Suivez les modèles d'apprentissage automatique ou les modèles d'invite dans les cas d'utilisation de l'IA pour capturer des détails les concernant dans des fiches de données. Utilisez les informations collectées dans le cas d'utilisation de l'IA pour surveiller la progression des actifs tout au long du cycle de vie de l'IA, de la demande à la production.
Définissez un cas d'utilisation d'IA pour identifier un problème métier et demander une solution. Une solution peut consister en un ou plusieurs modèles permettant de résoudre le problème de l'entreprise. Lorsqu'un actif est développé, associez-le au cas d'utilisation pour capturer des détails sur l'actif dans des fiches d'information. Au fur et à mesure que l'actif passe par le cycle de vie de l'IA, du développement au test, puis à la production, les fiches techniques collectent les données pour prendre en charge les objectifs de gouvernance ou de conformité.
Création d'approches pour comparer les méthodes de résolution d'un problème
Chaque cas d'utilisation d'IA peut contenir au moins une approche. Une approche est une facette de la solution au problème métier représenté par le cas d'utilisation de l'IA. Par exemple, vous pouvez créer deux approches pour la comparaison en utilisant des infrastructures différentes pour les modèles prédictifs afin de déterminer celle qui est la plus performante.
Les approches capturent également les informations de version. Le même numéro de version est appliqué à tous les actifs d'une approche. Si vous disposez d'une version stable d'un actif, vous pouvez conserver cette version dans une approche et créer une nouvelle approche pour le prochain cycle d'itération et d'expérimentation.
Ce cas d'utilisation inclut trois approches pour l'organisation de trois modèles d'invite pour un cas d'utilisation de traitement de déclarations de sinistre:
Ajout d'actifs à un cas d'utilisation
Vous pouvez effectuer le suivi de ces actifs dans un cas d'utilisation d'IA:
- Les modèles d'invite comprennent l'entrée de l'invite pour un foundation model et des variables qui sont définies pour rendre l'invite réutilisable afin de générer de nouvelles sorties.
- Modèles d'apprentissage automatique créés à l'aide d'un outil d'exécution watsonx.ai tel que AutoAI ou SPSS Modeler.
- Les modèles externes sont des modèles créés dans Jupyter Notebooks ou des modèles créés à l'aide d'un fournisseur d'apprentissage automatique tiers.
En savoir plus
Utilisez un exemple de projet pour tester les fonctions watsonx.governance avec le tutoriel Démarrage rapide: Evaluation et suivi d'un modèle d'invite.
Rubrique parent: Gouvernance des actifs dans les cas d'utilisation de l'IA