Guía de aprendizaje de MLOps and Trustworthy AI: Crear y desplegar un modelo

Siga esta guía de aprendizaje para crear, desplegar y realizar un seguimiento de un modelo con el caso de uso de MLOps and Trustworthy AI de la prueba de entramado de datos. Su objetivo es entrenar un modelo para predecir qué solicitantes están calificados para hipotecas y luego desplegar el modelo para su evaluación. También debe configurar el seguimiento del modelo para documentar el historial del modelo y generar una explicación para su rendimiento.

La historia de la guía de aprendizaje es que Golden Bank quiere ampliar su negocio ofreciendo renovaciones de hipotecas de bajo interés para aplicaciones en línea.Las aplicaciones en línea amplían el acceso a clientes para el banco y reducen los costes de proceso de las solicitudes del banco. Como científico de datos en Golden Bank, debe crear un modelo de aprobación de hipotecas que evite el riesgo no anticipado y trate a todos los solicitantes de manera justa. Ejecutará un cuaderno de Jupyter para crear un modelo y capturar automáticamente metadatos que rastreen el modelo en una hoja de cálculo de IA.

En esta guía de aprendizaje, realizará estas tareas:

  1. Configurar el seguimiento del modelo.
  2. Genere una clave de API.
  3. Crear una entrada de modelo en el inventario de modelos.
  4. Ejecutar el cuaderno para crear el modelo.
  5. Ver la hoja de datos del modelo y asociarla con una entrada de modelo.
  6. Despliegue el modelo.

Si necesita ayuda con esta guía de aprendizaje, plantee una pregunta o busque una respuesta en el foro de debate de la comunidad de Cloud Pak for Data.

Consejo: Para aprovechar al máximo esta guía de aprendizaje, abra Cloud Pak for Data as a Service en una pestaña del navegador y mantenga abierta esta página de la guía de aprendizaje en otra pestaña del navegador para cambiar fácilmente entre las dos aplicaciones.

Vista previa de la guía de aprendizaje

Ver vídeo Vea este vídeo para obtener una vista preliminar de los pasos de esta guía de aprendizaje.

Este vídeo proporciona un método visual como una alternativa a seguir los pasos escritos incluidos en esta documentación.

Requisitos previos

Debe inscribirse en Cloud Pak for Data as a Service y suministre los servicios necesarios para el caso de uso de MLOps and Trustworthy AI.

Puede registrarse para Cloud Pak for Data as a Service de cualquiera de estas formas:

Suministro de los servicios necesarios

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 01:03.

Siga estos pasos para verificar o suministrar los servicios necesarios.

  1. En el menú de navegación de Cloud Pak for Data, elija Servicios > Instancias de servicio.
  2. Utilice el recuadro desplegable Producto para determinar si existe una instancia de servicio de Watson Studio existente.
  3. Si necesita crear una instancia de servicio de Watson Studio, pulse Añadir servicio.
  4. Seleccione Watson Studio.
  5. Seleccione el plan Lite.
  6. Pulse Crear.
  7. Repita estos pasos para verificar o suministrar los siguientes servicios adicionales:
    • Watson Machine Learning
    • Watson Knowledge Catalog
    • Cloud Object Storage

Crear el proyecto de ejemplo

Ver vídeoPara obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 01:43.

Si todavía no ha creado el proyecto de ejemplo para esta guía de aprendizaje, siga estos pasos.

  1. Acceda al proyecto de ejemplo de la guía de aprendizaje guiada de MLOps and Trustworthy AI en la galería.
  2. Pulse Crear proyecto.
  3. Si se le solicita que asocie el proyecto a una instancia de Cloud Object Storage, seleccione una instancia de Cloud Object Storage de la lista.
  4. Pulse Crear.
  5. Pulse Ver nuevo proyecto para verificar que el proyecto y los activos se han creado correctamente.

Paso 1: Configurar el seguimiento del modelo

Ver vídeo Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 02:23.

Puede realizar un seguimiento de los modelos añadiendo entradas de modelo a un catálogo. Con el plan Watson Knowledge Catalog Lite, solo puede crear un catálogo. Si ya tiene un catálogo, omita este paso. De lo contrario, siga estos pasos para crear un catálogo para almacenar la entrada de modelo.

