0 / 0
영어 버전 문서로 돌아가기
데이터 통합 튜토리얼: 데이터 통합으로 AI 파이프라인 조정

데이터 통합 튜토리얼: 데이터 통합으로 AI 파이프라인 조정

이 튜토리얼을 사용하여 데이터 패브릭 평가판을 사용하는 외부 데이터 소스에 저장된 간결하고 사전 처리된 최신 데이터를 전달하는 엔드-투-엔드 파이프라인을 작성하십시오. 목표는 오케스트레이션 파이프라인을 사용하여 엔드-투-엔드 워크플로우를 조정하여 자동화되고 일관되며 반복 가능한 결과를 생성하는 것입니다. 파이프라인은 DataStage 및 AutoAI를 사용하며, 이는 기능 엔지니어링 및 하이퍼 매개변수 최적화와 같은 모델 빌드 프로세스의 여러 측면을 자동화합니다. AutoAI 는 후보 알고리즘의 순위를 지정한 후 최상의 모델을 선택합니다.

빠른 시작: 이 학습서의 샘플 프로젝트를 아직 작성하지 않은 경우 자원 허브에서 AI 파이프라인 샘플 프로젝트 조정 에 액세스하십시오.

이 학습서의 내용은 GoldenBank 가 온라인 신청을 위한 특별 저율 모기지 갱신을 제공하여 비즈니스를 확장하려 한다는 것입니다. 온라인 애플리케이션은 은행의 고객 범위를 확장하고 은행의 애플리케이션 처리 비용을 줄일 수 있습니다. 팀은 오케스트레이션 파이프라인을 사용하여 모든 모기지 신청자에 대한 최신 데이터를 전달하는 데이터 파이프라인을 작성합니다. 이 데이터 파이프라인은 대출자가 의사결정에 사용할 수 있습니다. 데이터는 Db2 Warehouse에 저장됩니다. 데이터가 잠재적으로 불완전하거나 오래되었거나 데이터 개인정보 보호 및 주권 정책으로 인해 난독화되거나 완전히 액세스 불가능할 수 있으므로 데이터를 준비해야 합니다. 그런 다음 팀은 신뢰할 수 있는 데이터에서 모기지 승인 모델을 빌드한 후 사전 프로덕션 환경에서 모델을 배치하고 테스트해야 합니다.

다음 애니메이션 이미지는 이 학습서의 끝에서 수행할 작업에 대한 빠른 미리보기를 제공합니다. 파이프라인을 편집하고 실행하여 기계 학습 모델을 빌드하고 배치합니다. 더 큰 이미지를 보려면 이미지를 클릭하십시오.

애니메이션 이미지

튜토리얼 미리보기

이 학습서에서는 다음 태스크를 완료합니다.

비디오 시청 비디오를 시청하면 이 학습서의 단계를 미리 볼 수 있습니다. 비디오에 표시된 사용자 인터페이스에 약간의 차이가 있을 수 있습니다. 이 비디오는 작성된 학습서와 함께 사용하기 위한 것입니다.

이 비디오는 이 문서의 개념 및 태스크를 학습하기 위한 시각적 방법을 제공합니다.





이 학습을 완료하기 위한 팁다음은 이 학습서를 성공적으로 완료하기 위한 몇 가지 팁입니다.

비디오 사진 사용

팁: 비디오를 시작한 후 학습을 통해 화면이동하면 비디오가 그림 모드로 이동합니다. 사진에서 가장 좋은 경험을 얻으려면 비디오 목차를 닫으십시오. 그림 모드를 사용하여 이 학습서의 태스크를 완료하면서 비디오를 따라갈 수 있습니다. 각 태스크에 대한 시간소인을 클릭하여 수행하십시오.

다음 애니메이션 이미지는 비디오 픽처 인 픽처 및 목차 기능을 사용하는 방법을 보여줍니다.

그림 및 장 사용 방법

커뮤니티에서 도움 받기

이 튜토리얼에 대한 도움이 필요한 경우 Cloud Pak for Data 커뮤니티 토론 포럼에서 질문하거나 응답을 찾을 수 있습니다.

