Questa esercitazione è la prima di una serie di due esercitazioni. Utilizza questa esercitazione per creare, distribuire e tracciare un modello con il caso d'uso di governance AI. Il tuo obiettivo è formare un modello per prevedere quali candidati si qualificano per i mutui e quindi distribuire il modello per la valutazione. È inoltre necessario impostare la traccia per il modello per documentare la cronologia del modello e generare una spiegazione per le sue prestazioni.
La storia per il tutorial è che Golden Bank vuole espandere il suo business offrendo rinnovi ipotecari a basso tasso per le applicazioni online. Le applicazioni online ampliano la portata dei clienti della banca e riducono i costi di elaborazione delle applicazioni. Come data scientist presso Golden Bank, è necessario creare un modello di approvazione del mutuo che eviti il rischio imprevisto e tratti in modo equo tutti i richiedenti. Si eseguirà un Jupyter Notebook per creare un modello e acquisire automaticamente i metadati che tracciano il modello in un Factsheet AI.
La seguente immagine animata fornisce una rapida anteprima di ciò che eseguirai entro la fine della seconda esercitazione in cui utilizzerai Watson OpenScale per configurare e valutare i monitor per il modello distribuito per garantire che il modello sia accurato e che tratti tutti i candidati in modo equo. Fare clic sull'immagine per visualizzare un'immagine più grande.
Anteprima dell'esercitazione
In questa esercitazione, verranno completate le seguenti attività:
- Impostare i requisiti.
- Attività 1: impostare la traccia per il proprio modello.
- Attività 2: creazione di un caso di utilizzo AI.
- Attività 2: eseguire il notebook per creare il modello.
- Attività 4: visualizzare il factsheet del modello e associarlo a un caso di utilizzo AI.
- Attività 5: distribuire il modello.
Guarda questo video per visualizzare un'anteprima dei passi in questa esercitazione.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Suggerimenti per completare questa esercitazione
Di seguito sono riportati alcuni suggerimenti per completare correttamente questa esercitazione.
Utilizzare il video immagine - in - immagine
La seguente immagine animata mostra come utilizzare le funzioni di immagine video e indice:
Ottieni aiuto nella community
Se si ha bisogno di aiuto con questa esercitazione, è possibile porre una domanda o trovare una risposta nella sezione 'Cloud Pak for Data Forum di discussione della comunità.
Configurare le finestre del browser
Per un'esperienza ottimale durante il completamento di questa esercitazione, apri Cloud Pak for Data in una finestra del browser e tieni aperta questa pagina dell'esercitazione in un'altra finestra del browser per passare facilmente tra le due applicazioni. Prendi in considerazione la possibilità di organizzare le due finestre del browser fianco a fianco per renderle più semplici da seguire.
Imposta i requisiti
Registrati per Cloud Pak for Data as a Service
Devi registrarti per Cloud Pak for Data as a Service e fornire i servizi necessari per il caso di utilizzo dell'integrazione dei dati.
- Se hai un account Cloud Pak for Data as a Service esistente, puoi iniziare con questa esercitazione. Se hai un account del piano Lite, solo un utente per account può eseguire questa esercitazione.
- Se non hai ancora un account Cloud Pak for Data as a Service , allora registrati.
Verificare i servizi di cui è stato eseguito il provisioning necessari
Per avere un'anteprima di questo compito, guardate il video a partire da 01:06.
Attenersi alla seguente procedura per verificare o eseguire il provisioning dei servizi necessari:
In Cloud Pak for Data, verifica di essere nella regione Dallas. In caso contrario, fare clic sul menu a tendina della regione e selezionare Dallas.
Dal menu di navigazione '
, scegliere Servizi > Istanze di servizio.Utilizzare l'elenco a discesa Prodotto per determinare se esiste un'istanza del servizio watsonx.ai Studio.
Se è necessario creare un'istanza del servizio watsonx.ai Studio, fare clic su Aggiungi servizio.
Selezionare watsonx.ai Studio.
Per la regione, seleziona Dallas.
Seleziona il piano Lite.
Fare clic su Crea.
Ripetere questi passi per verificare o eseguire il provisioning dei seguenti servizi aggiuntivi:
- runtime watsonx.ai
- IBM Knowledge Catalog
- Cloud Object Storage
Per questi servizi è necessario l'accesso di amministratore o gestore. Per ulteriori informazioni, vedi Gestione di utenti e accesso.
Controllare i progressi
La seguente immagine mostra le istanze del servizio di cui è stato eseguito il provisioning:
Crea il progetto di esempio
Per vedere un'anteprima di questo compito, guardate il video a partire da 01:45.
Accedere al progetto campione di governance dell'IA nell'hub delle risorse.
Fare clic su Crea progetto.
