Translation not up to date
Pomocí produktu IBM Watson Machine Learningmůžete implementovat modely, skripty a funkce, spravovat své implementace a připravit vaše aktiva k uvedení do výroby za účelem generování předpovědí a poznatků.
Tento obrázek znázorňuje typický proces pro výukový model počítače. Po sestavení a školení modelu strojového učení použijte produkt Watson Machine Learning k implementaci modelu, správě vstupních dat a vložení prostředků strojového učení, které mají být použity.
Architektura a služby produktu IBM Watson Machine Learning
Produkt Watson Machine Learning je služba v prostředí IBM Cloud s funkcemi pro školení a implementace modelů výukových programů a neuronové sítě. Produkt Watson Machine Learning vám umožňuje sestavovat, školit, implementovat a spravovat výukové modely a modely hlubokého učení.
Implementace a správa modelů pomocí produktu Watson Machine Learning
Produkt Watson Machine Learning podporuje populární rámce, včetně: TensorFlow, Scikit-Learning a PyTorch k sestavení a implementaci modelů. Seznam podporovaných rámců najdete v tématu Podporované rámce.
Chcete-li sestavit a školit model:
- Použijte jeden z nástrojů, které jsou uvedeny v tématu Analýza dat a modelů budov.
- Importujte model , který jste vytvořili a vystudovali mimo produkt Watson Studio.
Pomocí nástrojů dostupných pro implementaci, ModelOps, řešení optimalizace a vysvětlitelné AI, můžete:
- Učení aktiv strojového učení
- Implementace řešení Decision Optimization
- Vyhodnotit modely pro zkreslení
Infrastruktura implementace
- Implementujte školené modely jako webovou službu nebo pro dávkové zpracování.
- Implementujte funkce Python , chcete-li zjednodušit řešení influenzy ptáků.
Programovací rozhraní
- Použijte knihovnu klientaPython pro práci se všemi aktivy vašeho Watson Machine Learning v notebooku.
- Použijte rozhraní API služby REST k volání metod ze základních adres URL pro koncové body rozhraní API Watson Machine Learning .
- Když voláte rozhraní API, použijte adresu URL a přidejte cestu pro každou metodu, která bude tvořit úplný koncový bod rozhraní API pro vaše požadavky. Podrobnosti o kontrole koncových bodů najdete v tématu Vyhledání koncového bodu implementace.
Nadřízené téma: Implementace a správa modelů