Guía de aprendizaje de integración de datos: Orquestar un conducto de IA con integración de datos

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 02:26.

El proyecto de ejemplo incluye varios activos que incluyen una conexión, una definición de datos, dos flujos de DataStage y un conducto. Siga estos pasos para ver estos activos:

1. Pulse el separador Activos en el proyecto de conducto de Orchestrate an AI y, a continuación, visualice Todos los activos.

2. Todos los activos de datos que se utilizan en los flujos de DataStage y la interconexión se almacenan en una conexión de Data Fabric Trial- Db2 Warehouse en el esquema AI_MORTGAGE . La imagen siguiente muestra los activos de dicha conexión:

   

3. El flujo Integrar datos de hipoteca DataStage integra datos sobre cada solicitante de hipoteca, incluida la información de identificación personal, con sus detalles de solicitud, puntuaciones de crédito, estado como comprador comercial y, finalmente, los precios de la vivienda elegida de cada solicitante y, a continuación, crea un archivo secuencial con el nombre Mortgage_Data.csv en el proyecto que contiene los datos unidos. La imagen siguiente muestra el flujo Integrar datos de hipoteca DataStage .

   Sugerencia: Si no ve ningún flujo de DataStage , vuelva a ver las instancias de servicio para verificar que la instancia de DataStage se ha suministrado correctamente. Consulte Suministro de los servicios necesarios.

   

4. El flujo Integrar aprobaciones de hipotecas DataStage utiliza la salida del primer flujo de DataStage (Mortgage_Data.csv) y enriquece aún más los datos integrando información sobre cada aprobación de aplicación de hipoteca. El conjunto de datos resultante se guarda en el proyecto con el nombre Mortgage_Data_with_Approvals.csv. La imagen siguiente muestra el flujo Integrar aprobaciones de hipoteca DataStage :

   

5. La definición de datos Definition_Mortgage_Data para el activo de datos Mortgage_Data_with_Approvals.csv se crea mediante el flujo Integrar aprobaciones de hipotecas DataStage . La imagen siguiente muestra la definición de datos:

   

Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 04:00.

El proyecto de ejemplo incluye un conducto de orquestación, que automatiza las tareas siguientes:

• Ejecute dos trabajos de DataStage existentes.

• Cree un experimento de AutoAI .

• Ejecute el experimento AutoAI y guarde el modelo de mejor rendimiento que utiliza el archivo de salida resultante del trabajo DataStage como datos de entrenamiento.

• Cree un espacio de despliegue.

• Promocione el modelo guardado al espacio de despliegue.

Siga estos pasos para explorar el conducto:

1. En el separador Activos del proyecto de conducto de Orchestrate an AI, consulte Todos los activos.

2. Pulse Conducto de aprobación de hipoteca para abrir el conducto.

3. En la sección inicial de la interconexión, dos trabajos de DataStage (Integrar datos de hipoteca e Integrar aprobaciones de hipoteca) se ejecutan en secuencia para combinar diversas tablas de la conexión de Db2 Warehouse on Cloud en un conjunto de datos etiquetado cohesivo que se utiliza como datos de entrenamiento para el experimento de AutoAI .

4. Efectúe una doble pulsación en el nodo Comprobar estado para ver la condición. Esta condición es un punto de decisión en la interconexión para confirmar la finalización del primer trabajo de DataStage con un valor de Completado o Completado con avisos. Pulse Cancelar para volver a la interconexión.

5. Efectúe una doble pulsación en el nodo Crear experimento de AutoAI para ver los valores. Este nodo crea un experimento de AutoAI con los valores.

   1. Revise los valores para los valores siguientes:

      • Nombre del experimento de AutoAI

      • Ámbito

      • Tipo de predicción

      • Columna de predicción

      • Clase positiva

      • Índice de división de datos de entrenamiento

      • Algoritmos a incluir

      • Algoritmos a utilizar

      • Métrica de optimización

   2. Pulse Cancelar para cerrar los valores.

6. Efectúe una doble pulsación en el nodo Ejecutar experimento de AutoAI para ver los valores. Este nodo ejecuta el experimento AutoAI que se crea a partir del nodo Crear experimento AutoAI que utiliza la salida del trabajo Integrar aprobación de hipoteca DataStage como datos de entrenamiento.