브라우저 창 설정

이 튜토리얼을 완료하는 최적의 경험을 위해 한 브라우저 창에서 Cloud Pak for Data 를 열고 두 애플리케이션 간에 쉽게 전환할 수 있도록 다른 브라우저 창에서 이 튜토리얼 페이지를 열어 두십시오. 따라하기 쉽도록 두 개의 브라우저 창을 나란히 배열하는 것을 고려하십시오.

병행 학습서 및 UI

팁: 사용자 인터페이스에서 이 학습서를 완료하는 동안 안내식 둘러보기가 표시되면 나중에를 클릭하십시오.



전제조건 설정

Cloud Pak for Data as a Service 가입

Cloud Pak for Data as a Service 에 등록하고 데이터 통합 유스 케이스에 필요한 서비스를 프로비저닝해야 합니다.

  • 기존 Cloud Pak for Data as a Service 계정이 있는 경우 이 튜토리얼을 시작할 수 있습니다. Lite 플랜 계정이 있는 경우에는 계정당 한 명의 사용자만 이 학습서를 실행할 수 있습니다.
  • Cloud Pak for Data as a Service 계정이 아직 없는 경우에는 데이터 패브릭 평가판에 등록하십시오.

비디오 아이콘 다음 비디오를 보고 Cloud Pak for Data의 데이터 패브릭에 대해 알아보십시오.

이 비디오는 이 문서의 개념 및 태스크를 학습하기 위한 시각적 방법을 제공합니다.

필요한 프로비저닝된 서비스 확인

학습서 비디오 미리보기 이 태스크를 미리 보려면 00:37에서 시작하는 비디오를 보십시오.

필요한 서비스를 확인하거나 프로비저닝하려면 다음 단계를 수행하십시오.

  1. Cloud Pak for Data 탐색 메뉴 탐색 메뉴에서 서비스 > 서비스 인스턴스를 선택하십시오.

  2. 제품 드롭 다운 목록을 사용하여 기존 Watson Studio 서비스 인스턴스가 있는지 여부를 판별하십시오.

  3. Watson Studio 서비스 인스턴스를 작성해야 하는 경우 서비스 추가를 클릭하십시오.

    1. Watson Studio를 선택하십시오.

    2. Lite 플랜을 선택하십시오.

    3. 작성을 클릭하십시오.

  4. Watson Studio 서비스가 프로비저닝되는 동안 기다리십시오. 완료하는 데 몇 분이 걸릴 수 있습니다.

  5. 다음과 같은 추가 서비스를 확인하거나 프로비저닝하려면 다음 단계를 반복하십시오.

    • Watson Machine Learning
    • DataStage
    • Cloud Object Storage

체크포인트 아이콘 진행 상태 확인

다음 이미지는 프로비저닝된 서비스 인스턴스를 표시합니다.

프로비저닝된 서비스

샘플 프로젝트 작성

학습서 비디오 미리보기 이 태스크를 미리 보려면 01:14에서 시작하는 비디오를 시청하십시오.

이 학습서에 대한 샘플 프로젝트가 이미 있는 경우 이 태스크를 건너뛰십시오. 그렇지 않으면, 다음 단계를 수행하십시오.

  1. 자원 허브에서 AI 파이프라인 샘플 프로젝트 조정 에 액세스하십시오.

  2. 프로젝트 작성을 클릭하십시오.

  3. 프로젝트를 Cloud Object Storage 인스턴스에 연관시키도록 프롬프트가 표시되면 목록에서 Cloud Object Storage 인스턴스를 선택하십시오.

  4. 작성을 클릭하십시오.

  5. 프로젝트 가져오기가 완료될 때까지 기다린 후 새 프로젝트 보기 를 클릭하여 프로젝트 및 자산이 성공적으로 작성되었는지 확인하십시오.

  6. 자산 탭을 클릭하여 연결, DataStage 플로우 및 데이터 정의, 파이프라인을 확인하십시오.

참고: 이 유스 케이스에 포함된 학습서를 표시하는 안내식 둘러보기를 볼 수 있습니다. 안내식 둘러보기의 링크는 이러한 학습서 지시사항을 엽니다.
팁: DataStage 플로우가 표시되지 않으면 서비스 인스턴스를 보기 위해 되돌아가서 DataStage 인스턴스가 성공적으로 프로비저닝되었는지 확인하십시오. 필요한 서비스 프로비저닝을 참조하십시오.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 샘플 프로젝트의 자산 탭을 표시합니다. 이제 학습서를 시작할 준비가 되었습니다.