Se ti viene richiesto di associare il progetto a un'istanza Cloud Object Storage , seleziona un'istanza Cloud Object Storage dall'elenco.
Fare clic su Crea.
Attendere il completamento dell'importazione del progetto, quindi fare clic su Visualizza nuovo progetto per verificare che il progetto e gli asset siano stati creati correttamente.
Fare clic sulla scheda Asset per visualizzare gli asset nel progetto di esempio.
Controllare i progressi
La seguente immagine mostra il progetto di esempio. È ora possibile avviare l'esercitazione.
Attività 1: configurare il tracciamento per il tuo modello
Per vedere un'anteprima di questo compito, guardate il video a partire da 02:35.
I modelli vengono tracciati aggiungendo i casi di utilizzo AI a un catalogo. Con il piano IBM Knowledge Catalog Lite, è possibile creare due cataloghi. Attenersi a questa procedura per verificare se si dispone già di un catalogo e, in caso contrario, per creare un catalogo per memorizzare il caso di utilizzo AI. Sono necessari i ruoli e le autorizzazioni appropriati assegnati per creare i cataloghi e i casi di utilizzo AI. Fare riferimento a Ruoli e autorizzazioni degli utenti per IBM Knowledge Catalog e watsonx.ai Studio.
Dal menu di navigazione '
, scegliere Cataloghi > Visualizza tutti i cataloghi.Se vedi un catalogo nella pagina Cataloghi , puoi passare a Attività 2: crea il caso di utilizzo AI. Altrimenti, attenersi alla seguente procedura per creare un nuovo catalogo:
Fare clic su Nuovo catalogo.
Per il Nome, copiare e incollare il nome del catalogo esattamente come mostrato senza spazi iniziali o finali:
Mortgage Approval CatalogSe ti viene richiesto di associare il catalogo a un'istanza Cloud Object Storage , seleziona un Cloud Object Storage dall'elenco.
Selezionare Applica regole di protezione dati, confermare la selezione e accettare i valori predefiniti per gli altri campi.
Fare clic su Crea.
Controllare i progressi
La seguente immagine mostra il tuo catalogo. È ora possibile creare il caso di utilizzo AI memorizzato nel catalogo.
Attività 2: creare il caso di utilizzo AI
Per avere un'anteprima di questo compito, guardate il video a partire da 3:08.
Per questo tipo di progetto, è meglio creare il caso di utilizzo AI quando inizia un progetto. Un caso di utilizzo AI può fare riferimento a più modelli di machine learning che è possibile utilizzare per risolvere problemi aziendali. Quindi, i data engineer e i valutatori del modello possono aggiungere modelli al caso di uso AI e tenere traccia del modello durante il suo ciclo di vita. Seguire questi passi per creare il caso di utilizzo AI:
Compito 2a: Creare il caso d'uso
Dal menu di navigazione '
, scegliere Cataloghi > Casi d'uso AI.Fare clic su Nuovo caso di utilizzo AI.
Per il Nome, copiare e incollare il nome esattamente come mostrato senza spazi iniziali o finali:
Mortgage Approval Model Use CasePer la Descrizione, copiare e incollare il seguente testo:
This model use case is for the Mortgage approval model at Golden BankPer il campo Inventario / Catalogo , selezionare Catalogo approvazione mutuo o un catalogo esistente differente.
Fare clic su Crea.
Task 2b: Associare gli spazi di lavoro al caso d'uso
Utilizzerete il progetto di esempio per la fase Sviluppo. Prima di poter distribuire il modello, è necessario promuoverlo a uno spazio di distribuzione nella fase Validate. Gli spazi di distribuzione consentono di organizzare le risorse di supporto come i dati di input e gli ambienti, di distribuire modelli o funzioni per generare previsioni o soluzioni e di visualizzare o modificare i dettagli di distribuzione.
Seguite questi passaggi per associare gli spazi di lavoro a questo caso d'uso:
Spostarsi nella sezione Spazi di lavoro associati.
Nella fase Sviluppo, fate clic su Associa spazio di lavoro.
Selezionate il progetto Governance dell'IA.
Fare clic su Salva.
Sotto la fase Validate, fate clic su Associate workspace.
Fare clic su Nuovo spazio.
Per il nome dello spazio di distribuzione, copiare e incollare il nome esattamente come mostrato, senza spazi iniziali o finali:
Golden Bank Preproduction SpacePer la fase Deployment, selezionate Testing.
Selezionare un servizio di storage dall'elenco.
Selezionare il servizio di machine learning di cui è stato eseguito il provisioning dall'elenco.
Fare clic su Crea.
Fare clic su Chiudi.
Selezionare lo spazio di preproduzione Golden Bank dall'elenco.
Fare clic su Salva.
