Lernprogramm 'MLOps und Vertrauenswürdige KI': Modell erstellen und bereitstellen

In diesem Lernprogramm finden Sie Informationen, mit denen Sie ein Modell mit den Anwendungsfall 'MLOps und Vertrauenswürdige KI' der Data Fabric-Testversion erstellen, implementieren und verfolgen können. Ihr Ziel ist es, ein Modell zu trainieren, mit dem vorhergesagt werden kann, welche Antragsteller für Hypotheken qualifiziert sind. Dieses Modell wird anschließend zur Bewertung bereitgestellt. Außerdem müssen Sie die Überwachung für das Modell einrichten, um den Modellverlauf zu dokumentieren und eine Erklärung für seine Leistung zu generieren.

In diesem Lernprogramm möchte die Golden Bank ihren Geschäftsbereich ausbauen, indem sie kostengünstige Hypothekenverlängerungen für Online-Anwendungen anbietet.Online-Anwendungen erweitern die Kundenreichweite der Bank und reduzieren die Kosten der Antragsbearbeitung. Als Data-Scientist bei der Golden Bank müssen Sie ein Modell zur Genehmigung von Hypotheken erstellen, mit dem unerwartete Risiken vermieden und alle Antragsteller fair behandelt werden. Sie führen ein Jupyter Notebook aus, um ein Modell zu erstellen und automatisch Metadaten zum Überwachen des Modells in einem KI-Factsheet zu erfassen.

In diesem Lernprogramm werden Sie die folgenden Tasks ausführen:

  1. Verfolgung für Ihr Modell einrichten.
  2. API-Schlüssel generieren.
  3. Einen Modelleintrag im Modellbestand erstellen.
  4. Das Notebook ausführen, um das Modell zu erstellen.
  5. Das Factsheet des Modells anzeigen und es einem Modelleintrag zuordnen.
  6. Stellen Sie das Modell bereit.

Wenn Sie Hilfe bei diesem Lernprogramm benötigen, können Sie im Diskussionsforum der Cloud Pak for Data-Community Fragen stellen oder eine Antwort finden.

Tipp: Um dieses Lernprogramm optimal zu nutzen, öffnen Sie Cloud Pak for Data as a Service in einer Browserregisterkarte und lassen Sie diese Lernprogrammseite in einer anderen Browserregisterkarte geöffnet, damit Sie einfach zwischen den beiden Anwendungen wechseln können.

Vorschau des Lernprogramms anzeigen

Video ansehen Sehen Sie sich dieses Video an, um eine Vorschau der Schritte in diesem Lernprogramm anzuzeigen.

Dieses Video bietet eine visuelle Darstellung als Alternative zu den im Folgenden schriftlich dokumentierten Schritten.

Voraussetzung

Sie müssen sich bei Cloud Pak for Data as a Service anmelden und die erforderlichen Services für den Anwendungsfall 'MLOps und Vertrauenswürdige KI' bereitstellen.

Sie können sich auf eine der folgenden Arten bei Cloud Pak for Data as a Service anmelden:

Bereitstellung der erforderlichen Services

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 01:03 starten.

Führen Sie die folgenden Schritte aus, um die erforderlichen Services zu überprüfen oder bereitzustellen.

  1. Wählen Sie im Navigationsmenü von Cloud Pak for Data die Option Services > Serviceinstanzen aus.
  2. Ermitteln Sie über die Dropdown-Liste Produkt, ob bereits eine Watson Studio-Serviceinstanz vorhanden ist.
  3. Wenn Sie eine Watson Studio-Serviceinstanz erstellen müssen, klicken Sie auf Service hinzufügen.
  4. Wählen Sie Watson Studio aus.
  5. Wählen Sie den Lite-Plan aus.
  6. Klicken Sie auf Erstellen.
  7. Wiederholen Sie diese Schritte, um die folgenden zusätzlichen Services zu überprüfen oder bereitzustellen:
    • Watson Machine Learning
    • Watson Knowledge Catalog
    • Cloud Object Storage

Beispielprojekt erstellen

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 01:43 starten.

