Lernprogramm für KI-Governance: Modell erstellen und bereitstellen

Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 02:35an.

Sie können Modelle verfolgen, indem Sie einem Katalog Modellanwendungsfälle hinzufügen. Mit dem Lite-Plan IBM Knowledge Catalog können Sie zwei Kataloge erstellen. Führen Sie die folgenden Schritte aus, um zu sehen, ob bereits ein Katalog vorhanden ist, und, falls nicht, um einen Katalog zum Speichern des Modellanwendungsfalls zu erstellen:

1. Wählen Sie im Navigationsmenü Cloud Pak for Data die Option Kataloge > Alle Kataloge anzeigen.

2. Wenn auf der Seite Kataloge ein Katalog angezeigt wird, können Sie mit Task 2: Modellanwendungsfall im Modellbestand erstellenfortfahren. Andernfalls führen Sie die folgenden Schritte aus, um einen neuen Katalog zu erstellen:

   1. Klicken Sie auf Neuer Katalog.

   2. Kopieren Sie für Nameden Katalognamen genau so, wie er ohne führende oder nachfolgende Leerzeichen angezeigt wird, und fügen Sie ihn ein:

      Mortgage Approval Catalog
      

   3. Wenn Sie aufgefordert werden, den Katalog einer Cloud Object Storage-Instanz zuzuordnen, wählen Sie in der Liste eine Cloud Object Storage-Instanz aus.

   4. Wählen Sie Datenschutzregeln umsetzenaus, bestätigen Sie die Auswahl und akzeptieren Sie die Standardwerte für die anderen Felder.

   5. Klicken Sie auf Erstellen.

Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 3:08an.

Für diesen Projekttyp ist es am besten, den Modellanwendungsfall zu erstellen, wenn ein Projekt beginnt. Ein Modellanwendungsfall kann auf mehrere Modelle für maschinelles Lernen verweisen, die Sie zum Lösen von Geschäftsproblemen verwenden können. Anschließend können Datenentwickler und Modellauswerter Modelle zum Modellanwendungsfall hinzufügen und das Modell verfolgen, während es seinen Lebenszyklus durchläuft. Führen Sie die folgenden Schritte aus, um den Modellanwendungsfall zu erstellen:

1. Wählen Sie im Navigationsmenü Cloud Pak for Data Kataloge > Modellbestandaus.

2. Klicken Sie auf Neuer Modellanwendungsfall.

3. Kopieren Sie für den Namen des Modellanwendungsfallsden Namen genau so, wie er ohne führende oder nachfolgende Leerzeichen angezeigt wird, und fügen Sie ihn ein:

   Mortgage Approval Model Use Case
   

4. Kopieren Sie für die Beschreibungden folgenden Text und fügen Sie ihn ein:

   This model use case is for the Mortgage approval model at Golden Bank
   

5. Wenn Sie über mehrere Kataloge verfügen, wird ein Feld Katalog angezeigt. Wählen Sie Mortage Approval Catalog oder einen anderen vorhandenen Katalog aus.

6. Klicken Sie auf Speichern.

Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 03:50an.

Jetzt können Sie das erste Notebook ausführen, das im Beispielprojekt enthalten ist. Das Notebook enthält den Code für Folgendes:

• Richten Sie AI Factsheets ein, um den Lebenszyklus des Modells zu verfolgen.
• Laden Sie die Trainingsdaten, die in der Db2 Warehouse -Verbindung im Beispielprojekt gespeichert sind.
• Geben Sie die Ziel-, kategorialen und numerischen Spalten zusammen mit den Schwellenwerten für die Modellerstellung an.
• Erstellen Sie Datenpipelines.
• Erstellen Sie Modelle für maschinelles Lernen
• Zeigen Sie die Modellergebnisse an.
• Speichern Sie das Modell.

Führen Sie die folgenden Schritte aus, um das Notebook auszuführen, das im Beispielprojekt enthalten ist. Nehmen Sie sich etwas Zeit, um die Kommentare im Notebook zu lesen, die den Code in jeder Zelle erklären.

1. Wählen Sie im Navigationsmenü Cloud Pak for Data Projekte > Alle Projekte anzeigenaus.

2. Klicken Sie auf den Projektnamen AI governance .

3. Klicken Sie auf die Registerkarte Assets und navigieren Sie dann zu Notebooks.
   

4. Öffnen Sie das Notebook 1-modell-training-with-factsheets.

5. Da sich das Notebook im Lesezugriffsmodus befindet, klicken Sie auf das Symbol Bearbeiten , um das Notebook in den Bearbeitungsmodus zu versetzen.

6. Wenn Sie ein Projekt aus dem Ressourcenhub importieren, enthält die erste Zelle des Notebooks das Projektzugriffstoken. Wenn dieses Notebook keine erste Zelle mit einem Projektzugriffstoken enthält, müssen Sie das Token generieren. Wählen Sie im Menü Mehr die Option Projekttoken einfügen aus. Diese Aktion fügt eine neue Zelle als erste Zelle im Notebook ein, die das Projekttoken enthält.

