십시오. 영역에 새 배치가 표시됩니다.

샘플 파이프라인 배치

배치를 테스트하려면 배치 영역 테스트 페이지를 사용하여 페이로드 데이터를 JSON 형식으로 제출하고 점수를 다시 가져오십시오. 예를 들어, JSON 탭을 클릭하고 다음 입력 데이터를 입력하십시오.

 {"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"]]}]}

예측을 클릭하면 모델은 고객이 규정 예치금 특별 판매에 등록하는지 여부에 대한 예측의 신뢰도 점수가 있는 출력을 생성합니다.

샘플 모델의 예측 점수

이 경우, "아니오" 의 예측에는 95%에 가까운 신뢰도 점수가 동반되어 클라이언트가 적금에 가입하지 않을 가능성이 높다고 예측합니다.

샘플 노드 및 구성 탐색

다음 단계를 사용하여 파이프라인 샘플에서 함께 작동하도록 샘플 노드를 구성하는 방법을 자세히 이해하십시오.

  1. 파이프라인 매개변수 보기
  2. AutoAI 실험에 대한 훈련 데이터 로드
  3. AutoAI 실험 작성
  4. AutoAI 실험 실행
  5. 웹 서비스에 모델 배치

파이프라인 매개변수 보기

파이프라인 매개변수는 전체 파이프라인에 대한 설정을 지정합니다. 샘플 파이프라인에서 파이프라인 매개변수는 AutoAI 실험에서 저장된 모델이 저장되고 배치되는 배치 영역을 지정하는 데 사용됩니다. 파이프라인 매개변수가 링크되는 배치 영역을 선택하도록 프롬프트가 표시됩니다.

파이프라인 매개변수를 보거나 작성하려면 캔버스 도구 모음에서 글로벌 오브젝트 아이콘 글로벌 오브젝트 아이콘 을 클릭하십시오. 샘플 파이프라인에서 파이프라인 매개변수의 이름은 deployment_space이고 유형은 공간입니다. 세부사항을 보려면 파이프라인 매개변수의 이름을 클릭하십시오. 샘플에서 파이프라인 매개변수는 데이터 파일 작성 노드 및 AutoAI 실험 작성 노드와 함께 사용됩니다.

배치 영역을 지정하기 위한 플로우 매개변수

AutoAI 실험에 대한 훈련 데이터 로드

이 단계에서는 데이터 파일 작성 노드가 실험의 데이터 세트에 액세스하도록 구성됩니다. 구성을 보려면 노드를 클릭하십시오. 데이터 파일은 bank-marketing-data.csv입니다. 이 파일은 은행 고객이 예치금에 등록하는지 여부를 예측하기 위한 샘플 데이터를 제공합니다. 데이터는 Cloud Object Storage 버킷에 있으며 모델 훈련을 최신 상태로 유지하기 위해 새로 고칠 수 있습니다.

옵션
파일 AutoAI 실험을 훈련하기 위한 데이터 자산의 위치입니다. 이 경우 데이터 파일은 프로젝트에 있습니다.
파일 경로 자산의 이름입니다 ( bank-marketing-data.csv).
대상 범위 이 샘플의 경우 대상은 배치 영역입니다.

AutoAI 실험 작성

AutoAI 실험 작성에 대한 노드는 다음 값으로 구성됩니다.

옵션
AutoAI 실험 이름 onboarding-bank-marketing-prediction
범위 이 샘플의 경우 대상은 배치 영역입니다.
예측 유형 2진
예측 열(레이블) y
긍정 클래스
훈련 데이터 분할 비율 0.9
포함할 알고리즘 GradientBoostingClassifierEstimator
XGBClassifierEstimator
사용할 알고리즘 1
최적화할 메트릭 ROC AUC
메트릭 최적화 (선택사항) default
하드웨어 스펙(선택사항) default
AutoAI 실험 설명 이 실험에서는 마케팅 캠페인에 대한 응답으로 포르투갈어 은행에 대한 전화 통화에서 수집되는 텍스트 데이터를 포함하는 샘플 파일을 사용합니다. 분류 목표는 클라이언트가 변수 y로 표시되는 조건 예치금에 등록하는지 여부를 예측하는 것입니다.
AutoAI 실험 태그 (선택사항) 없음
작성 모드 (선택사항) default

이 옵션은 고객이 프로모션에 등록하는지 여부를 예측하는 데 은행 마켓팅 데이터를 사용하는 실험을 정의합니다.

AutoAI 실험 실행

이 단계에서 AutoAI 실험 실행 노드는 AutoAI 실험 onboarding-bank-marketing-prediction을 실행하고 파이프라인을 훈련한 후 최상의 모델을 저장합니다.

옵션
AutoAI 실험 AutoAI작성 노드의 출력을 실험을 실행하기 위한 입력으로 사용합니다.
데이터 자산 훈련 데이터 파일 작성 노드의 결과를 실험에 대한 훈련 데이터 입력으로 사용합니다.
모델 개수 1
모델 개수 (선택사항) 3
홀드아웃 데이터 자산 (선택사항) 없음
실행 이름 (선택사항) 없음
모델 이름 접두부 (선택사항) 없음
실행 설명 (선택사항) 없음
실행 태그 (선택사항) 없음
작성 모드 (선택사항) default
오류 정책 (선택사항) default

웹 서비스에 모델 배치

웹 배치 작성 노드는 이름이 onboarding-bank-marketing-prediction-deployment 인 온라인 배치를 작성하므로 데이터를 전달하고 REST API 엔드포인트에서 실시간으로 예측을 다시 가져올 수 있습니다.

옵션
ML 자산 AutoAI실행 노드에서 최상의 모델 출력을 배치를 작성하기 위한 입력으로 사용합니다.
배치 이름 onboarding-bank-marketing-prediction-deployment

상위 주제: IBM 오케스트레이션 파이프라인

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기