Führen Sie die folgenden Schritte aus, wenn Sie das Beispielprojekt für dieses Lernprogramm noch nicht erstellt haben.

  1. Greifen Sie in der Galerie auf das Beispielprojekt für das geführte Lernprogramm 'MLOps und Vertrauenswürdiges KI' zu.
  2. Klicken Sie auf Create Project.
  3. Wenn Sie aufgefordert werden, das Projekt einer Cloud Object Storage-Instanz zuzuordnen, wählen Sie in der Liste eine Cloud Object Storage-Instanz aus.
  4. Klicken Sie auf Erstellen.
  5. Klicken Sie auf Neues Projekt anzeigen, um zu überprüfen, ob das Projekt und die Assets erfolgreich erstellt wurden.

Schritt 1: Überwachung für Ihr Modell einrichten

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 02:23 starten.

Sie überwachen Modelle, indem Sie einem Katalog Modelleinträge hinzufügen. Mit dem Watson Knowledge Catalog Lite-Plan können Sie nur einen Katalog erstellen. Wenn Sie bereits über einen Katalog verfügen, überspringen Sie diesen Schritt. Andernfalls gehen Sie folgendermaßen vor, um einen Katalog zum Speichern des Modelleintrags zu erstellen.

  1. Wählen Sie im Navigationsmenü von Cloud Pak for Data die Option Kataloge > Alle Kataloge anzeigen aus.
  2. Klicken Sie auf Katalog erstellen.
  3. Geben Sie Mortgage Approval Catalog als Namen ein. Geben Sie den Katalognamen genau so ein, wie er angezeigt wird, ohne anführende oder nachgestellte Leerzeichen. Wenn Sie aufgefordert werden, den Katalog einer Cloud Object Storage-Instanz zuzuordnen, wählen Sie in der Liste eine Cloud Object Storage-Instanz aus.
  4. Akzeptieren Sie die Standardwerte für alle anderen Felder.
  5. Klicken Sie auf Erstellen.

Schritt 2: API-Schlüssel generieren

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 02:53 starten.

Das Notebook, das in diesem Lernprogramm verwendet wurde, enthält Code für den Zugriff auf die API für Watson Machine Learning. Sie müssen Ihre Berechtigungsnachweise mithilfe eines API-Schlüssels an die API übergeben. Wenn Sie noch keinen gespeicherten API-Schlüssel haben, führen Sie diese Schritte aus, um einen API-Schlüssel zu erstellen.

  1. Navigieren Sie in IBM Cloud-Konsole zu Verwalten > Zugriff (IAM).
  2. Klicken Sie auf die Seite API-Schlüssel.
  3. Klicken Sie auf IBM Cloud-API-Schlüssel erstellen.
  4. Geben Sie einen Namen und eine Beschreibung ein.
  5. Klicken Sie auf Erstellen.
  6. Kopieren Sie den API-Schlüssel.
  7. Laden Sie den API-Schlüssel für die zukünftige Verwendung herunter.

Schritt 3: Modelleintrag im Modellbestand erstellen

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 03:47 starten.

Für diesen Projekttyp ist es am besten, den Modelleintrag zu erstellen, wenn ein Projekt beginnt. Ein Modelleintrag kann auf mehrere Modelle für maschinelles Lernen verweisen, die Sie zur Lösung von Geschäftsproblemen verwenden können. Anschließend können Datenentwickler und Modellauswertungsprogramme die Modelle zum Modelleintrag hinzufügen und den Fortschritt des Modells im gesamten Lebenszyklus verfolgen. Führen Sie die folgenden Schritte aus, um den Modelleintrag zu erstellen.

  1. Wählen Sie im Navigationsmenü von Cloud Pak for Data die Option Kataloge > Modellbestand aus.
  2. Wenn Sie zum ersten Mal auf den Modellbestand zugreifen, wird Ihnen eine angeleitete Tour angezeigt, in der Sie gefragt werden, ob Sie die Modell-Governance einrichten möchten. Klicken Sie zunächst auf Vielleicht später.
  3. Klicken Sie auf Neuer Modelleintrag.
    1. Geben Sie Mortgage Approval Model Entry als Namen des Modelleintrags ein. Geben Sie den Namen des Modelleintrags genau so ein, wie er angezeigt wird, ohne anführende oder nachgestellte Leerzeichen.
    2. Geben Sie als Beschreibung This model entry is for the Mortgage approval use case at Golden Bank ein.
    3. Wenn Sie über mehrere Kataloge verfügen, wird das Feld Katalog angezeigt. Wählen Sie Mortage Approval Catalog oder einen anderen vorhandenen Katalog aus.
    4. Klicken Sie auf Speichern.

