Esercitazione di integrazione dati: orchestrazione di una pipeline AI con integrazione dati

Per visualizzare in anteprima questa attività, guardare il video a partire dalle 02:26.

Il progetto di esempio include diversi asset tra cui una connessione, una definizione di dati, due flussi DataStage e una pipeline. Attenersi alla seguente procedura per visualizzare tali asset:

1. Fare clic sulla scheda Asset nel progetto Orchestrate an AI pipeline, quindi visualizzare Tutti gli asset.

2. Tutti gli asset di dati che sono utilizzati nei flussi DataStage e la pipeline sono memorizzati in una connessione Data Fabric di prova - Db2 Warehouse nello schema AI_MORTGAGE . La seguente immagine mostra gli asset da tale connessione:

   

3. Il flusso Integra dati ipotecari DataStage integra i dati relativi a ciascun richiedente del mutuo, incluse le informazioni di identificazione personale, con i relativi dettagli dell'applicazione, i punteggi di credito, lo stato come acquirente commerciale e, infine, i prezzi della casa scelta da ciascun richiedente, quindi crea un file sequenziale con il nome Mortgage_Data.csv nel progetto contenente i dati uniti. La seguente immagine mostra il flusso DataStage Integra dati ipotecari .

   Suggerimento: se non vedi alcun flusso DataStage , torna indietro per visualizzare le tue istanze del servizio per verificare che il provisioning della tua istanza DataStage sia stato eseguito correttamente. Vedi Provisioning dei servizi necessari.

   

4. Il flusso Integra approvazioni del mutuo DataStage utilizza l'output del primo flusso DataStage (Mortgage_Data.csv) e arricchisce ulteriormente i dati integrando le informazioni su ciascuna approvazione dell'applicazione del mutuo. Il dataset risultante viene salvato nel progetto con il nome Mortgage_Data_with_Approvals.csv. La seguente immagine mostra il flusso DataStage Integra approvazioni mutuo :

   

5. La definizione dei dati Definition_Mortgage_Data per l'asset di dati Mortgage_Data_with_Approvals.csv viene creata dal flusso Integra approvazioni ipotecarie DataStage . La seguente immagine mostra la definizione dei dati:

   

Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 04:00.

Il progetto di esempio include una pipeline di orchestrazione, che automatizza le seguenti attività:

• Eseguire due job DataStage esistenti.

• Creare un esperimento AutoAI .

• Eseguire l'esperimento AutoAI e salvare il modello con le prestazioni migliori che utilizza il file di output risultante dal lavoro DataStage come dati di addestramento.

• Creare un spazio di distribuzione.

• Promuovere il modello salvato allo spazio di distribuzione.

Seguire questa procedura per esplorare la pipeline:

1. Dalla scheda Asset nel progetto Orchestrate an AI pipeline, visualizzare Tutti gli asset.

2. Fare clic su Pipeline di approvazione del mutuo per aprire la pipeline.

3. Nella sezione iniziale della pipeline, due job DataStage (Integra dati del mutuo e Integra approvazioni del mutuo) vengono eseguiti in sequenza per combinare diverse tabelle dalla connessione Db2 Warehouse on Cloud in un dataset etichettato in modo coerente utilizzato come dati di addestramento per l'esperimento AutoAI .

4. Fare doppio clic su Verifica stato per visualizzare la condizione. Questa condizione è un punto di decisione nella pipeline per confermare il completamento del primo lavoro DataStage con un valore Completato o Completato con avvertenze. Fare clic su Annulla per tornare alla pipeline.

5. Fare doppio clic sul nodo Crea esperimento AutoAI per visualizzare le impostazioni. Questo nodo crea un esperimento AutoAI con le impostazioni.

