Tutoriel MLOps et Trustworthy AI : Génération et déploiement d'un modèle

Suivez ce tutoriel pour générer, déployer et suivre un modèle avec les cas d'utilisation MLOps et Trustworthy AI de l'offre d'essai de matrice de données. 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.

Dans ce tutoriel, vous exécutez les tâches suivantes :

  1. Configurez le suivi de votre modèle.
  2. Génération d'une clé d'API.
  3. Créez une entrée de modèle dans l'inventaire du modèle.
  4. Exécutez le bloc-notes pour créer le modèle.
  5. Affichez la fiche d'information du modèle et associez-le à une entrée de modèle.
  6. Déployez le modèle.

Si vous avez besoin d'aide pour ce tutoriel, posez une question ou trouvez une réponse dans le forum de discussion communautaire Cloud Pak for Data.

Astuce : Pour l'expérience optimale de l'exécution de ce tutoriel, ouvrez Cloud Pak for Data en tant que service dans un onglet de navigateur, et gardez cette page de tutoriel ouverte dans un autre onglet de navigateur pour basculer facilement entre les deux applications.

Aperçu du tutoriel

Regardez une vidéo Regardez cette vidéo pour prévisualiser les étapes de ce tutoriel.

Cette vidéo constitue une alternative visuelle aux procédures figurant dans cette documentation.

Prérequis

Vous devez vous inscrire pour Cloud Pak for Data en tant que service et fournir les services nécessaires pour les cas d'utilisation MLOps et Trustworthy.

Vous pouvez vous inscrire pour Cloud Pak for Data en tant que service de l'une des manières suivantes :

Mettez à disposition les services nécessaires

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 01:03.

Suivez ces étapes pour vérifier ou mettez à disposition les services nécessaires.

  1. Dans le menu de navigation Cloud Pak for Data, sélectionnez Services > Instances de service.
  2. Utilisez la liste déroulante Produit pour déterminer s'il existe une instance de service Watson Studio existante.
  3. Si vous devez créer une instance de service Watson Studio, cliquez sur Ajouter un service.
  4. Sélectionnez Watson Studio.
  5. Sélectionnez le plan Lite.
  6. Cliquez sur Créer.
  7. Répétez ces étapes pour vérifier ou mettre à disposition les services supplémentaires suivants :
    • Watson Machine Learning
    • Watson Knowledge Catalog
    • Cloud Object Storage

Créez l'exemple de projet

Regardez une vidéoPour prévisualiser cette tâche, regardez la vidéo à partir de 01:43.

Si vous n'avez pas encore créé l'exemple de projet pour ce tutoriel, procédez comme suit.

  1. Accédez à l'exemple de projet de tutoriel assisté MLOps et Trustworthy AI dans la galerie.
  2. Cliquez sur Create Project.
  3. Si vous êtes invité à associer le projet à une instance Cloud Object Storage, sélectionnez une instance Cloud Object Storage dans la liste.
  4. Cliquez sur Créer.
  5. Cliquez sur Afficher le nouveau projet pour vérifier que le projet et les actifs ont été correctement créés.

Étape 1 : Configuration du suivi pour votre modèle

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 02:23.

Vous pouvez suivre les modèles en ajoutant des entrées de modèle à un catalogue. Avec le plan Watson Knowledge Catalog Lite, vous ne pouvez créer qu'un seul catalogue. Si vous avez déjà un catalogue, ignorez cette étape. Sinon, procédez comme suit pour créer un catalogue pour stocker l'entrée de modèle.

  1. Dans le menu de navigation Cloud Pak for Data, sélectionnez Catalogues > Afficher tous les catalogues.
  2. Cliquez sur Créer un catalogue.
  3. Pour le nom, entrez Mortgage Approval Catalog. Entrez le nom du catalogue, exactement comme indiqué sans espace de début ou de fin. Si vous êtes invité à associer le catalogue à une instance Cloud Object Storage, sélectionnez un Cloud Object Storage dans la liste.
  4. Acceptez la valeur par défaut pour tous les autres champs.
  5. Cliquez sur Créer.

Étape 2 : Générer une clé d'API

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 02:53.