다음 이미지는 샘플 프로젝트의 자산 탭을 표시합니다.

Watson Machine Learning 서비스를 샘플 프로젝트와 연관시키십시오.

학습서 비디오 미리보기 이 태스크를 미리 보려면 02:04에 시작하는 비디오를 보십시오.

Watson Machine Learning 을 사용하여 모델을 작성하고 배치하므로 다음 단계에 따라 Watson Machine Learning 서비스 인스턴스를 샘플 프로젝트와 연관시키십시오.

  1. AI 파이프라인 조정 프로젝트에서 관리 탭을 클릭하십시오.

  2. 서비스 및 통합 페이지를 클릭하십시오.

  3. 서비스 연관을 클릭하십시오.

  4. Watson Machine Learning 서비스 인스턴스 옆에 있는 상자를 선택하십시오.

  5. 연관을 클릭하십시오.

  6. 취소 를 클릭하여 서비스 및 통합 페이지로 돌아가십시오.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 Watson Machine Learning 서비스가 나열된 서비스 및 통합 페이지를 표시합니다. 이제 샘플 프로젝트를 작성할 준비가 되었습니다.

서비스를 프로젝트와 연관




태스크 1: 샘플 프로젝트의 자산 보기

학습서 비디오 미리보기 이 태스크를 미리 보려면 02:26에 시작하는 비디오를 보십시오.

샘플 프로젝트에는 연결, 데이터 정의, 두 개의 DataStage 플로우 및 파이프라인을 포함한 여러 자산이 포함되어 있습니다. 해당 자산을 보려면 다음 단계를 수행하십시오.

  1. Orchestrate an AI 파이프라인 프로젝트에서 자산 탭을 클릭한 후 모든 자산을 보십시오.

  2. DataStage 플로우 및 파이프라인에서 사용되는 모든 데이터 자산은 AI_MORTGAGE 스키마의 Data Fabric 평가판- Db2 Warehouse 연결에 저장됩니다. 다음 이미지는 해당 연결의 자산을 표시합니다.

    Db2 Warehouse 테이블

  3. 모기지 데이터 통합 DataStage 플로우는 개인 식별 가능 정보를 포함하여 각 모기지 신청자에 대한 데이터를 애플리케이션 세부사항, 신용평점, 상업적 구매자로서의 상태, 마지막으로 각 신청자가 선택한 주택의 가격과 통합한 후 결합된 데이터를 포함하는 프로젝트에서 이름이 Mortgage_Data.csv 인 순차 파일을 작성합니다. 다음 이미지는 모기지 데이터 통합 DataStage 플로우를 표시합니다.

    팁: DataStage 플로우가 표시되지 않으면 서비스 인스턴스를 보기 위해 되돌아가서 DataStage 인스턴스가 성공적으로 프로비저닝되었는지 확인하십시오. 필요한 서비스 프로비저닝을 참조하십시오.

    모기지 데이터 통합 플로우

  4. 모기지 승인 통합 DataStage 플로우는 첫 번째 DataStage 플로우 (Mortgage_Data.csv) 의 출력을 사용하고 각 모기지 애플리케이션 승인에 대한 정보를 통합하여 데이터를 추가로 강화합니다. 결과 데이터 세트는 이름이 Mortgage_Data_with_Approvals.csv인 프로젝트에 저장됩니다. 다음 이미지는 모기지 승인 통합 DataStage 플로우를 표시합니다.

    모기지 승인 플로우 통합

  5. Mortgage_Data_with_Approvals.csv 데이터 자산에 대한 Definition_Mortgage_Data 데이터 정의는 모기지 승인 통합 DataStage 플로우에 의해 작성됩니다. 다음 이미지는 데이터 정의를 표시합니다.

    정의 모기지 데이터

체크포인트 아이콘 진행 상태 확인

다음 이미지는 샘플 프로젝트의 모든 자산을 표시합니다. 이제 샘플 프로젝트에서 파이프라인을 탐색할 준비가 되었습니다.

