Tutoriel sur la gouvernance de l'IA: Test et validation du modèle

Aperçu du tutoriel

Regardez cette vidéo pour prévisualiser les étapes de ce tutoriel. Il peut y avoir de légères différences dans l'interface utilisateur affichée dans la vidéo. La vidéo est destinée à être un compagnon du tutoriel écrit.

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

L'image animée suivante montre comment utiliser les fonctions d'image vidéo et de table des matières:

Prérequis

Tâche 1: Exécuter le bloc-notes pour configurer les moniteurs

Pour prévisualiser cette tâche, regardez la vidéo à partir de 01:14.

Exécutez le deuxième bloc-notes inclus dans l'exemple de projet pour:

• Extrayez le modèle et les déploiements.
• Configurez Watson OpenScale.
• Créez le fournisseur de services et l'abonnement pour votre service d'apprentissage automatique.
• Configurez le moniteur de qualité.
• Configurez le moniteur d'équité.
• Configurez l'explicabilité.

Procédez comme suit pour exécuter le bloc-notes inclus dans le projet exemple. Ce bloc-notes configure des moniteurs pour votre modèle, qui peut également être configuré via l'interface utilisateur. Cependant, il est plus rapide et moins enclin à les mettre en place avec un bloc-notes. Prenez le temps de lire les commentaires du bloc-notes, qui expliquent le code de chaque cellule.

1. Dans le Cloud Pak for Data , sélectionnez Projets > Afficher tous les projets.

2. Ouvrez le projet de gouvernance de l'IA .

3. Cliquez sur l'onglet Actifs , puis accédez à Notebooks.
   

4. Ouvrez le bloc-notes 2-monitor-wml-model-with-watson-openscale.

5. Le bloc-notes étant en mode lecture seule, cliquez sur l'icône Editer pour le placer en mode édition.

6. Lorsque vous avez importé le projet à partir de la galerie, la première cellule de ce bloc-notes contient le jeton d'accès au projet. Si ce bloc-notes ne contient pas de première cellule avec un jeton d'accès au projet, pour générer le jeton, dans le menu Plus , sélectionnez Insérer un jeton de projet. Cette action insère une nouvelle cellule comme première cellule 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. Cliquez sur Cellule > Exécuter tout pour exécuter toutes les cellules du bloc-notes. Vous pouvez également exécuter le bloc-notes cellule par cellule si vous souhaitez explorer chaque cellule et sa sortie.

9. L'exécution du bloc-notes prend entre 1 et 3 minutes. Vous pouvez surveiller la cellule de progression en remarquant que l'astérisque "In [*]" est changé en nombre, par exemple "In [1]".

10. Si vous rencontrez des erreurs lors de l'exécution du bloc-notes, essayez les conseils d'identification et de résolution des problèmes suivants:

    • Cliquez sur Noyau > Redémarrer et effacer la sortie pour redémarrer le noyau, puis exécutez à nouveau le bloc-notes.

    • Supprimez les déploiements Watson OpenScale existants et mettez à disposition une nouvelle instance de service.

    • Vérifiez que vous avez créé le cas d'utilisation du modèle, l'espace de déploiement et le nom de déploiement dans le tutoriel Générer et déployer un modèle en copiant et en collant le nom d'artefact spécifié exactement sans espace de début ou de fin.

Tâche 2: Evaluer le modèle

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 03:40.

Procédez comme suit pour télécharger les données restantes et les utiliser pour évaluer le modèle dans Watson OpenScale:

1. Cliquez sur le projet de gouvernance de l'intelligence artificielle dans la trace de navigation.
   

2. Dans l'onglet Actifs , cliquez sur Données > Actifs de données.

3. Cliquez sur le menu Débordement de l'actif de données GoldenBank_HoldoutData.csv et choisissez Télécharger. Pour vérifier que le modèle fonctionne comme requis, vous avez besoin d'un ensemble de données étiquetées, qui ont été retenues à partir de l'entraînement du modèle. Ce fichier CSV contient les données de l'élément restant.

4. Lancez Watson OpenScale. Dans le menu de navigation , sélectionnez Services > Instances de service.

5. Ouvrez votre instance Watson OpenScale. Si vous y êtes invité, connectez-vous à l'aide des mêmes données d'identification que celles que vous avez utilisées pour vous inscrire à Cloud Pak for Data.