Le bloc-notes utilisé dans ce tutoriel inclut le code permettant d'accéder à l'API Watson Machine Learning. Vous devez transmettre vos données d'identification à l'API 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.

  1. À partir de la console IBM Cloud, accédez à Gérer > Accès (IAM).
  2. Cliquez sur la page Clés d'API.
  3. Cliquez sur Créer une clé d'API IBM Cloud.
  4. Entrez un nom et une description.
  5. Cliquez sur Créer.
  6. Copier la clé de l'API.
  7. Téléchargez la clé de l'API pour une utilisation ultérieure.

Étape 3 : Création de l'entrée de modèle dans l'inventaire de modèles

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 03:47.

Pour ce type de projet, il est préférable de créer l'entrée de modèle lorsqu'un projet commence. Une entrée de modèle 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 à l'entrée de modèle et suivre le modèle au cours du cycle de vie. Procédez comme suit pour créer l'entrée de modèle.

  1. Dans le menu de navigation Cloud Pak for Data, sélectionnez Catalogues > Inventaire des modèles.
  2. Si c'est la première fois que vous accédez à l'inventaire du modèle, vous verrez une visite guidée vous demandant si vous souhaitez configurer la gouvernance de modèle. Pour le moment, cliquez sur Peut-être plus tard.
  3. Cliquez sur Nouvelle entrée de modèle.
    1. Pour le nom de l'entrée de modèle, entrez Mortgage Approval Model Entry. Entrez le nom de l'entrée de modèle, exactement comme indiqué sans espace de début ou de fin.
    2. Pour la Description, entrez This model entry is for the Mortgage approval use case at Golden Bank.
    3. Si vous disposez de plusieurs catalogues, vous verrez un champ Catalogue. Sélectionnez Catalogue d'approbation d'hypothèque ou un catalogue existant différent.
    4. Cliquez sur le bouton Sauvegarder.

Étape 4 : Exécution du bloc-notes pour créer le modèle

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 04:28.

Procédez comme suit pour exécuter le bloc-notes inclus dans le projet exemple.

  1. Dans le menu de navigation Cloud Pak for Data, sélectionnez Projets > Afficher tous les projets.
  2. Ouvrez le projet MLOps et Trustworthy AI.
  3. Dans l'onglet Actifs, cliquez sur Code source > Bloc-notes.
  4. Ouvrez le bloc-notes 1-model-training-with-factsheets.
  5. Étant donné que le bloc-notes est en mode lecture seule, cliquez sur l'icône Crayon pour placer le bloc-notes en mode édition.
  6. Suivez les instructions en haut du bloc-notes pour importer un jeton de projet.
    1. Dans le menu Plus, sélectionnez Insérer un jeton de projet. Une nouvelle cellule est insérée dans la partie supérieure du bloc-notes contenant le jeton de projet.
  7. Sous la section Insérer une clé d'API IBM Cloud, collez votre clé d'API dans la zone ibmcloud_api_key.
  8. Pour exécuter toutes les cellules du bloc-notes, cliquez sur Cellule > Exécuter tout. Vous pouvez également exécuter le bloc-notes cellule par cellule si vous souhaitez explorer chaque cellule et sa sortie.
  9. Le bloc-notes prendra de 1 à 3 minutes pour se terminer. Vous pouvez surveiller la progression de la cellule par cellule en remarquant l'astérisque " Dans [*]" , en le remplaçant par un nombre, par exemple, " Dans [1] ".
  10. Si vous rencontrez des erreurs lors de l'exécution du bloc-notes, cliquez sur Noyau > Redémarrage & Effacer la sortie pour redémarrer le noyau, puis ré-exécutez le bloc-notes.

Étape 5 : Afficher la fiche d'information du modèle et l'associer à une entrée de modèle

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 06:14.

Après avoir exécuté toutes les cellules du bloc-notes, procédez comme suit pour afficher la feuille d'informations du modèle dans le projet, puis associer ce modèle à une entrée de modèle dans l'inventaire du modèle.

