Ce tutoriel est le premier d'une série de deux tutoriels. Suivez ce tutoriel pour générer, déployer et suivre un modèle avec le cas d'utilisation de la gouvernance de l'IA. Votre objectif est de former un modèle pour prédire quels candidats sont admissibles aux hypothèques, puis de déployer le modèle à des fins d'évaluation. Vous devez également configurer le suivi du modèle pour documenter l'historique du modèle et générer une explication de ses performances.
L'histoire de ce tutoriel est que Golden Bank veut étendre son activité en offrant des renouvellements hypothécaires à faible taux pour les applications en ligne. Les applications en ligne augmentent le nombre de clients de la banque et réduisent les coûts de traitement des demandes de la banque. En tant que scientifique de données à Golden Bank, vous devez créer un modèle d'approbation de prêt hypothécaire qui évite les risques imprévus et traite tous les candidats de façon équitable. Vous devez exécuter un bloc-notes Jupyter pour créer un modèle et capturer automatiquement les métadonnées qui permettent de suivre le modèle dans une fiche d'information.
L'image animée suivante fournit un aperçu rapide de ce que vous allez accomplir d'ici la fin du deuxième tutoriel où vous utiliserez Watson OpenScale pour configurer et évaluer les moniteurs du modèle déployé afin de vous assurer que le modèle est précis et que tous les candidats sont traités équitablement. Cliquez sur l'image pour afficher une image plus grande.
Aperçu du tutoriel
Dans ce tutoriel, vous exécutez les tâches suivantes :
- Configurez les prérequis.
- Tâche 1: Configurer le suivi pour votre modèle.
- Tâche 2: Créer un cas d'utilisation d'IA.
- Tâche 3: Exécuter le bloc-notes pour créer le modèle.
- Tâche 4: Afficher la fiche technique du modèle et l'associer à un cas d'utilisation d'IA.
- Tâche 5: Déployer le modèle.
Regardez cette vidéo pour prévisualiser les étapes de ce tutoriel.
Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.
Conseils pour l'exécution de ce tutoriel
Voici quelques conseils pour réussir ce tutoriel.
Utiliser la vidéo image-in-picture
L'image animée suivante montre comment utiliser les fonctions d'image vidéo et de table des matières:
Obtenir de l'aide dans la communauté
Si vous avez besoin d'aide pour ce tutoriel, vous pouvez poser une question ou trouver une réponse dans le forum de discussion de la communautéCloud Pak for Data.
Configurez les fenêtres de votre navigateur
Pour une expérience optimale lors de l'exécution de ce tutoriel, ouvrez Cloud Pak for Data dans une fenêtre de navigateur et laissez cette page de tutoriel ouverte dans une autre fenêtre de navigateur pour basculer facilement entre les deux applications. Envisagez d'organiser les deux fenêtres du navigateur côte à côte pour faciliter le suivi.
Configuration des prérequis
Inscription à Cloud Pak for Data as a Service (en anglais)
Vous devez vous inscrire à Cloud Pak for Data as a Service et mettre à disposition les services nécessaires pour le cas d'utilisation d'intégration de données.
- Si vous disposez d'un compte Cloud Pak for Data as a Service existant, vous pouvez utiliser ce tutoriel. Si vous disposez d'un compte de plan Lite, un seul utilisateur par compte peut exécuter ce tutoriel.
- Si vous ne disposez pas encore d'un compte Cloud Pak for Data as a Service , inscrivez-vous.
Vérifiez les services mis à disposition nécessaires
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 01:06.
Procédez comme suit pour vérifier ou mettre à disposition les services nécessaires:
Dans Cloud Pak for Data, vérifiez que vous vous trouvez dans la région de Dallas. Si ce n'est pas le cas, cliquez sur le menu déroulant de la région, puis sélectionnez Dallas.
Dans le menu de navigation " , choisissez Services > Instances de service.
Utilisez la liste déroulante Produit pour déterminer s'il existe une instance de service watsonx.ai Studio.