   1. Revise los valores para los valores siguientes:

      • Experimento AutoAI

      • Activos de datos de entrenamiento

      • Prefijo del nombre de modelo

   2. Pulse Cancelar para cerrar los valores.

7. Entre los nodos Ejecutar experimento de AutoAI y Crear espacio de despliegue , efectúe una doble pulsación en ¿Desea desplegar el modelo? para ver la condición. El valor de True para esta condición es un punto de decisión en la interconexión para continuar creando el espacio de despliegue. Pulse Cancelar para volver a la interconexión.

8. Efectúe una doble pulsación en el nodo Crear espacio de despliegue para ver los valores. Este nodo crea un nuevo espacio de despliegue con el nombre especificado y requiere entrada para los servicios de Cloud Object Storage y Watson Machine Learning .

   1. Revise el valor de Nombre de espacio nuevo .

   2. Para el campo Nuevo CRN de instancia de COS , seleccione la instancia de Cloud Object Storage en la lista.

   3. Para el campo Nuevo CRN de instancia de WML de espacio , seleccione la instancia de Watson Machine Learning en la lista.

   4. Pulse Guardar.

9. Efectúe una doble pulsación en el nodo Promocionar modelo a espacio de despliegue para ver los valores. Este nodo promociona el mejor modelo del nodo Ejecutar experimento de AutoAI al espacio de despliegue creado desde el nodo Crear espacio de despliegue .

   1. Revise los valores para los valores siguientes:

      • Activos de origen

      • Destino

   2. Pulse Cancelar para cerrar los valores.

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 06:23.

La interconexión crea el modelo, crea un espacio de despliegue y, a continuación, lo promociona a un espacio de despliegue. Debe añadir un nodo para crear un despliegue en línea. Siga estos pasos para editar el conducto para automatizar la creación de un despliegue en línea:

1. Añada el nodo Crear despliegue en línea al lienzo:

   1. Expanda la sección Crear en la paleta de nodos.

   2. Arrastre el nodo Crear despliegue en línea al lienzo y suelte el nodo después del nodo Promocionar modelo a espacio de despliegue .

2. Pase el cursor por encima del nodo Promocionar modelo a espacio de despliegue para ver la flecha. Conecte la flecha al nodo Crear despliegue en línea .

   Nota: Los nombres de nodo en la interconexión pueden diferir de la siguiente imagen animada.

   

3. Conecte el comentario Crear despliegue en línea para modelo promocionado al nodo Crear despliegue en línea conectando el círculo del recuadro de comentario al nodo.

   Nota: Los nombres de nodo en la interconexión pueden diferir de la siguiente imagen animada.

   

4. Efectúe una doble pulsación en el nodo Crear despliegue en línea para ver los valores.

5. Cambie el nombre de nodo a Create Online Deployment.

6. Junto a Activo ML, pulse Seleccionar de otro nodo en el menú.

   

7. Seleccione el nodo Promocionar modelo a espacio de despliegue en la lista. El ID de nodo winning_model está seleccionado.

8. Para el Nuevo nombre de despliegue, escriba mortgage approval model deployment.

9. En Modalidad de creación, seleccione Sobrescribir.

10. Pulse Guardar para guardar los valores del nodo Crear despliegue en línea .

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 07:38.

Ahora que la interconexión se ha completado, siga estos pasos para ejecutar la interconexión:

1. En la barra de herramientas, pulse Ejecutar conducto > Ejecutar prueba.

2. En la página Definir parámetros de interconexión , seleccione True para el despliegue.

   • Si se establece en True, la interconexión verifica el modelo desplegado y puntúa el modelo.

   • Si se establece en False, la interconexión verifica que el modelo se ha creado en el proyecto mediante el experimento AutoAI y revisa la información del modelo y las métricas de entrenamiento.

3. Si esta es la primera vez que ejecuta un conducto, se le solicitará que proporcione una clave de API. Los activos de conducto utilizan su clave de API personal de IBM Cloud para ejecutar operaciones de forma segura sin interrupciones.

   • Si tiene una clave de API existente, pulse Utilizar clave de API existente, pegue la clave de API y pulse Guardar.

   • Si no tiene una clave de API existente, pulse Generar nueva clave de API, proporcione un nombre y pulse Guardar. Copie la clave de API y, a continuación, guarde la clave de API para utilizarla en el futuro. Cuando haya terminado, pulse Cerrar.

4. Pulse Ejecutar para iniciar la ejecución del conducto.

5. Desplácese por los registros consolidados mientras se ejecuta el conducto. La ejecución de prueba puede tardar hasta 10 minutos en completarse.