다음 이미지는 샘플 프로젝트의 모든 자산을 표시합니다.




태스크 2: 기존 파이프라인 탐색

학습서 비디오 미리보기 이 태스크를 미리 보려면 04:00에서 시작하는 비디오를 시청하십시오.

샘플 프로젝트에는 다음 태스크를 자동화하는 오케스트레이션 파이프라인이 포함되어 있습니다.

  • 두 개의 기존 DataStage 작업을 실행하십시오.

  • AutoAI 실험을 작성하십시오.

  • AutoAI 실험을 실행하고 DataStage 작업의 결과 출력 파일을 훈련 데이터로 사용하는 최상의 성능 모델을 저장하십시오.

  • 배치 영역을 작성하십시오.

  • 저장된 모델을 배치 영역으로 승격하십시오.

파이프라인을 탐색하려면 다음 단계를 수행하십시오.

  1. Orchestrate an AI 파이프라인 프로젝트의 자산 탭에서 모든 자산을 보십시오.

  2. 모기지 승인 파이프라인 을 클릭하여 파이프라인을 여십시오.

  3. 파이프라인의 시작 섹션에서 두 개의 DataStage 작업 (모기지 데이터 통합모기지 승인 통합) 이 차례로 실행되어 Db2 Warehouse on Cloud 연결의 다양한 테이블을 AutoAI 실험에 대한 훈련 데이터로 사용되는 응집된 레이블의 데이터 세트로 결합합니다.

  4. 상태 확인 노드를 두 번 클릭하여 조건을 확인하십시오. 이 조건은 값이 완료됨 또는 경고와 함께 완료됨인 첫 번째 DataStage 작업의 완료를 확인하기 위한 파이프라인의 의사결정 지점입니다. 파이프라인으로 돌아가려면 취소 를 클릭하십시오.

  5. AutoAI 실험 작성 노드를 두 번 클릭하여 설정을 확인하십시오. 이 노드는 설정을 사용하여 AutoAI 실험을 작성합니다.

    1. 다음 설정에 대한 값을 검토하십시오.

      • AutoAI 실험 이름

      • 범위

      • 예측 유형

      • 예측 열

      • 긍정 클래스

      • 훈련 데이터 분할 비율

      • 포함할 알고리즘

      • 사용할 알고리즘

      • 최적화 지표

    2. 취소 를 클릭하여 설정을 닫으십시오.

  6. AutoAI 실험 실행 노드를 두 번 클릭하여 설정을 확인하십시오. 이 노드는 모기지 승인 통합 DataStage 작업의 출력을 훈련 데이터로 사용하는 AutoAI 실험 작성 노드에서 작성된 AutoAI 실험을 실행합니다.

    1. 다음 설정에 대한 값을 검토하십시오.

      • AutoAI 실험

      • 훈련 데이터 자산

      • 모델 이름 접두어

    2. 취소 를 클릭하여 설정을 닫으십시오.

  7. AutoAI 실험 실행배치 공간 작성 노드 사이에서 모델을 배치하시겠습니까? 를 두 번 클릭하십시오. 노드를 사용하여 조건을 확인하십시오. 이 조건에 대한 True 값은 배치 영역을 계속 작성하기 위한 파이프라인의 의사결정 지점입니다. 파이프라인으로 돌아가려면 취소 를 클릭하십시오.

  8. 배치 공간 작성 노드를 두 번 클릭하여 설정을 확인하십시오. 이 노드는 지정된 이름으로 새 배치 영역을 작성하며 Cloud Object Storage 및 Watson Machine Learning 서비스에 대한 입력이 필요합니다.

    1. 새 공간 이름 설정의 값을 검토하십시오.

    2. 새 영역 COS 인스턴스 CRN 필드의 경우 목록에서 Cloud Object Storage 인스턴스를 선택하십시오.

    3. 새 공간 WML 인스턴스 CRN 필드의 경우 목록에서 Watson Machine Learning 인스턴스를 선택하십시오.

    4. 저장 을 클릭하십시오.

  9. 배치 공간으로 모델 승격 노드를 두 번 클릭하여 설정을 확인하십시오. 이 노드는 AutoAI 실험 실행 노드의 최상의 모델을 배치 공간 작성 노드에서 작성된 배치 공간으로 승격합니다.