Si vous devez créer une instance de service watsonx.ai Studio, cliquez sur Add service.
Sélectionnez watsonx.ai Studio.
Pour la région, sélectionnez Dallas.
Sélectionnez le plan Lite .
Cliquez sur Créer.
Répétez ces étapes pour vérifier ou mettre à disposition les services supplémentaires suivants :
- watsonx.ai Runtime
- IBM Knowledge Catalog
- Cloud Object Storage
Vous devez disposer d'un accès administrateur ou gestionnaire pour ces services. Pour plus d'informations, voir Gestion des utilisateurs et des accès.
Vérifier votre progression
L'image suivante montre les instances de service mises à disposition:
Créez l'exemple de projet
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 01:45.
Accédez à l'exemple de projet de gouvernance de l'IA dans le centre de ressources.
Cliquez sur Créer un projet.
Si vous êtes invité à associer le projet à une instance Cloud Object Storage, sélectionnez une instance Cloud Object Storage dans la liste.
Cliquez sur Créer.
Attendez que l'importation du projet soit terminée, puis cliquez sur Afficher le nouveau projet pour vérifier que le projet et les actifs ont été créés avec succès.
Cliquez sur l'onglet Actifs pour afficher les actifs dans l'exemple de projet.
Vérifier votre progression
L'image suivante montre l'exemple de projet. Vous êtes maintenant prêt à démarrer le tutoriel.
Tâche 1: Configurer le suivi pour votre modèle
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 02:35.
Vous suivez les modèles en ajoutant des cas d'utilisation d'IA à un catalogue. Avec le plan Lite IBM Knowledge Catalog , vous pouvez créer deux catalogues. Procédez comme suit pour voir si vous disposez déjà d'un catalogue et, si ce n'est pas le cas, pour créer un catalogue afin de stocker le cas d'utilisation de l'intelligence artificielle. Vous avez besoin des rôles et des droits appropriés affectés pour créer des catalogues et des cas d'utilisation de l'intelligence artificielle. Reportez-vous à la section Rôles et autorisations des utilisateurs pour IBM Knowledge Catalog et watsonx.ai Studio.
Dans le menu de navigation ', choisissez Catalogues > Voir tous les catalogues.
Si vous voyez un catalogue sur la page Catalogues , vous pouvez passer à la Tâche 2: Créer le cas d'utilisation de l'IA. Sinon, procédez comme suit pour créer un nouveau catalogue:
Cliquez sur Nouveau catalogue.
Pour le Nom, copiez et collez le nom du catalogue exactement comme indiqué sans espaces de début ou de fin:
Mortgage Approval Catalog
Si vous êtes invité à associer le catalogue à une instance Cloud Object Storage, sélectionnez un Cloud Object Storage dans la liste.
Sélectionnez Appliquer les règles de protection des données, confirmez la sélection et acceptez les valeurs par défaut pour les autres zones.
Cliquez sur Créer.
Vérifier votre progression
L'image suivante montre votre catalogue. Vous êtes maintenant prêt à créer le cas d'utilisation de l'IA qui est stocké dans le catalogue.
Tâche 2: Créer le cas d'utilisation de l'IA
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 3:08.
Pour ce type de projet, il est préférable de créer le cas d'utilisation de l'IA lorsqu'un projet commence. Un cas d'utilisation d'IA peut faire référence à plusieurs modèles d'apprentissage automatique que vous pouvez utiliser pour résoudre des problèmes métier. Ensuite, les ingénieurs de données et les évaluateurs de modèles peuvent ajouter des modèles au cas d'utilisation de l'IA et suivre le modèle tout au long de son cycle de vie. Pour créer le cas d'utilisation de l'IA, procédez comme suit:
Tâche 2a: Créer le cas d'utilisation
Dans le menu de navigation " , choisissez Catalogues > Cas d'utilisation de l'IA.
Cliquez sur Nouveau cas d'utilisation de l'IA.