6. A medida que se completa cada operación, seleccione el nodo para dicha operación en el lienzo.

7. En la pestaña Inspector de nodo , vea los detalles de la operación.

8. Pulse la pestaña Salida de nodo para ver un resumen de la salida para cada operación de nodo.

Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 09:48.

El conducto ha creado varios activos. Siga estos pasos para ver los activos:

1. Pulse el nombre de proyecto Orquestar un conducto de IA en la pista de navegación para volver al proyecto.

   

2. En la ficha Activos , vea Todos los activos.

3. Ver los activos de datos.

   1. Pulse el activo de datos Mortgage_Data.csv . El trabajo de DataStage ha creado este activo.

   2. Pulse el nombre del proyecto en la ruta de navegación para volver a la pestaña Activos .

   3. Pulse el activo de datos Mortgage_Data_with_Approvals.csv . El trabajo de DataStage ha creado este activo.

   4. Pulse el nombre del proyecto en la ruta de navegación para volver a la pestaña Activos .

4. Ver el modelo.

   1. Pulse el activo de modelo de aprendizaje automático que empieza por hipotecage_approval_best_model. El experimento AutoAI ha generado varios candidatos de modelo y lo ha elegido como el mejor modelo.

   2. Desplácese por la información del modelo.

   3. Pulse el nombre del proyecto en la ruta de navegación para volver a la pestaña Activos .

5. Pulse el separador Trabajos en el proyecto para ver información sobre los dos trabajos de DataStage y una ejecución de trabajo de conducto.

6. En el menú de navegación de Cloud Pak for Data , elija Despliegues.

7. Pulse la pestaña Espacios .

8. Pulse el espacio de despliegue Aprobación de hipoteca .

9. Pulse la pestaña Activos y consulte el modelo desplegado que empieza por hipotecage_approval_best_model.

10. Pulse la pestaña Despliegues.

11. Pulse Despliegue del modelo de aprobación de hipotecas para ver el despliegue.

    1. Vea la información en el separador Referencia de API .

    2. Pulse el separador Probar.

    3. Pulse la pestaña Entrada JSON y sustituya el texto de ejemplo por el siguiente texto JSON.

       {
          "input_data": [
              {
                      "fields": [
                              "ID",
                              "NAME",
                              "STREET_ADDRESS",
                              "CITY",
                              "STATE",
                              "STATE_CODE",
                              "ZIP_CODE",
                              "EMAIL_ADDRESS",
                              "PHONE_NUMBER",
                              "GENDER",
                              "SOCIAL_SECURITY_NUMBER",
                              "EDUCATION",
                              "EMPLOYMENT_STATUS",
                              "MARITAL_STATUS",
                              "INCOME",
                              "APPLIEDONLINE",
                              "RESIDENCE",
                              "YRS_AT_CURRENT_ADDRESS",
                              "YRS_WITH_CURRENT_EMPLOYER",
                              "NUMBER_OF_CARDS",
                              "CREDITCARD_DEBT",
                              "LOANS",
                              "LOAN_AMOUNT",
                              "CREDIT_SCORE",
                              "CRM_ID",
                              "COMMERCIAL_CLIENT",
                              "COMM_FRAUD_INV",
                              "FORM_ID",
                              "PROPERTY_CITY",
                              "PROPERTY_STATE",
                              "PROPERTY_VALUE",
                              "AVG_PRICE"
                      ],
                      "values": [
                              [
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      "Bachelor",
                                      "Employed",
                                      null,
                                      144306,
                                      null,
                                      "Owner Occupier",
                                      15,
                                      19,
                                      2,
                                      7995,
                                      1,
                                      1483220,
                                      437,
                                      null,
                                      false,
                                      false,
                                      null,
                                      null,
                                      null,
                                      111563
                              ],
                              [
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      null,
                                      "High School",
                                      "Employed",
                                      null,
                                      45283,
                                      null,
                                      "Private Renting",
                                      11,
                                      13,
                                      1,
                                      1232,
                                      1,
                                      7638,
                                      706,
                                      null,
                                      false,
                                      false,
                                      null,
                                      null,
                                      null,
                                      547262
                              ]
                      ]
              }
          ]
       }
       

    4. Pulse Pronosticar. Los resultados muestran que el primer solicitante no sería aprobado y el segundo solicitante sería aprobado.