7. Unter dem Abschnitt Geben Sie Ihren IBM Cloud -API-Schlüssel an müssen Sie Ihre Berechtigungsnachweise mithilfe eines API-Schlüssels an die Watson Machine Learning -API übergeben. Wenn Sie noch keinen gespeicherten API-Schlüssel haben, führen Sie diese Schritte aus, um einen API-Schlüssel zu erstellen.
   Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 04:44an.

   1. Rufen Sie die API-Schlüsselseite der IBM Cloud -Konsoleauf.

   2. Klicken Sie auf IBM Cloud-API-Schlüssel erstellen. Wenn Sie über vorhandene API-Schlüssel verfügen, kann die Schaltfläche Erstellenlauten.

   3. Geben Sie einen Namen und eine Beschreibung ein.

   4. Klicken Sie auf Erstellen.

   5. Kopieren Sie den API-Schlüssel.

   6. Laden Sie den API-Schlüssel für die zukünftige Verwendung herunter.

   7. Kehren Sie zum Notebook zurück und fügen Sie Ihren API-Schlüssel in das Feld ibmcloud_api_key ein.

8. Klicken Sie auf Zelle > Alle ausführen , um alle Zellen im Notebook auszuführen. Alternativ können Sie die Notebookzelle nach Zelle ausführen, um jede Zelle und ihre Ausgabe zu untersuchen.

9. Die Ausführung des Notebooks dauert 1 bis 3 Minuten. Sie können den Verarbeitungsfortschritt zellenweise überwachen, indem Sie den Stern "In [*]" in eine Zahl ändern, z. B. "In [1]".

10. Wenn während der Ausführung des Notebooks Fehler auftreten, verwenden Sie die folgenden Tipps:

    • Klicken Sie auf Kernel > Restart & Clear Output , um den Kernel erneut zu starten, und führen Sie dann das Notizbuch erneut aus.
    • Überprüfen Sie, ob Sie den Modellanwendungsfall erstellt haben, indem Sie den angegebenen Artefaktnamen exakt ohne führende oder nachfolgende Leerzeichen kopieren und einfügen.

Um eine Vorschau dieser Task anzuzeigen, sehen Sie sich das Video ab 06:16an.

Nachdem Sie alle Zellen im Notebook ausgeführt haben, führen Sie die folgenden Schritte aus, um das Factsheet des Modells im Projekt anzuzeigen und dieses Modell einem Modellanwendungsfall im Modellbestand zuzuordnen:

1. Klicken Sie auf den Projektnamen AI governance im Navigationspfad.
   

2. Klicken Sie auf die Registerkarte Assets und navigieren Sie dann zu Modelle.

3. Klicken Sie auf den Assetnamen Mortgage Approval Prediction Model , den Sie zuvor erstellt haben, um das Modell zu öffnen.

4. Überprüfen Sie das KI-Factsheet für Ihr Modell. AI Factsheets erfassen Modellmetadaten über den gesamten Modellentwicklungszyklus hinweg und erleichtern so die nachfolgende Unternehmensprüfung oder externe Regulierung. AI Factsheets ermöglichen Modellprüfprogrammen und Genehmigern, eine genaue, stets aktuelle Ansicht der Modelllebenszyklusdetails zu erhalten.
   In der letzten Task haben Sie ein Notebook ausgeführt, das den Code des Python -Clients AI Factsheets in dem Notebook enthält, das Trainingsmetadaten erfasst hat. Blättern Sie zu den Abschnitten Trainingsmetriken und Trainingstags , um die erfassten Trainingsmetadaten zu überprüfen.
   Die folgende Abbildung zeigt das AI-Factsheet für das Modell:
   
   

5. Blättern Sie auf der Modellseite nach oben und klicken Sie auf Dieses Modell verfolgen.

   1. Wählen Sie in der Liste der Modellanwendungsfälle Mortgage Approval Model Use Caseaus und klicken Sie auf Weiter.

   2. Wählen Sie Standardmethodeaus und klicken Sie auf Weiter.

   3. Wählen Sie Experimentalaus und klicken Sie auf Modell verfolgen.

6. Klicken Sie auf der Modellseite auf Im Modellbestand öffnen.

7. Klicken Sie auf der Modellanwendungsfallseite 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.

Bevor Sie das Modell bereitstellen können, müssen Sie es in einen neuen Bereitstellungsbereich hochstufen. Bereitstellungsbereiche helfen Ihnen, unterstützende Ressourcen wie Eingabedaten und Umgebungen zu organisieren, Modelle oder Funktionen bereitzustellen, um Vorhersagen oder Lösungen zu generieren, und Bereitstellungsdetails anzuzeigen oder zu bearbeiten.