Pour Nom, copiez et collez le nom exactement comme indiqué sans espace de début ou de fin:
Mortgage Approval Model Use Case
Pour la zone Description, copiez et collez le texte suivant:
This model use case is for the Mortgage approval model at Golden Bank
Pour la zone Stock / Catalogue , sélectionnez Catalogue d'approbation hypothécaire ou un autre catalogue existant.
Cliquez sur Créer.
Tâche 2b: Associer les espaces de travail au cas d'utilisation
Vous utiliserez l'exemple de projet pour la phase Développement. Avant de pouvoir déployer le modèle, vous devez le promouvoir vers un espace de déploiement dans la phase Valider. Les espaces de déploiement vous aident à organiser les ressources de support telles que les données d'entrée et les environnements, à déployer des modèles ou des fonctions pour générer des prévisions ou des solutions et à afficher ou éditer les détails du déploiement.
Suivez les étapes suivantes pour associer les espaces de travail à ce cas d'utilisation :
Allez jusqu'à la section Espaces de travail associés.
Sous la phase Développer, cliquez sur Associer l'espace de travail.
Sélectionnez le projet Gouvernance IA.
Cliquez sur Sauvegarder.
Sous la phase Valider, cliquez sur Associer l'espace de travail.
Cliquez sur Nouvel espace.
Pour le nom de l'espace de déploiement, copiez et collez le nom exactement comme indiqué, sans espace avant ou après :
Golden Bank Preproduction Space
Pour l'étape Déploiement, sélectionnez Testing.
Sélectionnez un service de stockage dans la liste.
Sélectionnez votre service d'apprentissage automatique mis à disposition dans la liste.
Cliquez sur Créer.
Cliquez sur Fermer.
Sélectionnez le Golden Bank Preproduction Space dans la liste.
Cliquez sur Sauvegarder.
Vérifier votre progression
L'image suivante illustre votre cas d'utilisation de l'intelligence artificielle. Le cas d'utilisation de l'IA est désormais prêt pour les ingénieurs de données et les évaluateurs de modèles afin d'ajouter des modèles et de les suivre au fur et à mesure qu'ils progressent dans leur cycle de vie. La tâche suivante consiste à exécuter le bloc-notes pour créer le modèle.
Tâche 3: Exécuter le bloc-notes pour créer le modèle
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 03:50.
Vous êtes maintenant prêt à exécuter le premier bloc-notes inclus dans l'exemple de projet. Le bloc-notes inclut le code pour:
- Configurez des AI Factsheets utilisées pour suivre le cycle de vie du modèle.
- Chargez les données d'apprentissage, qui sont stockées dans la connexion Db2 Warehouse dans l'exemple de projet.
- Spécifiez les colonnes cible, catégorielle et numérique ainsi que les seuils utilisés pour créer le modèle.
- Générez des pipelines de données.
- Générez des modèles d'apprentissage automatique.
- Affichez les résultats du modèle.
- Sauvegardez le modèle.
Procédez comme suit pour exécuter le bloc-notes inclus dans le projet exemple. Prenez le temps de lire les commentaires du bloc-notes, qui expliquent le code de chaque cellule.
Dans le menu de navigation " , choisissez Projets > Afficher tous les projets.
Cliquez sur le nom de projet Gouvernance d'IA .
Cliquez sur l'onglet Actifs, puis naviguez jusqu'à Carnets de notes.
'Ouvrez le bloc-notes 1-model-training-with-factsheets.
Puisque le carnet est en mode lecture seule, cliquez sur l'icône d'édition " pour passer en mode édition.
Lorsque vous importez un projet à partir du concentrateur de ressources, la première cellule du bloc-notes contient le jeton d'accès au projet. Si ce bloc-notes ne contient pas de première cellule avec un jeton d'accès de projet, vous devez générer le jeton. Dans le menu Plus, sélectionnez Insérer un jeton de projet. Cette action insère une nouvelle cellule comme première cellule du bloc-notes contenant le jeton de projet.
