Actualización de un modelo o caso de uso de IA mediante programación

Es posible que desee actualizar un caso de uso o una ficha técnica con información adicional. Por ejemplo, algunas compañías tienen un conjunto estándar de detalles que desean acompañar a un caso de uso de modelo o a hechos de modelo.

Actualmente, debe actualizar los tipos de activos a nivel de inquilino modificando los atributos de usuario que utilizan la API Common Core de datos e inteligencia artificial para actualizar el activo.

Actualización de un tipo de activo personalizado

Siga estos pasos para actualizar un tipo de activo personalizado:

1. Proporcione el parámetro de consulta bss_account_id para el método getcatalogtype .

2. Proporcione asset_type como model_entry_user si está actualizando atributos para model_entry. Proporcione asset_type como modelfacts_user si está actualizando atributos para datos de modelo.

3. Recupere la definición del tipo de activo actual utilizando el método getcatalogtype , donde asset_type es modelfacts_user o model_entry_user .

4. Actualice la definición de tipo de activo actual con los atributos personalizados añadiéndolos al objeto JSON de propiedades siguiendo el esquema definido en la documentación de la API. Los siguientes tipos de atributos están soportados para ver y editar desde la interfaz de usuario del modelo o caso de uso de modelo:

   • serie
   • fecha
   • entero

5. Una vez actualizado el JSON con las nuevas propiedades, comience los cambios utilizando el método replaceassettype . Proporcione asset_type , bss_account_idy la carga útil de solicitud.

Cuando la actualización se haya completado, puede ver los atributos personalizados en la página de detalles de caso de uso de IA y en la página de detalles de modelo.

Ejemplo 1: Recuperación y actualización del tipo de activo model_entry_user

Este mandato curl recupera el tipo de activo model_entry_user:

curl -X GET --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

Este fragmento de código es una carga útil de respuesta de ejemplo para detalles de usuario de caso de uso de modelo:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {},
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    },
    "attribute_only": false,
    "name": "model_entry_user",
    "version": 1,
    "scope": "ACCOUNT"
}

Este mandato curl actualiza el tipo de activo model_entry_user:

curl -X PUT --header 'Content-Type: application/json' --header 'Accept: application/json' --header "Authorization: ZenApiKey ${MY_TOKEN}"  -d '@requestbody.json' 'https://api.dataplatform.cloud.ibm.com:443/v2/asset_types/model_entry_user?bss_account_id=<bss_account_id>'

El contenido de requestbody.json tiene el aspecto siguiente:

{
    "description": "The model use case to capture user defined attributes.",
    "fields": [],
    "relationships": [],
    "properties": {
        "user_attribute1": {
            "type": "string",
            "description": "User attribute1",
            "placeholder": "User attribute1",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute1"
            }
        },
        "user_attribute2": {
            "type": "integer",
            "description": "User attribute2",
            "placeholder": "User attribute2",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "label": {
                "default": "User attribute2"
            }
        },
        "user_attribute3": {
            "type": "date",
            "description": "User attribute3",
            "placeholder": "User attribute3",
            "is_array": false,
            "required": true,
            "hidden": false,
            "readonly": false,
            "default_value": "None",
            "label": {
                "default": "User attribute3"
            }
        
    }
    "decorates": [{
        "asset_type_name": "model_entry"
    }],
    "global_search_searchable": [],
    "attribute_only": false,
    "localized_metadata_attributes": {
        "name": {
            "default": "Additional details",
            "en": "Additional details"
        }
    }
}

Asignar un orden de visualización a los hechos personalizados

El campo ' Order ' del método "Create Custom Facts Definition", permite asignar un orden de visualización para un hecho personalizado. Esto le da un mayor control sobre la organización de los hechos en una ficha.

Siga estos pasos para asignar un pedido a un hecho personalizado.

1. Edite el archivo de definición de hechos personalizados y añada un campo Orden con un número entero asignado para controlar el orden. Por ejemplo:
2. Cargue el archivo de definición utilizando este método:

facts_client.assets.create_custom_facts_definitions("Asset_type_definition.csv", overwrite=True)

Actualización de los detalles de usuario utilizando el cliente Python

También puede actualizar y sustituir un tipo de activo con propiedades utilizando un script Python . Para obtener más detalles, consulte la descripción de los elementos de la hoja informativa .

Después de actualizar las definiciones de tipo de activo con atributos personalizados, puede proporcionar valores para esos atributos desde las páginas de visión general de caso de uso y detalles de modelo del modelo. También puede actualizar los valores a los atributos personalizados que utilizan estos métodos de cliente de API de Python :

• Programas de utilidad de activos de modelo
• Programas de utilidad de entrada de modelo

Captura de hechos de celda para un modelo

Cuando un experto en datos desarrolla un modelo en un cuaderno, generan visualizaciones para los detalles clave del modelo, como la curva ROC, la matriz de confusión, el informe de perfilado de panda o la salida de cualquier ejecución de celda. Para capturar estos hechos como parte de un caso de uso de modelo, utilice la función ' capture_cell_facts ` en la biblioteca de cliente Python de AI Factsheets .

Resolución de problemas de campos personalizados

Después de personalizar los campos y ponerlos a disposición de los usuarios, un usuario que intenta actualizar los campos en la sección Detalles adicionales de los detalles del modelo podría obtener este error:

Update failed. To update an asset attribute, you must be a catalog Admin or an asset owner or member with the Editor role. Ask a catalog Admin to update your catalog role or ask an asset member with the Editor role to add you as a member.

Si el usuario ya tiene permiso de edición sobre el modelo y sigue obteniendo el mensaje de error, siga estos pasos para resolverlo.

1. Invoque el comando API para createassetattributenewv2 .

2. Utilice esta carga útil con el mandato:

   
   {
     "name": "modelfacts_system",
     "entity": {
     }
   }
   

   donde asset_id es el model_id. Especifique project_id o space_id o catalog_id donde existe el modelo.

Más información

Obtenga información sobre cómo trabajar con un inventario de forma programada mediante la documentación de IBM_AIGOV_FACTS_CLIENT .

Tema principal: Gobierno de activos de IA