6. Sur la page de l'instance de service Watson OpenScale, cliquez sur Lancer l'application.

7. Dans les aperçus du tableau de bord, cliquez sur la mosaïque Déploiement du modèle d'approbation d'hypothèque.

8. Dans le menu Actions, sélectionnez Évaluer maintenant.

9. Dans la liste des options d'importation, sélectionnez à partir d'un fichier CSV.

10. Faites glisser le fichier de données Golden Bank_HoldoutData.csv que vous avez téléchargé du projet dans le panneau latéral.

11. Cliquez sur Télécharger et évaluer.

Tâche 3: Observation de la qualité des moniteurs de modèle

Pour prévisualiser cette tâche, regardez la vidéo à partir de 04:44.

Le moniteur de qualité Watson OpenScale génère un ensemble de métriques pour évaluer la qualité de votre modèle. Vous pouvez utiliser ces indicateurs de qualité pour déterminer dans quelle mesure votre modèle prédit les résultats. Une fois l'évaluation qui utilise les données restantes terminée, procédez comme suit pour observer la qualité ou l'exactitude du modèle:

1. Dans le panneau de navigation de gauche, cliquez sur l'icône Tableau de bord Insights .

2. Localisez la mosaïque de déploiement du modèle d'approbation d'hypothèque. Notez que le déploiement comporte 0 problème et que les tests Qualité et Equité ont réussi, ce qui signifie que le modèle a atteint les seuils requis.

3. Cliquez sur la vignette Mortgage Approval Model Deployment pour afficher plus de détails.

4. Dans la section Qualité , cliquez sur l'icône Configurer . Vous pouvez voir ici que le seuil de qualité configuré pour ce moniteur est de 70% et que la mesure de la qualité utilisée est une zone sous la courbe ROC.

5. Cliquez sur Aller au récapitulatif du modèle pour revenir à l'écran des détails du modèle.

6. Dans la section Qualité , cliquez sur l'icône représentant une flèche vers la droite pour afficher les résultats détaillés de la qualité du modèle. Vous voyez ici un certain nombre de calculs de métriques de qualité et une matrice de confusion présentant des décisions de modèle correctes ainsi que des faux positifs et des faux négatifs. L'aire calculée sous la courbe ROC est 0.9 ou supérieure, ce qui dépasse le seuil 0.7 , de sorte que le modèle répond à ses exigences de qualité.

7. Cliquez sur Mortgage Approval Model Deployment dans la piste de navigation pour revenir à l'écran des détails du modèle.

Tâche 4: Observez l'équité des moniteurs de modèle

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 06:01.

Le moniteur d'équité Watson OpenScale génère un ensemble de métriques pour évaluer l'équité de votre modèle. Vous pouvez utiliser les mesures d'équité pour déterminer si votre modèle produit des résultats biaisés. Pour observer l'équité du modèle, procédez comme suit:

1. Dans la section Equité , cliquez sur l'icône Configurer . Ici, vous voyez que le modèle est en cours de révision pour s'assurer que les candidats sont traités équitablement quel que soit leur sexe.Les femmes sont identifiées comme le groupe surveillé pour lequel l'équité est mesurée et le seuil d'équité doit être d'au moins 80 %.Le contrôleur de l'équité utilise la méthode d'impact disparate pour déterminer l'équité. L'effet Disparate compare le pourcentage de résultats favorables pour un groupe surveillé au pourcentage de résultats favorables pour un groupe de référence.

2. Cliquez sur Aller au récapitulatif du modèle pour revenir à l'écran des détails du modèle.

3. Dans la section Equité , cliquez sur l'icône de flèche droite pour afficher les résultats détaillés de l'équité du modèle. Vous voyez ici le pourcentage de candidats masculins et féminins qui sont automatiquement approuvés, ainsi qu'un score d'équité de plus de 100%, de sorte que la performance du modèle dépasse de loin le seuil d'équité de 80% requis.

4. Notez les jeux de données identifiés. Pour s'assurer que les métriques d'équité sont les plus précises, Watson OpenScale utilise la perturbation pour déterminer les résultats dans lesquels seuls les attributs protégés et les entrées de modèle associées sont modifiés, tandis que les autres fonctions restent les mêmes.La perturbation modifie les valeurs de la fonction du groupe de référence vers le groupe surveillé, ou vice-versa. Ces garde-fous supplémentaires sont utilisés pour calculer l'équité lorsque le jeu de données " équilibré " est utilisé, mais vous pouvez également afficher les résultats d'équité à l'aide uniquement de données de charge utile ou de modèle de formation.Puisque le modèle se comporte de façon équitable, vous n'avez pas besoin d'entrer dans les détails supplémentaires pour cette mesure.

   

5. Cliquez sur la trace de navigation Mortgage Approval Model Deployment pour revenir à l'écran des détails du modèle.

Tâche 5: Observez les moniteurs de modèle pour l'explicabilité

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 07:42.