  1. Cliquez sur le projet MLOps et Trustworthy AI dans les éléments de navigation.
  2. Dans l'onglet Actifs, cliquez sur Modèles sauvegardés > Modèle.
  3. Ouvrez le modèle de prévision d'approbation d'hypothèque que vous venez de créer.
  4. Cette page vous montre la fiche d'information de votre modèle. Faites défiler la page de modèle vers le bas pour afficher les métadonnées de formation sous les mesures de formation et les balises de formation capturées par le client python AI Factsheets dans votre bloc-notes.
  5. Faites défiler la page du modèle et cliquez sur Ajouter au stock de modèles.
    1. Sélectionnez Associer à une entrée de modèle existante.
    2. Dans la liste des entrées de modèle, sélectionnez Mortgage Approval Model Entry.
    3. Cliquez sur Ajouter.
  6. Dans la page du modèle, cliquez sur le lien Entrée de modèle d'approbation de prêt hypothécaire .
  7. Sur la page d'entrée du modèle, cliquez sur l'onglet Actif.
  8. Sous Suivi du modèle, vous pouvez voir que l'IA Factsheets trace les modèles tout au long de leur cycle de vie.Ce modèle est toujours dans l'étape Développement car il n'a pas encore été déployé.
  9. Cliquez sur Modèle de prévision d'approbation d'hypothèque pour afficher la fiche d'information.
  10. Lorsque vous avez terminé de passer en revue l'AI Factsheet, faites défiler la page jusqu'au bas, puis cliquez sur Ouvrir dans le projet.

Étape 6 : Déployer le modèle

Regardez une vidéo Pour prévisualiser cette tâche, regardez la vidéo à partir de 07:34.

Ensuite, vous souhaitez promouvoir le modèle dans un nouvel espace de déploiement, puis déployer le modèle.

Procédez comme suit pour promouvoir le modèle dans un nouvel espace de déploiement.

  1. Sur la page de modèle, cliquez sur Promouvoir vers un espace de déploiement.
    1. Pour l'espace cible, sélectionnez Création d'un espace de déploiement.
    2. Pour le nom, entrez Golden Bank Preproduction Space. Entrez le nom de l'espace de déploiement, exactement comme indiqué sans espace de début ou de fin.
    3. Sélectionnez un service de stockage dans la liste.
    4. Sélectionnez le service d'apprentissage automatique dans la liste. Si vous ne disposez pas d'une instance de service d'apprentissage automatique, créez une instance.
      1. Sélectionnez Créer une nouvelle instance d'apprentissage automatique.
      2. Sélectionnez le plan Lite.
      3. Cliquez sur Créer. Lorsque vous revenez à la page Création d'un espace de déploiement , le nouveau service d'apprentissage automatique doit être sélectionné.
    5. Cliquez sur Créer.
    6. Cliquez sur Close.
    7. Pour l'espace cible vérifiez que l'espace de préproduction de Golden Bank est sélectionné.
    8. Vérifiez l'option Accéder au modèle dans l'espace après sa promotion.
    9. Cliquez sur Promouvoir.

Procédez comme suit pour créer un déploiement de modèle.

  1. Lorsque l'espace de déploiement s'ouvre, cliquez sur Nouveau déploiement.
    1. Pour le type de déploiement, sélectionnez En ligne.
    2. Pour le nom, entrez Mortgage Approval Model Deployment. Entrez le nom du déploiement, exactement comme indiqué sans espace de début ou de fin.
    3. Pour le nom de service, entrez mortgage_approval_service comme alternative pour l'ID de déploiement. 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. Entrez le nom de service sans espace de début ou de fin.
    4. Cliquez sur Créer.
  2. Une fois le modèle déployé, revenez à l'inventaire du modèle. Dans le menu de navigation, choisissez Inventaire des modèles.
  3. Pour l'entrée de modèle d'approbation de prêt hypothécaire, cliquez sur Afficher les détails.
  4. Cliquez sur l'onglet Actif. Sous le suivi du modèle, vous pouvez voir que le modèle est maintenant dans l'étape Déployer.

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 cela, vous utiliserez Watson OpenScale. Voir le tutoriel Tester et valider le modèle.

En savoir plus

Rubrique parent : Tutoriels sur les matrices de données