Schritt 4: Notebook zum Erstellen des Modells ausführen

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 04:28 starten.

Führen Sie die folgenden Schritte aus, um das Notebook auszuführen, das im Beispielprojekt enthalten ist.

  1. Wählen Sie im Navigationsmenü von Cloud Pak for Data die Option Projekte > Alle Projekte anzeigen aus.
  2. Öffnen Sie das Projekt MLOps und Vertrauenswürdige KI.
  3. Klicken Sie auf der Registerkarte Assets auf Quellcode > Notebook.
  4. Öffnen Sie das Notebook 1-modell-training-with-factsheets.
  5. Da sich das Notebook im Lesezugriffsmodus befindet, klicken Sie auf das Stiftsymbol, um das Notebook in den Bearbeitungsmodus zu versetzen.
  6. Befolgen Sie die Anweisungen oben im Notebook, um ein Projekttoken zu importieren.
    1. Wählen Sie im Menü Mehr die Option Projekttoken einfügen aus. Dadurch wird eine neue Zelle am Anfang von Notebook eingefügt, die das Projekttoken enthält.
  7. Fügen Sie im Abschnitt IBM Cloud-API-Schlüssel einfügen Ihren API-Schlüssel im Feld ibmcloud_api_key ein.
  8. Um alle Zellen im Notebook auszuführen, klicken Sie auf Zelle > Alle ausführen. Alternativ können Sie die Zellen im Notebook nacheinander ausführen, wenn Sie jede Zelle und ihre Ausgabe untersuchen möchten.
  9. Die Ausführung des Notebooks dauert 1-3 Minuten. Sie können den Fortschritt in allen Zellen nacheinander überwachen, indem Sie den Stern "In [*]" in eine Zahl ändern, z. B. "In [1]".
  10. Wenn während der Ausführung des Notebooks Fehler auftreten, klicken Sie auf Kernel > Erneut starten & Ausgabe löschen, um den Kernel erneut zu starten. Führen Sie dann das Notebook erneut aus.

Schritt 5: Das Factsheet des Modells anzeigen und es einem Modelleintrag zuordnen

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 06:14 starten.

Wenn Sie alle Zellen im Notebook ausgeführt haben, führen Sie die folgenden Schritte aus, um das Factsheet des Modells im Projekt anzuzeigen und dieses Modell anschließend einem Modelleintrag im Modellbestand zuzuordnen.

  1. Klicken Sie im Navigationspfad auf das Projekt MLOps und Vertrauenswürdige KI.
  2. Klicken Sie auf der Registerkarte Assets auf Gespeicherte Modelle > Modell.
  3. Öffnen Sie die soeben erstellte Modell Mortgage Approval Predicion Model.
  4. Auf dieser Seite wird das Factsheet für Ihr Modell angezeigt. Blättern Sie auf der Modellseite nach unten, um die Trainingsmetadaten unter Trainingsmetriken und Trainingstags anzuzeigen, die vom Python-Client des KI-Factsheets in Ihrem Notebook erfasst wurden.
  5. Blättern Sie auf der Modellseite nach oben und klicken Sie auf Zum Modellbestand hinzufügen.
    1. Wählen Sie Vorhandenem Modelleintrag zuordnen aus.
    2. Wählen Sie in der Liste der Modelleinträge Mortgage Approval Model Entry aus.
    3. Klicken Sie auf Hinzufügen.
  6. Klicken Sie auf der Modellseite auf den Link Mortgage Approval Model Entry.
  7. Klicken Sie auf der Modelleintragsseite auf die Registerkarte Asset.
  8. Unter Modellverfolgung sehen Sie, wie KI-Factsheets Modelle im gesamten Lebenszyklus verfolgen.Dieses Modell befindet sich noch in der Stufe Entwickeln, da es noch nicht bereitgestellt wurde.
  9. Klicken Sie auf Mortgage Approval Predition Model, um das KI-Factsheet anzuzeigen.
  10. Blättern Sie nach der Prüfung des KI-Factsheets nach unten und klicken Sie auf In Projekt öffnen.