    1. 다음 설정에 대한 값을 검토하십시오.

      • 소스 자산

      • 대상

    2. 취소 를 클릭하여 설정을 닫으십시오.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 초기 파이프라인을 표시합니다. 이제 파이프라인을 편집하여 노드를 추가할 준비가 되었습니다.

초기 파이프라인




태스크 3: 파이프라인에 노드 추가

학습서 비디오 미리보기 이 태스크를 미리 보려면 06:23에서 시작하는 비디오를 보십시오.

파이프라인은 모델을 작성하고 배치 영역을 작성한 후 배치 영역으로 승격시킵니다. 온라인 배치를 작성하려면 노드를 추가해야 합니다. 다음 단계에 따라 파이프라인을 편집하여 온라인 배치 작성을 자동화하십시오.

  1. 온라인 배치 작성 노드를 캔버스에 추가하십시오.

    1. 노드 팔레트에서 작성 섹션을 펼치십시오.

    2. 온라인 배치 작성 노드를 캔버스로 끌어 배치 공간으로 모델 승격 노드 뒤에 노드를 놓으십시오.

  2. 화살표를 보려면 배치 공간으로 모델 승격 노드 위로 마우스를 이동하십시오. 화살표를 온라인 배치 작성 노드에 연결하십시오.

    참고: 파이프라인의 노드 이름은 다음 애니메이션 이미지와 다를 수 있습니다.

    파이프라인 연결 노드

  3. 주석 상자의 원을 노드에 연결하여 승격된 모델의 온라인 배치 작성 주석을 온라인 배치 작성 노드에 연결하십시오.

    참고: 파이프라인의 노드 이름은 다음 애니메이션 이미지와 다를 수 있습니다.

    파이프라인 주석

  4. 온라인 배치 작성 노드를 두 번 클릭하여 설정을 확인하십시오.

  5. 노드 이름을 Create Online Deployment로 변경하십시오.

  6. ML 자산옆의 메뉴에서 다른 노드에서 선택 을 클릭하십시오.

    다른 노드 ML 자산에서 선택

  7. 목록에서 배치 공간으로 모델 승격 노드를 선택하십시오. 노드 ID winning_model 이 선택되었습니다.

  8. 새 배치 이름mortgage approval model deployment를 입력하십시오.

  9. 작성 모드에 대해 겹쳐쓰기를 선택하십시오.

  10. 저장 을 클릭하여 온라인 배치 작성 노드 설정을 저장하십시오.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 완료된 파이프라인을 표시합니다. 이제 파이프라인을 실행할 준비가 되었습니다.

완료된 파이프라인




태스크 4: 파이프라인 실행

학습서 비디오 미리보기 이 태스크를 미리 보려면 07:38에서 시작하는 비디오를 보십시오.

파이프라인이 완료되었으므로 다음 단계에 따라 파이프라인을 실행하십시오.

  1. 도구 모음에서 파이프라인 실행 > 평가판 실행을 클릭하십시오.

  2. 파이프라인 매개변수 정의 페이지에서 배치에 대해 True 를 선택하십시오.

    • True로 설정하면 파이프라인이 배치된 모델을 확인하고 모델을 스코어링합니다.

    • False로 설정되면 파이프라인은 AutoAI 실험에 의해 프로젝트에서 모델이 작성되었는지 확인하고 모델 정보 및 훈련 메트릭을 검토합니다.

  3. 파이프라인을 처음 실행하는 경우에는 API키를 제공하도록 프롬프트가 표시됩니다. 파이프라인 자산은 개인 IBM Cloud API키를 사용하여 중단 없이 안전하게 운영을 실행합니다.

    • 기존 API키가 있는 경우 기존 API키 사용을 클릭하고 API키를 붙여넣은 후 저장을 클릭하십시오.

    • 기존 API키가 없는 경우 새 API키 생성을 클릭하고 이름을 제공한 후 저장을 클릭하십시오. API키를 복사한 후 나중에 사용할 수 있도록 API키를 저장하십시오. 완료되면 닫기를 클릭하십시오.