Controllare i progressi
La seguente immagine mostra il tuo caso d'uso AI. Il caso di utilizzo AI è ora pronto per gli ingegneri dei dati e i valutatori di modelli per aggiungere modelli e tenere traccia dei modelli man mano che avanzano nel loro ciclo di vita. L'attività successiva consiste nell'eseguire il notebook per creare il modello.
Attività 3: eseguire il notebook per creare il modello
Per avere un'anteprima di questo compito, guardate il video a partire da 03:50.
Ora si è pronti per eseguire il primo notebook incluso nel progetto di esempio. Il notebook include il codice per:
- Impostare i AI Factsheets utilizzati per tracciare il ciclo di vita del modello.
- Caricare i dati di training, memorizzati nella connessione Db2 Warehouse nel progetto di esempio.
- Specificare le colonne obiettivo, categoriale e numerica insieme alle soglie utilizzate per creare il modello.
- Creare pipeline di dati.
- Crea modelli di machine learning.
- Visualizzare i risultati del modello.
- Salvare il modello.
Seguire questa procedura per eseguire il notebook incluso nel progetto di esempio. Prendere un po 'di tempo per leggere i commenti nel notebook, che spiegano il codice in ogni cella.
Dal menu di navigazione '
, scegliere Progetti > Visualizza tutti i progetti.Fai clic sul nome del progetto AI governance .
Fare clic sulla scheda Attività, quindi spostarsi su Taccuini.
'
Aprire il notebook 1 - model - training - with - factsheets .
Poiché il blocco note è in modalità di sola lettura, fare clic sull'icona Modifica '
per mettere il blocco note in modalità di modifica.Quando si importa un progetto dall'hub di risorse, la prima cella del notebook contiene il token di accesso al progetto. Se questo notebook non contiene una prima cella con un token di accesso al progetto, è necessario generare il token. Dal menu Altro , selezionare Inserisci token progetto. Questa azione inserisce una nuova cella come prima cella nel notebook contenente il token del progetto.
Nella sezione Fornisci la tua chiave API IBM Cloud, è necessario passare le proprie credenziali all'API watsonx.ai Runtime utilizzando una chiave API. Se non disponi già di una chiave API salvata, attieniti a questa procedura per creare una chiave API.
Per vedere un'anteprima di questo compito, guardate il video a partire da 04:44.Accedere alla pagina delle chiavi API della consoleIBM Cloud.
Fai clic su Crea una chiave API IBM Cloud. Se hai delle chiavi API esistenti, il pulsante può essere etichettato come Crea.
Immettere un nome e una descrizione.
Fare clic su Crea.
Copia la chiave API.
Scarica la chiave API per un utilizzo futuro.
Torna al notebook e incolla la chiave API nel campo ibmcloud_api_key .
Fare clic su Cella> Esegui tutto per eseguire tutte le celle nel notebook. In alternativa, è possibile eseguire il notebook cella per cella se si desidera esplorare ogni cella e il suo output.
Il completamento del notebook richiede da 1 a 3 minuti. È possibile monitorare l'avanzamento cella per cella, notando l'asterisco "In [
*]" che cambia in un numero, ad esempio "In [1]".Se si verificano degli errori durante l'esecuzione del notebook, provare i seguenti suggerimenti:
- Fare clic su Kernel> Restart & Clear Output per riavviare il kernel, quindi eseguire nuovamente il notebook.
- Verificare di aver creato il caso di utilizzo AI copiando e incollando il nome della risorsa utente specificato esattamente senza spazi iniziali o finali.
Controllare i progressi
La seguente immagine mostra il notebook quando l'esecuzione è completa. Il notebook ha salvato il modello nel progetto, quindi è ora possibile visualizzare il modello e iniziare a tracciarlo.
Attività 4: visualizzare il factsheet del modello e associarlo a un caso di utilizzo AI
Per vedere un'anteprima di questo compito, guardate il video a partire da 06:16.
Dopo aver eseguito tutte le celle nel notebook, attenersi alla seguente procedura per visualizzare il factsheet del modello nel progetto e quindi associare tale modello a un caso di utilizzo AI:
Fare clic sul nome del progetto di governance AI nel percorso di navigazione.
Fare clic sulla scheda Asset , quindi passare a Modelli.
Fare clic sul nome dell'asset Modello di previsione approvazione mutuo creato in precedenza per aprire il modello.
Esaminare il foglio di factsheet AI per il proprio modello. I AI Factsheets catturano i metadati del modello per tutto il ciclo di vita di sviluppo del modello, facilitando la successiva convalida aziendale o la regolamentazione esterna. I AI Factsheets consentono ai programmi di convalida dei modelli e ai responsabili dell'approvazione di ottenere una vista accurata e sempre aggiornata dei dettagli del ciclo di vita del modello.