Schritt 6: Modell bereitstellen

Video ansehen Eine Vorschau zu dieser Task sehen Sie, wenn Sie die Wiedergabe des Videos bei 07:34 starten.

Als Nächstes können Sie das Modell in einen neuen Bereitstellungsbereich hochstufen und anschließend bereitstellen.

Führen Sie die folgenden Schritte aus, um das Modell in einen neuen Bereitstellungsbereich hochzustufen.

  1. Klicken Sie auf der Modellseite auf In Bereitstellungsbereich hochstufen.
    1. Wählen Sie für Zielbereich die Option Neuen Bereitstellungsbereich erstellen aus.
    2. Geben Sie als Namen Golden Bank Preproduction Space ein. Geben Sie den Namen des Bereitstellungsbereichs genau so ein, wie er angezeigt wird, ohne anführende oder nachgestellte Leerzeichen.
    3. Wählen Sie einen Speicherservice aus der Liste aus.
    4. Wählen Sie den Machine Learning-Service aus der Liste aus. Wenn Sie keine Machine Learning-Serviceinstanz haben, erstellen Sie eine Instanz.
      1. Wählen Sie Neue Machine Learning-Instanz erstellen aus.
      2. Wählen Sie den Lite-Plan aus.
      3. Klicken Sie auf Erstellen. Wenn Sie zur Seite Bereitstellungsbereich erstellen zurückkehren, sollte der neue Machine Learning-Service ausgewählt sein.
    5. Klicken Sie auf Erstellen.
    6. Klicken Sie auf Schließen.
    7. Stellen Sie sicher, dass für den Zielbereich die Option Golden Bank Preproduction Space ausgewählt ist.
    8. Aktivieren Sie die Option Nach dem Hochstufen zum Modell im Bereich wechseln.
    9. Klicken Sie auf Hochstufen.

Führen Sie die folgenden Schritte aus, um eine Modellbereitstellung zu erstellen.

  1. Wenn der Bereitstellungsbereich geöffnet wird, klicken Sie auf Neue Bereitstellung.
    1. Wählen Sie Online für den Bereitstellungstyp aus.
    2. Geben Sie Mortgage Approval Model Deployment als Namen ein. Geben Sie den Namen der Bereitstellung genau so ein, wie er angezeigt wird, ohne anführende oder nachgestellte Leerzeichen.
    3. Geben Sie für Bereitstellungsname mortgage_approval_service als Alternative für die Implementierungs-ID ein. Es wird geprüft, ob der Name wird für eine Region eindeutig ist. Wenn dieser Bereitstellungsname bereits vorhanden ist, fügen Sie am Ende des Bereitstellungsnamens eine Zahl (oder ein anderes eindeutiges Zeichen) hinzu. Geben Sie den Bereitstellungsnamen ohne vorangestellte oder abschließende Leerzeichen ein.
    4. Klicken Sie auf Erstellen.
  2. Navigieren Sie nach erfolgreicher Bereitstellung des Modells zurück zum Modellbestand. Wählen Sie im Navigationsmenü Modellbestand aus.
  3. Klicken Sie für Mortgage Approval Model Entry auf Details anzeigen.
  4. Klicken Sie auf die Registerkarte Asset. Unter Modellverfolgung sehen Sie, dass sich das Modell jetzt in der Stufe Bereitstellen befindet.

Nächste Schritte

Sie können jetzt Ihr bereitgestelltes Modell für maschinelles Lernen validieren und überwachen, um sicherzustellen, dass es korrekt und angemessen funktioniert.Hierfür verwenden Sie Watson OpenScale. Weitere Informationen finden Sie im Lernprogramm Modell testen und validieren.

Weitere Informationen

Übergeordnetes Thema: Data Fabric-Lernprogramme