  4. 실행 을 클릭하여 파이프라인 실행을 시작하십시오.

  5. 파이프라인이 실행 중인 동안 통합된 로그를 스크롤하십시오. 평가판 실행을 완료하는 데 최대 10분이 소요될 수 있습니다.

  6. 각 조작이 완료되면 캔버스에서 해당 조작에 대한 노드를 선택하십시오.

  7. 노드 검사기 탭에서 오퍼레이션의 세부사항을 보십시오.

  8. 각 노드 조작의 출력 요약을 보려면 노드 출력 탭을 클릭하십시오.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 시험 실행을 완료한 후의 파이프라인을 표시합니다. 이제 파이프라인이 작성한 자산을 검토할 준비가 되었습니다.

파이프라인 실행 완료




태스크 5: 자산, 배치된 모델 및 온라인 배치 보기

학습서 비디오 미리보기 이 태스크를 미리 보려면 09:48에 시작하는 비디오를 보십시오.

파이프라인이 여러 자산을 작성했습니다. 자산을 보려면 다음 단계를 수행하십시오.

  1. 탐색 추적에서 AI 파이프라인 조정 프로젝트 이름을 클릭하여 프로젝트로 돌아가십시오.

    탐색 추적

  2. 자산 탭에서 모든 자산을 보십시오.

  3. 데이터 자산을 보십시오.

    1. Mortgage_Data.csv 데이터 자산을 클릭하십시오. DataStage 작업이 이 자산을 작성했습니다.

    2. 탐색 추적에서 프로젝트 이름을 클릭하여 자산 탭으로 돌아가십시오.

    3. Mortgage_Data_with_Approvals.csv 데이터 자산을 클릭하십시오. DataStage 작업이 이 자산을 작성했습니다.

    4. 탐색 추적에서 프로젝트 이름을 클릭하여 자산 탭으로 돌아가십시오.

  4. 모델을 보십시오.

    1. mortgage_approval_best_model로 시작하는 기계 학습 모델 자산을 클릭하십시오. AutoAI 실험은 여러 모델 후보를 생성하고 이를 최상의 모델로 선택했습니다.

    2. 모델 정보를 스크롤하십시오.

    3. 탐색 추적에서 프로젝트 이름을 클릭하여 자산 탭으로 돌아가십시오.

  5. 프로젝트에서 작업 탭을 클릭하여 두 개의 DataStage 작업 및 하나의 파이프라인 작업 실행에 대한 정보를 확인하십시오.

  6. Cloud Pak for Data 탐색 메뉴 탐색 메뉴에서 배치를 선택하십시오.

  7. 공간 탭을 클릭하십시오.

  8. 모기지 승인 배치 공간을 클릭하십시오.

  9. 자산 탭을 클릭하고 mortgage_approval_best_model로 시작하는 배치된 모델을 확인하십시오.

  10. 배치 탭을 클릭하십시오.

  11. 모기지 승인 모델 배치 를 클릭하여 배치를 보십시오.

    1. API 참조 탭에서 정보를 보십시오.

    2. 테스트 탭을 클릭하십시오.

    3. JSON 입력 탭을 클릭하고 샘플 텍스트를 다음 JSON 텍스트로 대체하십시오.

      {
         "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. 예측을 클릭하십시오. 결과에 따르면 첫 번째 신청자는 승인되지 않고 두 번째 신청자는 승인됩니다.

체크포인트 아이콘 진행 상태 확인

다음 이미지는 테스트 결과를 표시합니다.

테스트 결과 예측



골든 은행 팀은 Orchestration 파이프라인을 사용하여 모든 모기지 신청자에 대한 최신 데이터를 전달하는 데이터 파이프라인과 대출자가 의사결정에 사용할 수 있는 기계 학습 모델을 작성했습니다.


정리 (선택사항)

이 학습서를 다시 수행하려면 다음 아티팩트를 삭제하십시오.

아티팩트 삭제 방법
모기지 승인 배치 공간의 모기지 승인 모델 배치 배치 삭제
모기지 승인 배치 공간 배치 공간 삭제
AI 파이프라인 샘플 프로젝트 조정 프로젝트 삭제

다음 단계

자세한 정보

상위 주제: 유스 케이스 학습서

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기