Tieni traccia dei modelli di machine learning in un caso di utilizzo AI per soddisfare obiettivi di governance e conformità.
Traccia dei modelli di machine learning in un caso di uso AI
Tracciare i modelli di machine learning addestrati in un progetto e salvati come asset modello. È possibile aggiungere un modello di machine learning a un caso di utilizzo AI da un progetto o uno spazio.
- Aprire il progetto o lo spazio che contiene l'asset del modello che si desidera gestire.
- Dal menu di azioni per l'asset, fai clic su Track in AI use case.
- Selezionare un caso di utilizzo AI esistente o seguire le richieste per crearne uno nuovo.
- Scegliere un approccio esistente o creare un nuovo approccio. Un approccio crea una serie di versioni per tutti gli asset nello stesso approccio.
- Scegliere uno schema di numerazione della versione. Tutti gli asset in un approccio condividono una versione comune. Seleziona da:
- Sperimentale se prevedi di eseguire l'aggiornamento frequentemente.
- Stabile se gli asset non cambiano rapidamente.
- Personalizzato se si desidera avviare un nuovo numero di versione. La numerazione delle versioni deve seguire lo schema major.minor.patch.
Guarda questo video per vedere come tenere traccia di un modello di machine learning in un caso di utilizzo AI.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Una volta abilitata la traccia, tutti i collaboratori per il caso di utilizzo possono esaminare i dettagli per l'asset.
Per un modello di machine learning, i fatti includono i dettagli di creazione, i dati di addestramento utilizzati e le informazioni dalle metriche di valutazione.
Per i dettagli sulla traccia di un modello di machine learning creato in un Jupyter Notebook o addestrato con un fornitore di machine learning di terze parti, vedi Traccia dei modelli esterni.
Ulteriori informazioni
Argomento principale Traccia degli asset nei casi di utilizzo