   1. Rivedere i valori per le seguenti impostazioni:

      • Nome esperimento AutoAI

      • Ambito

      • Tipo di previsione

      • Colonna previsione

      • Classe positiva

      • Rapporto di suddivisione dei dati di addestramento

      • Algoritmi da includere

      • Algoritmi da utilizzare

      • Ottimizza metrica

   2. Fare clic su Annulla per chiudere le impostazioni.

6. Fare doppio clic sul nodo Esegui esperimento AutoAI per visualizzare le impostazioni. Questo nodo esegue l'esperimento AutoAI creato dal nodo Crea esperimento AutoAI che utilizza l'output del job Integra approvazione mutuo DataStage come dati di addestramento.

   1. Rivedere i valori per le seguenti impostazioni:

      • Esperimento AutoAI

      • Asset dei dati di addestramento

      • Prefisso nome modello

   2. Fare clic su Annulla per chiudere le impostazioni.

7. Tra i nodi Esegui esperimento AutoAI e Crea spazio di distribuzione , fare doppio clic su Si desidera distribuire il modello? per visualizzare la condizione. Il valore Vero per questa condizione è un punto di decisione nella pipeline per continuare a creare lo spazio di distribuzione. Fare clic su Annulla per tornare alla pipeline.

8. Fare doppio clic su Crea spazio di distribuzione per visualizzare le impostazioni. Questo nodo crea un nuovo spazio di installazione con il nome specificato e richiede l'input per i tuoi servizi Cloud Object Storage e Watson Machine Learning .

   1. Rivedi il valore per l'impostazione Nuovo nome spazio .

   2. Per il campo Nuovo CRN istanza COS spazio , seleziona la tua istanza Cloud Object Storage dall'elenco.

   3. Per il campo New space WML Instance CRN , selezionare l'istanza Watson Machine Learning dall'elenco.

   4. Fare clic su Salva.

9. Fare doppio clic sul nodo Promuovi modello nello spazio di distribuzione per visualizzare le impostazioni. Questo nodo promuove il modello migliore dal nodo Esegui esperimento AutoAI allo spazio di distribuzione creato dal nodo Crea spazio di distribuzione .

   1. Rivedere i valori per le seguenti impostazioni:

      • Asset origine

      • Obiettivo

   2. Fare clic su Annulla per chiudere le impostazioni.

Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 06:00.

La pipeline crea il modello, crea uno spazio di distribuzione e quindi lo promuove a uno spazio di distribuzione. È necessario aggiungere un nodo per creare una distribuzione in linea. Seguire questa procedura per modificare la pipeline per automatizzare la creazione di una distribuzione online:

1. Aggiungere il nodo Crea distribuzione in linea all'area di disegno:

   1. Espandere la sezione Crea nella tavolozza dei nodi.

   2. Trascinare il nodo Crea distribuzione online nell'area e rilasciare il nodo dopo il nodo Promuovi modello a spazio di distribuzione .

2. Passare con il mouse sul nodo Promuovi modello a spazio di distribuzione per visualizzare la freccia. Collegare la freccia al nodo Crea distribuzione in linea .

   Nota: i nomi dei nodi nella tua pipeline potrebbero essere diversi dalla seguente immagine animata.

   

3. Connettere il commento Crea distribuzione online per il modello promosso al nodo Crea distribuzione in linea collegando il cerchio nella casella del commento al nodo.

   Nota: i nomi dei nodi nella tua pipeline potrebbero essere diversi dalla seguente immagine animata.

   

4. Fare doppio clic su Crea distribuzione in linea per visualizzare le impostazioni.

5. Modificare il nome nodo in Create Online Deployment.

6. Accanto a Asset ML, fare clic su Seleziona da un altro nodo dal menu.

   

7. Selezionare il nodo Promuovi modello a spazio di distribuzione dall'elenco. L'ID nodo winning_model è selezionato.

8. Per il Nuovo nome distribuzione, immettere mortgage approval model deployment.

9. Per Modalità creazione, selezionare Sovrascrivi.

10. Fare clic su Salva per salvare le impostazioni del nodo Crea distribuzione in linea .

Per visualizzare l'anteprima di questa attività, guardare il video a partire dalle 07:30.