Il est également important de comprendre comment le modèle a pris sa décision. Cette compréhension est nécessaire à la fois pour expliquer les décisions aux personnes impliquées dans l'approbation du prêt et pour s'assurer que les propriétaires de modèles sont valides. Pour comprendre ces décisions, procédez comme suit pour observer l'explicabilité du modèle:

1. Dans le panneau de navigation de gauche, cliquez sur l'icône Explain a transaction .

2. Sélectionnez Mortgage Approval Model Deployment pour afficher la liste des transactions.

3. Pour toute transaction, cliquez sur Expliquer sous la colonne Actions. Vous trouverez ici l'explication détaillée de cette décision.Vous verrez les entrées les plus importantes du modèle ainsi que l'importance de chaque résultat final. Les barres bleues représentent les entrées qui ont eu tendance à prendre en charge la décision du modèle, tandis que les barres rouges représentent les entrées qui ont pu conduire à une autre décision. Par exemple, un demandeur peut avoir un revenu suffisant pour être approuvé autrement, mais son faible historique de crédit et sa dette élevée conduisent le modèle à rejeter la demande.Examinez cette explication pour vous satisfaire de la base de la décision du modèle.

4. (Facultatif) Si vous souhaitez approfondir la manière dont le modèle a pris sa décision, cliquez sur l'onglet Inspecter . Utilisez la fonction Inspecter pour analyser la décision afin de trouver des zones de sensibilité dans lesquelles de petites modifications apportées à quelques entrées se traduiraient par une décision différente. Vous pouvez tester la sensibilité vous-même en remplaçant certaines des entrées réelles par des alternatives pour voir si elles ont un impact sur le résultat.

Tâche 6: Promouvoir le modèle en préproduction et approuver le modèle

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 09:26.

Procédez comme suit pour modifier le statut du cas d'utilisation du modèle dans l'inventaire du modèle et approuver le modèle:

1. Revenez à Cloud Pak for Dataet, dans le menu de navigation , sélectionnez Catalogues > Inventaire des modèles.

2. Pour le Cas d'utilisation du modèle d'approbation hypothécaire, cliquez sur Afficher les détails.

3. Cliquez sur l'onglet Actif. Sous le suivi du modèle, vous pouvez voir que le modèle est maintenant dans l'étape Valider.

4. Cliquez sur l'icône Editer en regard de Statut du cas d'utilisation du modèle, sélectionnez Promu en préproduction, puis cliquez sur Mettre à jour.

5. Revenez à l'aperçu du tableau de bord Watson OpenScale.

6. Cliquez sur la mosaïque Déploiement du modèle d'approbation d'hypothèque.

7. Dans le menu Actions, sélectionnez Approuver pour la production, puis cliquez sur Approuver. Cette action indique à l'équipe des opérations d'IA qu'elle peut désormais déployer le modèle dans un espace de production désigné.

8. Dans le Cloud Pak for Data , sélectionnez Catalogues > Inventaire de modèle.

9. Pour le Cas d'utilisation du modèle d'approbation hypothécaire, cliquez sur Afficher les détails.

10. Cliquez sur l'onglet Actif. Sous Suivi de modèle, le scénario d'utilisation de modèle s'affiche désormais comme évalué et approuvé dans l'étape Valider .

11. Affichez le déploiement de modèle d'approbation hypothécaire pour voir la fiche d'information capturée par Watson OpenScale.

12. Fermez la fiche technique de déploiement de modèle.

Nettoyage (facultatif)

Si vous souhaitez reprendre les tutoriels dans le cas d'utilisation de la gouvernance de l'IA, supprimez les artefacts suivants.

Etapes suivantes

• Essayez le Tutoriel d'orchestration d'un pipeline d'IA avec surveillance de modèle.

• Inscrivez-vous pour un autre cas d'utilisation de matrice de données.

• Essayez d'autres tutoriels sur la génération, le déploiement et la confiance des modèles.

• Générez un modèle à l'aide d' AutoAI.

• Explorez des exemples de bout en bout de Industry Accelerators.

• Tutoriels de démarrage rapide

En savoir plus

Découvrez comment utiliser IBM OpenPages pour gérer le modèle tout au long de son cycle de vie.

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

• Blocs-notes

• Entraînement et déploiement de modèles d'apprentissage automatique dans des blocs-notes

• Watson OpenScale

• Inventaire de modèles

• Présentation de Cloud Pak for Data en tant que service et matrice de données

Rubrique parent : Tutoriels sur les matrices de données