Aggiornamento programmatico di un modello o di un caso d'uso dell'IA

Potreste voler aggiornare un caso d'uso o una scheda informativa con ulteriori informazioni. Ad esempio, alcune società hanno una serie standard di dettagli che vogliono accompagnare un caso di utilizzo del modello o fatti del modello.

Attualmente, è necessario aggiornare i tipi di asset a livello di tenant modificando gli attributi utente che utilizzano l' API Common Core di dati e intelligenza artificiale per aggiornare l'asset.

Aggiornamento di un tipo di asset personalizzato

Per aggiornare un tipo di asset personalizzato, procedere come segue:

1. Fornire il parametro di query bss_account_id per il metodo getcatalogtype .

2. Fornire asset_type come model_entry_user se si stanno aggiornando gli attributi per model_entry. Fornire asset_type come modelfacts_user se si stanno aggiornando gli attributi per i fatti di modello.

3. Recupera la definizione del tipo di risorsa corrente utilizzando il metodo getcatalogtype dove asset_type è modelfacts_user o model_entry_user .

4. Aggiornare la definizione del tipo di asset corrente con gli attributi personalizzati aggiungendoli all'oggetto JSON delle proprietà seguendo lo schema definito nella documentazione API. I seguenti tipi di attributi sono supportati per visualizzare e modificare dall'interfaccia utente del modello o del caso di utilizzo del modello:

   • stringa
   • data
   • intero

5. Dopo aver aggiornato il JSON con le nuove proprietà, avviare le modifiche utilizzando il metodo replaceassettype . Fornire il payload asset_type , bss_account_ide della richiesta.

Una volta completato l'aggiornamento, è possibile visualizzare gli attributi personalizzati nella pagina dei dettagli del caso di utilizzo AI e nella pagina dei dettagli del modello.

Esempio 1: richiamo e aggiornamento del tipo di asset model_entry_user

Questo comando curl richiama il tipo di asset 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>'

Questo frammento è un payload di risposta di esempio per i dettagli utente del caso di utilizzo del modello:

{
    "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"
}

Questo comando curl aggiorna il tipo di asset 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>'

Il contenuto di requestbody.json è simile al seguente:

{
    "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"
        }
    }
}

Assegnazione di un ordine di visualizzazione per i fatti personalizzati

Il campo 'Order nel metodo "Crea definizione di fatti personalizzati" consente di assegnare un ordine di visualizzazione per un fatto personalizzato. In questo modo si ha un maggiore controllo sull'organizzazione dei fatti in un foglio informativo.

Seguite questi passaggi per assegnare un ordine a un fatto personalizzato.

1. Modificare il file di definizione dei fatti personalizzati e aggiungere un campo Ordine con un numero intero assegnato per controllare l'ordine. Ad esempio:
2. Caricare il file di definizione con questo metodo:

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

Aggiornamento dei dettagli dell'utente utilizzando il client Python

È anche possibile aggiornare e sostituire un tipo di asset con proprietà utilizzando uno script Python . Per maggiori dettagli, vedere la descrizione degli elementi della scheda informativa .

Dopo aver aggiornato le definizioni del tipo di asset con gli attributi personalizzati, è possibile fornire i valori per tali attributi dalle pagine Panoramica sul caso di utilizzo del modello e Dettagli del modello. Puoi anche aggiornare i valori agli attributi personalizzati che utilizzano questi metodi client API Python :

• Programmi di utilità Model Asset
• Programmi di utilità Model Entry

Cattura dei fatti della cella per un modello

Quando un data scientist sviluppa un modello in un notebook, generano visualizzazioni per i dettagli del modello chiave, come la curva ROC, la matrice di confusione, il report di creazione profili panda o l'output di qualsiasi esecuzione della cella. Per acquisire tali fatti come parte di un caso di utilizzo del modello, utilizza la funzione ' capture_cell_facts ` nella libreria client Python AI Factsheets .

Risoluzione dei problemi relativi ai campi personalizzati

Dopo aver personalizzato i campi e averli resi disponibili agli utenti, un utente che tenta di aggiornare i campi nella sezione Dettagli aggiuntivi dei dettagli del modello potrebbe ricevere questo errore:

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.

Se l'utente dispone già dell'autorizzazione di modifica sul modello e sta ancora ricevendo il messaggio di errore, attenersi alla seguente procedura per risolverlo.

1. Richiamare il comando API per createassetattributenewv2 .

2. Utilizzare questo payload con il comando:

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

   dove asset_id è il model_id. Immettere project_id o space_id o catalog_id dove esiste il modello.

Ulteriori informazioni

Per scoprire come lavorare con un inventario a livello di programmazione, consulta la documentazione IBM_AIGOV_FACTS_CLIENT .

Argomento principale Asset AI della gestione