デプロイメント・スペースを使用したアクセス権限の管理

デプロイメント・スペースを使用して、AI ライフサイクル内を移動するアセットへのアクセスを編成および管理します。 例えば、以下の方法でデプロイメント・スペースを使用してアクセスを管理できます。

• デプロイメント・スペースを作成し、デプロイメント・ステージとして 「開発」 に割り当てます。 資産を管理している場合、このタイプのスペース内のデプロイメントは、ユース・ケースの 「開発」 ステージに表示されます。 資産を作成するためのアクセス権限をデータ・サイエンティストに割り当てるか、デプロイメントを作成するための DevOps ユーザーを割り当てます。
• デプロイメント・スペースを作成し、デプロイメント・ステージとして 「テスト」 に割り当てます。 資産を管理している場合、このタイプのスペース内のデプロイメントは、ユース・ケースの 「検証」 ステージに表示されます。 デプロイメントをテストするために、モデル・バリデーターへのアクセス権限を割り当てます。
• デプロイメント・スペースを作成し、デプロイメント・ステージとして 「実動」 に割り当てます。 資産を管理している場合、このタイプのスペースのデプロイメントは、ユース・ケースの 「操作」 ステージに表示されます。 このスペースへのアクセスを、実稼働環境にデプロイされた資産を管理する ModelOps ユーザーに制限します。

パイプラインを使用した ModelOps の自動化

IBM Orchestration Pipelines エディターは、作成からデプロイメントまでの資産のエンドツーエンド・フローを調整するためのグラフィカル・インターフェースを提供します。 機械学習モデルおよび Python スクリプトを作成、トレーニング、デプロイ、および更新するためのパイプラインをアセンブルおよび構成します。 ModelOps プロセスを簡素化し、反復可能にします。

AI Factsheets を使用したモデルの追跡

AI Factsheets は、組織全体のデータ・サイエンス・モデルを追跡し、その詳細をカタログに保管するための機能を提供します。 どのモデルが実動中で、どのモデルが開発または検証を必要としているかを一目で確認できます。 ガバナンス機能を使用して、データ・サイエンティストから ModelOps 管理者への通信フローを管理するプロセスを確立します。

モデル・デプロイメントの評価

Watson OpenScale を使用して、信頼性と透明性を備えた AI を分析し、AI モデルがどのように意思決定に関与しているかを理解します。 バイアスとドリフトを検出して緩和します。 予測の品質と正解率を向上します。 トランザクションを説明し、what-if 分析を実行します。

資産とライフサイクルの管理の自動化

watsonx.aiRuntimePythonクライアントを使用することで、ノートブックで AI ライフサイクルを自動化できます。

この サンプル・ノートブック は、以下のことを行う方法を示しています。

• 外部でトレーニングされた scikit-learn モデルをデータ・セットとともにダウンロードする
• 外部モデルをwatsonx.aiRuntime リポジトリに永続化する
• クライアント・ライブラリーを使用したオンライン・スコアリングのモデルのデプロイ
• クライアント・ライブラリーを使用したサンプル・レコードのスコアリング
• 以前に永続化されたモデルの更新
• インプレースでのモデルの再デプロイ
• デプロイメントのスケーリング

または、IBM Cloud Pak for DataCommand-Line Interface (cpd-cli) を使用して、構成設定を管理し、エンドツーエンドのフローを自動化することもできます。 このエンドツーエンド・フローには、モデルのトレーニング、モデルの保存、デプロイメント・スペースの作成、およびモデルのデプロイが含まれます。