Dans la section Provide your IBM Cloud API key, vous devez transmettre vos informations d'identification à l'API Runtime de watsonx.ai à l'aide d'une clé d'API. Si vous ne disposez pas déjà d'une clé d'API sauvegardée, procédez comme suit pour créer une clé d'API.
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 04:44.Accédez à la page des clés API de la consoleIBM Cloud
Cliquez sur Créer une clé d'API IBM Cloud. Si vous disposez de clés d'API existantes, le bouton peut être intitulé Créer.
Entrez un nom et une description.
Cliquez sur Créer.
Copier la clé de l'API.
Téléchargez la clé de l'API pour une utilisation ultérieure.
Revenez au bloc-notes et collez votre clé d'API dans la zone ibmcloud_api_key .
Cliquez sur Cellule > Exécuter tout pour exécuter toutes les cellules du bloc-notes. Vous pouvez également exécuter le bloc-notes cellule par cellule si vous souhaitez explorer chaque cellule et sa sortie.
L'exécution du bloc-notes prend entre 1 et 3 minutes. Vous pouvez surveiller la progression cellule par cellule, en remarquant que l'astérisque "In [
*
]" est modifié en nombre, par exemple "In [1
]".Si vous rencontrez des erreurs lors de l'exécution du bloc-notes, essayez les conseils suivants:
- Cliquez sur Noyau > Redémarrer & Effacer la sortie pour redémarrer le noyau, puis exécutez à nouveau le bloc-notes.
- Vérifiez que vous avez créé le cas d'utilisation de l'IA en copiant et en collant le nom d'artefact spécifié exactement sans espaces de début ou de fin.
Vérifier votre progression
L'image suivante montre le bloc-notes lorsque l'exécution est terminée. Le bloc-notes a sauvegardé le modèle dans le projet, vous êtes donc prêt à afficher le modèle et à commencer à le suivre.
Tâche 4: Afficher la fiche d'information du modèle et l'associer à un cas d'utilisation d'IA
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 06:16.
Après avoir exécuté toutes les cellules du bloc-notes, procédez comme suit pour afficher la feuille de factsheet du modèle dans le projet, puis associez ce modèle à un cas d'utilisation d'IA:
Cliquez sur le nom du projet de gouvernance de l'IA dans la piste de navigation.
Cliquez sur l'onglet Actifs , puis accédez à Modèles.
Cliquez sur le nom d'actif Modèle de prévision d'approbation hypothécaire que vous avez créé précédemment pour ouvrir le modèle.
Consultez la fiche technique de l'IA pour votre modèle. Les AI Factsheets capturent les métadonnées de modèle tout au long du cycle de vie de développement de modèle, ce qui facilite la validation d'entreprise ultérieure ou la réglementation externe. Les AI Factsheets permettent aux valideurs de modèle et aux valideurs d'obtenir une vue précise et toujours à jour des détails du cycle de vie du modèle.
Dans la dernière tâche, vous avez exécuté un bloc-notes contenant le code client Python AI Factsheets dans le bloc-notes qui a capturé les métadonnées d'entraînement. Faites défiler jusqu'aux sections Métriques de formation et Etiquettes de formation pour passer en revue les métadonnées de formation capturées.
' L'image suivante montre la fiche d'information sur l'IA pour le modèle :
'
''Faites défiler la page du modèle vers le haut et cliquez sur Track in AI use case.
Remarquez que le cas d'utilisation AI associé est Cas d'utilisation du modèle d'approbation des prêts hypothécaires.
Sélectionnez Approche par défaut, puis cliquez sur Suivant.
Sélectionnez Expérimental, puis cliquez sur Suivre le modèle.
De retour sur la page du modèle, cliquez sur l'icône Afficher les détails " pour ouvrir le cas d'utilisation AI.
Sur la page de cas d'utilisation de l'IA, cliquez sur l'onglet Cycle de vie .
Sous Approche par défaut, vous pouvez voir que les AI Factsheets suivent les modèles tout au long de leur cycle de vie. Ce modèle est toujours à l'étape Développement car il n'a pas encore été déployé.