  1. En el menú de navegación de Cloud Pak for Data, elija Catálogos > Ver todos los catálogos.
  2. Pulse Crear catálogo.
  3. Para el Nombre, escriba Mortgage Approval Catalog. Escriba el nombre del catálogo, exactamente como se muestra sin espacios iniciales ni finales. Si se le solicita que asocie el catálogo a una instancia de Cloud Object Storage, seleccione un Cloud Object Storage de la lista.
  4. Acepte el valor predeterminado para todos los demás campos.
  5. Pulse Crear.

Paso 2: Generar una clave de API

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 02:53.

El cuaderno utilizado en esta guía de aprendizaje incluye código para acceder a la API de Watson Machine Learning. Deberá pasar sus credenciales a la API utilizando una clave de API. Si todavía no tiene una clave de API guardada, siga estos pasos para crear una clave de API.

  1. En la Consola de IBM Cloud, vaya a Gestionar > Acceso (IAM).
  2. Pulse la página Claves de API.
  3. Pulse Crear una clave de API de IBM Cloud.
  4. Escriba un nombre y una descripción.
  5. Pulse Crear.
  6. Copie la clave de API.
  7. Descargue la clave de API para su uso futuro.

Paso 3: Crear la entrada de modelo en el inventario de modelos

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 03:47.

Para este tipo de proyecto, es mejor crear la entrada de modelo cuando se inicia un proyecto. Una entrada de modelo puede hacer referencia a varios modelos de aprendizaje automático que puede utilizar para resolver problemas empresariales. Luego los ingenieros de datos y los evaluadores de modelos pueden añadir modelos a la entrada de modelo y realizar el seguimiento del modelo durante su ciclo de vida. Siga estos pasos para crear la entrada de modelo.

  1. En el menú de navegación de Cloud Pak for Data, elija Catálogos > Inventario de modelos.
  2. Si esta es la primera vez que accede al inventario de modelos, verá una visita guiada y se le preguntará si desea configurar el gobierno del modelo. Por ahora, pulse Quizás más tarde.
  3. Pulse Nueva entrada de modelo.
    1. Para el Nombre de entrada de modelo, escriba Mortgage Approval Model Entry. Escriba el nombre de la entrada del modelo, exactamente como se muestra sin espacios iniciales ni finales.
    2. Para la Descripción, escriba This model entry is for the Mortgage approval use case at Golden Bank.
    3. Si tiene más de un catálogo, verá un campo Catálogo. Seleccione Catálogo de aprobación de hipotecas o un catálogo existente diferente.
    4. Pulse Guardar.

Paso 4: Ejecutar el cuaderno para crear el modelo

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 04:28.

Siga estos pasos para ejecutar el cuaderno incluido en el proyecto de ejemplo.

  1. En el menú de navegación de Cloud Pak for Data, elija Proyectos > Ver todos los proyectos.
  2. Abra el proyecto MLOps and Trustworthy AI.
  3. En la pestaña Activos, pulse Código fuente > Cuaderno.
  4. Abra el cuaderno 1-model-training-with-factsheets.
  5. Puesto que el cuaderno está en modalidad de solo lectura, pulse el icono lápiz para colocar el cuaderno en modalidad de edición.
  6. Siga las instrucciones de la parte superior del cuaderno para importar una señal de proyecto.
    1. En el menú Más, seleccione Insertar señal de proyecto. Esto inserta una nueva celda en la parte superior del cuaderno que contiene la señal del proyecto.
  7. En la sección Insertar clave de API de IBM Cloud, pegue la clave de API en el campo ibmcloud_api_key.
  8. Para ejecutar todas las celdas del cuaderno, pulse Celda > Ejecutar todo. Como alternativa, puede ejecutar el cuaderno celda por celda si desea explorar cada celda y su salida.
  9. El cuaderno tardará entre 1 y 3 minutos en completarse. Puede supervisar el progreso celda por celda observando el asterisco "En [*]" que cambia a un número, por ejemplo, "En [1]".
  10. Si encuentra algún error durante la ejecución del cuaderno, pulse Kernel > Reiniciar y borrar salida para reiniciar el kernel y luego vuelva a ejecutar el cuaderno.

Paso 5: Ver la hoja de datos del modelo y asociarla con una entrada de modelo

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 06:14.

Después de ejecutar todas las celdas del cuaderno, siga estos pasos para ver la hoja de datos del modelo en el proyecto y luego asocie ese modelo con una entrada de modelo en el inventario de modelos.