Nell'ultima attività, è stato eseguito un notebook contenente il codice client AI Factsheets Python nel notebook che ha acquisito i metadati di addestramento. Scorri fino alle sezioni Metriche di addestramento e Tag di addestramento per esaminare i metadati di addestramento acquisiti.
' L'immagine seguente mostra il Factsheet AI per il modello:
'
'
Scorri verso l'alto nella pagina del modello e fai clic su Track in AI use case.
Si noti che il caso d'uso dell'IA associato è Mortgage Approval Model Use Case.
Selezionare Approccio predefinitoe fare clic su Avanti.
Selezionare Sperimentalee fare clic su Traccia modello.
Nella pagina del modello, fare clic sull'icona Visualizza dettagli '
per aprire il caso d'uso AI.Nella pagina del caso di utilizzo AI, selezionare la scheda Ciclo di vita .
In Approccio predefinito, è possibile vedere che i AI Factsheets tengono traccia dei modelli nel loro ciclo di vita. Questo modello è ancora nella fase di Sviluppo poiché non è stato ancora distribuito.
Controllare i progressi
La seguente immagine mostra il caso di utilizzo AI con il modello in fase di sviluppo. Ora che hai esaminato i metadati come l'origine dati di addestramento, le metriche di addestramento e lo schema di input acquisito nel foglio di lavoro AI, sei pronto a distribuire il modello.
Attività 5: distribuzione del modello
Prima di poter distribuire il modello, è necessario promuovere il modello in uno spazio di distribuzione. Gli spazi di distribuzione consentono di organizzare le risorse di supporto come i dati di input e gli ambienti, di distribuire modelli o funzioni per generare previsioni o soluzioni e di visualizzare o modificare i dettagli di distribuzione.
Promuovi il modello a uno spazio di distribuzione
Per vedere l'anteprima di questo compito, guardate il video a partire da 07:28.
Attenersi alla seguente procedura per promuovere il modello in un nuovo spazio di distribuzione:
Dal caso di utilizzo AI, nella fase Sviluppo , fare clic su Modello di previsione approvazione mutuo.
Fare clic su Apri nel progetto per aprire il modello nel progetto di governance AI.
Nella pagina del modello, fare clic su Promuovi per lo spazio di distribuzione '
.Per lo spazio Obiettivo, selezionare Spazio di preproduzione Golden Bank.
Selezionare l'opzione Vai al modello nello spazio dopo averlo promosso .
Fare clic su Promuovi.
Controllare i progressi
La seguente immagine mostra il modello nello spazio di distribuzione. Si è ora pronti a creare una distribuzione modello.
Crea una distribuzione online per il modello
Per vedere un'anteprima di questo compito, guardate il video a partire da 08:33.
Attenersi alla seguente procedura per creare una distribuzione in linea per il modello:
Quando viene aperto lo spazio di distribuzione, fare clic su Nuova distribuzione.
Per il Tipo di distribuzione, selezionare Online.
Per il Nome, copiare e incollare il nome della distribuzione esattamente come mostrato senza spazi iniziali o finali:
Mortgage Approval Model DeploymentPer il Nome servizio, è possibile specificare un nome descrittivo da utilizzare al posto dell'ID distribuzione che consentirà di identificare rapidamente questa distribuzione. Copiare e incollare il nome di servizio senza spazi iniziali o finali. Il nome viene convalidato in modo che sia univoco per regione. Se questo nome di servizio esiste già, aggiungere un numero (o qualsiasi carattere univoco) alla fine del nome di servizio.
mortgage_approval_serviceFare clic su Crea.
Il completamento della distribuzione del modello potrebbe richiedere diversi minuti. Quando il modello è stato distribuito con successo, tornare all'inventario dei modelli; dal menu di navigazione '
, scegliere Cataloghi > Casi d'uso AI.Aprire il caso d'uso del modello di approvazione del mutuo.
Fare clic sulla scheda Ciclo di vita . In Approccio predefinito, si può notare che la fase Validazione ora mostra la distribuzione del modello oltre al modello.
Controllare i progressi
La seguente immagine mostra il caso di utilizzo AI con il modello in fase di distribuzione. Il tuo modello è ora pronto per essere valutato in Watson OpenScale.
Come data scientist presso Golden Bank, hai creato un modello di approvazione del mutuo eseguendo un Jupyter Notebook che ha creato il modello e acquisito automaticamente i metadati per tenere traccia del modello in un factsheet AI. Hai quindi promosso il modello a uno spazio di distribuzione e distribuito il modello.
Passi successivi
Sei ora pronto a convalidare e monitorare il tuo modello di machine learning distribuito per assicurarti che stia funzionando in modo accurato ed equo. Per questa attività, si utilizzeranno Watson OpenScale. Vedi l'esercitazione Test e convalida del modello .
Ulteriori informazioni
Argomento principale: Esercitazioni del caso d'uso