Ora che la pipeline è completa, segui questi passi per eseguire la pipeline:

1. Dalla barra degli strumenti, fai clic su Run pipeline> Trial run.

2. Nella pagina Definisci parametri pipeline , selezionare True per la distribuzione.

   • Se è impostato su True, la pipeline verifica il modello distribuito e calcola il punteggio del modello.

   • Se impostato su False, la pipeline verifica che il modello sia stato creato nel progetto dall'esperimento AutoAI e riesamina le informazioni sul modello e le metriche di addestramento.

3. Se questa occasione è la tua prima esecuzione di una pipeline, ti viene richiesto di fornire una chiave API. Gli asset pipeline utilizzano la tua chiave API IBM Cloud personale per eseguire le operazioni in modo sicuro senza interruzioni.

   • Se hai una chiave API esistente, fai clic su Utilizza chiave API esistente, incolla la chiave API e fai clic su Salva.

   • Se non hai una chiave API esistente, fai clic su Genera nuova chiave API, fornisci un nome e fai clic su Salva. Copia la chiave API e salva la chiave API per un utilizzo futuro. Al termine, fare clic su Chiudi.

4. Fare clic su Esegui per avviare l'esecuzione della pipeline.

5. Scorrere i log consolidati durante l'esecuzione della pipeline. Il completamento dell'esecuzione di prova potrebbe richiedere fino a 10 minuti.

6. Al termine di ciascuna operazione, selezionare il nodo per tale operazione nell'area.

7. Sulla scheda Node Inspector , visualizzare i dettagli dell'operazione.

8. Fare clic sulla scheda Output nodo per visualizzare un riepilogo dell'output per ciascuna operazione del nodo.

Per visualizzare un'anteprima di questa attività, guardare il video a partire dalle 09:48.

La pipeline ha creato diversi asset. Seguire questi passi per visualizzare gli asset:

1. Fai clic sul nome del progetto Orchestrate an AI pipeline nella traccia di navigazione per tornare al progetto.

   

2. Sulla scheda Asset , visualizzare Tutti gli asset.

3. Visualizzare gli asset di dati.

   1. Fare clic sull'asset di dati Mortgage_Data.csv . Il job DataStage ha creato questo asset.

   2. Fare clic sul nome progetto nella traccia di navigazione per ritornare alla scheda Asset .

   3. Fare clic sull'asset di dati Mortgage_Data_with_Approvals.csv . Il job DataStage ha creato questo asset.

   4. Fare clic sul nome progetto nella traccia di navigazione per ritornare alla scheda Asset .

4. Visualizzare il modello.

   1. Fare clic sull'asset del modello di machine learning che inizia con modello_approvazione_ipoteca. L'esperimento AutoAI ha generato diversi candidati del modello e lo ha scelto come modello migliore.

   2. Scorrere le informazioni sul modello.

   3. Fare clic sul nome progetto nella traccia di navigazione per ritornare alla scheda Asset .

5. Fare clic sulla scheda Job nel progetto per visualizzare le informazioni relative ai due job DataStage e a un job Pipeline.

6. Dal Cloud Pak for Data , scegli Deployments.

7. Fare clic sulla scheda Spazi .

8. Fare clic sullo spazio di distribuzione Approvazione mutuo .

9. Fare clic sulla scheda Asset e visualizzare il modello distribuito che inizia con modello_approvazione_ipoteca.

10. Fare clic sulla scheda Distribuzioni .

11. Fare clic su Distribuzione del modello di approvazione del mutuo per visualizzare la distribuzione.

    1. Visualizza le informazioni nella scheda Riferimento API .

    2. Fare clic sulla scheda Test .

    3. Fai clic sulla scheda JSON input e sostituisci il testo di esempio con il seguente testo 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. Fare clic su Previsione. I risultati mostrano che il primo richiedente non sarebbe stato approvato e il secondo sarà approvato.