  1. Pulse el proyecto MLOps and Trustworthy AI en las indicaciones de ruta.
  2. En la pestaña Activos, pulse Modelos guardados > Modelo.
  3. Abra el Modelo de predicción de aprobación de hipoteca que acaba de crear.
  4. Esta página le muestra la hoja de datos para el modelo. Desplácese hacia abajo en la página del modelo para ver los metadatos de entrenamiento en Medidas de entrenamiento y Etiquetas de entrenamiento capturados por el cliente python de AIS Factsheets en el cuaderno.
  5. Desplácese hacia arriba en la página del modelo y pulse Añadir al inventario de modelos.
    1. Seleccione Asociar con la entrada de modelo existente.
    2. En la lista de entradas de modelo, seleccione Mortgage Approval Model Entry.
    3. Pulse Añadir.
  6. De nuevo en la página del modelo, pulse el enlace Entrada del modelo de aprobación de hipotecas.
  7. En la página de entrada del modelo, pulse la pestaña Activo.
  8. En Seguimiento de modelos, puede ver que AI Factsheets rastrea los modelos durante su ciclo de vida.Este modelo todavía está en la etapa de Desarrollo ya que todavía no se ha desplegado.
  9. Pulse Modelo de predicción de aprobación de hipoteca para ver la hoja de cálculo de IA.
  10. Cuando haya terminado de revisar la hoja de cálculo de IA, desplácese hasta la parte inferior y pulse Abrir en proyecto.

Paso 6: Desplegar el modelo

Ver vídeo Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 07:34.

A continuación, desea promocionar el modelo a un nuevo espacio de despliegue y luego desplegar el modelo.

Siga estos pasos para promocionar el modelo a un nuevo espacio de despliegue.

  1. En la página del modelo, pulse Promocionar al espacio de despliegue.
    1. Para Espacio de destino, seleccione Crear un nuevo espacio de despliegue.
    2. Para el nombre, escriba Golden Bank Preproduction Space. Escriba el nombre del espacio de despliegue, exactamente como se muestra sin espacios iniciales o finales.
    3. Seleccione un servicio de almacenamiento de la lista.
    4. Seleccione el servicio de aprendizaje automático de la lista. Si no tiene una instancia de servicio de aprendizaje automático, cree una instancia.
      1. Seleccione Crear una nueva instancia de aprendizaje automático.
      2. Seleccione el plan Lite.
      3. Pulse Crear. Cuando vuelva a la página Crear un espacio de despliegue, el nuevo servicio de aprendizaje automático debería estar seleccionado.
    5. Pulse Crear.
    6. Pulse Cerrar.
    7. Para el Espacio de destino, asegúrese de que Golden Bank Preproduction Space está seleccionado.
    8. Marque la opción Ir al modelo en el espacio después de promocionarlo.
    9. Haga clic en Promover.

Siga estos pasos para crear un despliegue de modelo.

  1. Cuando se abra el espacio de despliegue, pulse Nuevo despliegue.
    1. Para Tipo de despliegue, seleccione En línea.
    2. Para el Nombre, escriba Mortgage Approval Model Deployment. Escriba el nombre del de despliegue, exactamente como se muestra sin espacios iniciales o finales.
    3. Para el Nombre del servicio, escriba mortgage_approval_service como alternativa para el ID de despliegue. Se valida que el nombre sea exclusivo por región. Si este nombre de servicio ya existe, añada un número (o cualquier carácter exclusivo) al final del nombre de servicio. Escriba el nombre de servicio sin espacios iniciales o finales.
    4. Pulse Crear.
  2. Una vez que el modelo se haya desplegado correctamente, vuelva al inventario del modelo; en el menú de navegación, seleccione Inventario de modelos.
  3. Para la Entrada del modelo de aprobación de hipotecas, pulse Ver detalles.
  4. Pulse la pestaña Activo. En Seguimiento de modelos, puede ver que el modelo está ahora en la etapa de Despliegue.

Próximos pasos

Ahora está preparado para validar y supervisar el modelo de aprendizaje de la máquina desplegado para asegurarse de que funciona de forma precisa y justa.Para ello utilizará Watson OpenScale. Consulte la guía de aprendizaje Probar y validar el modelo.

Más información

Tema principal: Guías de aprendizaje de entramado de datos