Vérifier votre progression
L'image suivante montre le cas d'utilisation de l'IA avec le modèle dans la phase de développement. Maintenant que vous avez passé en revue les métadonnées telles que la source de données d'entraînement, les métriques d'entraînement et le schéma d'entrée qui ont été capturées dans la fiche d'informations sur l'IA, vous êtes prêt à déployer le modèle.
Tâche 5: Déployer le modèle
Avant de pouvoir déployer le modèle, vous devez le promouvoir dans un espace de déploiement. Les espaces de déploiement vous aident à organiser les ressources de support telles que les données d'entrée et les environnements, à déployer des modèles ou des fonctions pour générer des prévisions ou des solutions et à afficher ou éditer les détails du déploiement.
Promouvoir le modèle dans un espace de déploiement
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 07:28.
Procédez comme suit pour promouvoir le modèle dans un nouvel espace de déploiement:
Dans le cas d'utilisation de l'IA, sous la phase Développement , cliquez sur Modèle de prévision d'approbation d'hypothèque.
Cliquez sur Ouvrir dans le projet pour ouvrir le modèle dans le projet de gouvernance de l'IA.
Sur la page du modèle, cliquez sur Promouvoir vers l'espace de déploiement " .
Pour l'espace cible, sélectionnez Golden Bank Preproduction Space.
Vérifiez l'option Accéder au modèle dans l'espace après sa promotion.
Cliquez sur Promouvoir.
Vérifier votre progression
L'image suivante montre le modèle dans l'espace de déploiement. Vous êtes maintenant prêt à créer un déploiement de modèle.
Créer un déploiement en ligne pour le modèle
Pour avoir un aperçu de cette tâche, regardez la vidéo à partir de 08:33.
Pour créer un déploiement en ligne pour votre modèle, procédez comme suit:
Lorsque l'espace de déploiement s'ouvre, cliquez sur Nouveau déploiement.
Pour le type de déploiement, sélectionnez En ligne.
Pour le Nom, copiez et collez le nom de déploiement exactement comme indiqué sans espace de début ou de fin:
Mortgage Approval Model Deployment
Pour le Nom de service, vous pouvez spécifier un nom descriptif à utiliser à la place de l'ID de déploiement qui vous aidera à identifier ce déploiement rapidement. Copiez et collez le nom de service sans espaces de début ou de fin. Le nom est validé pour être unique par région. Si ce nom de service existe déjà, ajoutez un nombre (ou tout caractère unique) à la fin du nom de service.
mortgage_approval_service
Cliquez sur Créer.
Le déploiement du modèle peut prendre plusieurs minutes. Lorsque le modèle est déployé avec succès, retournez à l'inventaire du modèle ; dans le menu de navigation " , choisissez Catalogues > Cas d'utilisation de l'IA.
Ouvrez le Cas d'utilisation du modèle d'approbation hypothécaire.
Cliquez sur l'onglet Cycle de vie . Sous Approche par défaut, vous pouvez voir que l'étape Validation montre maintenant le déploiement du modèle en plus du modèle.
Vérifier votre progression
L'image suivante montre le cas d'utilisation de l'IA avec le modèle dans la phase de déploiement. Votre modèle est maintenant prêt à être évalué dans Watson OpenScale.
En tant que spécialiste des données chez Golden Bank, vous avez créé un modèle d'approbation de prêt hypothécaire en exécutant un Jupyter Notebook qui a généré le modèle et capturé automatiquement les métadonnées pour suivre le modèle dans une fiche d'informations sur l'IA. Vous avez ensuite promu le modèle dans un espace de déploiement, puis vous avez déployé le modèle.
Etapes suivantes
Vous êtes maintenant prêt à valider et à surveiller votre modèle d'apprentissage automatique déployé pour vous assurer qu'il fonctionne correctement et équitablement. Pour cette tâche, vous allez utiliser Watson OpenScale. Voir le tutoriel Tester et valider le modèle.
En savoir plus
Rubrique parent: Tutoriels de cas d'utilisation