Zobrazit náhled výukového programu

V tomto výukovém programu dokončíte tyto úlohy:

• Nastavte předpoklady.
• Úloha 1: Zobrazit aktiva v ukázkovém projektu.
• Úloha 2: Prozkoumat existující propojení procesů.
• Úloha 3: Přidejte uzel do propojení procesů.
• Úloha 4: Spustit propojení procesů.
• Úloha 5: Zobrazit aktiva, nasazený model a nasazení online.

Chcete-li pokračovat v monitorování modelu pomocí produktu Watson OpenScale, proveďte úlohy 6-10:

• Úloha 6: Spusťte zápisník pro konfiguraci monitorů Watson OpenScale .
• Úloha 7: Vyhodnocení modelu.
• Úloha 8: Sledování kvality monitorů modelu.
• Úloha 9: Pozorování monitorů modelu z hlediska spravedlnosti.
• Úloha 10: Sledovat monitory modelu pro vysvětlitelnost.
• Vyčištění (volitelné)

Chcete-li zobrazit náhled kroků v tomto výukovém programu, podívejte se na toto video. V uživatelském rozhraní zobrazeném ve videu mohou být malé rozdíly. Video je určeno jako společník písemného výukového programu.

Toto video poskytuje vizuální metodu, jak se seznámit s koncepty a úlohami v této dokumentaci.

• Tipy pro dokončení tohoto výukového programu

  Použití obrazového videa v obraze

  Tip: Spusťte video a při procházení výukovým programem se video přesune do režimu obrazu v obraze. Zavřete video obsah pro nejlepší zážitek s obrazem v obraze. Můžete použít režim obrazu v obraze, takže můžete sledovat video po dokončení úloh v tomto výukovém programu. Klepněte na časová razítka pro každou úlohu, kterou chcete sledovat.

  Následující animovaný obrázek ukazuje, jak používat obrazový obraz v obraze a obsah:

  

  Získejte pomoc v komunitě

  Potřebujete-li pomoc s tímto výukovým programem, můžete položit otázku nebo najít odpověď v diskusním fóru komunity Cloud Pak for Data.

  Nastavení oken prohlížeče

  Chcete-li získat optimální zkušenost s dokončením tohoto výukového programu, otevřete Cloud Pak for Data v jednom okně prohlížeče a ponechte tuto stránku výukového programu otevřenou v jiném okně prohlížeče, abyste snadno přepínali mezi oběma aplikacemi. Zvažte uspořádání dvou oken prohlížeče vedle sebe, abyste usnadnili sledování.

  

  Tip: Pokud při provádění tohoto výukového programu v uživatelském rozhraní narazíte na asistovanou prohlídku, klepněte na Možná později.

  
  Zpět na začátek
  

• Nastavení předpokladů

  Přihlaste se k produktu Cloud Pak for Data as a Service

  Musíte se zaregistrovat k produktu Cloud Pak for Data as a Service a poskytnout nezbytné služby pro případ použití Data Science and MLOps.

  • Pokud máte existující účet Cloud Pak for Data as a Service , můžete začít s tímto výukovým programem. Pokud máte účet plánu Lite, tento výukový program může spustit pouze jeden uživatel na účet.
  • Pokud ještě nemáte účet Cloud Pak for Data as a Service , zaregistrujte se na zkušební verzi datového prostředí Fabric.

  
  

  Podívejte se na následující video, abyste se dozvěděli o datovém prostředí Fabric v produktu Cloud Pak for Data.

  Toto video poskytuje vizuální metodu, jak se seznámit s koncepty a úlohami v této dokumentaci.

  Ověřit nezbytné zajištěné služby

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 00:50.

  Chcete-li ověřit nebo zajistit nezbytné služby, postupujte takto:

  1. V navigační nabídce Cloud Pak for Data vyberte volbu Služby > Instance služeb.

  2. Pomocí rozevíracího seznamu Produkt určete, zda existuje existující instance služby Watson Studio .

  3. Potřebujete-li vytvořit instanci služby Watson Studio , klepněte na volbu Přidat službu.

     1. Vyberte volbu Watson Studio.

     2. Vyberte plán Lite .

     3. Klepněte na volbu Vytvořit.

  4. Počkejte na zajištění služby Watson Studio , což může trvat několik minut.

  5. Opakujte tyto kroky, abyste ověřili nebo zajišťovali následující další služby:

     • Watson Machine Learning
     • Cloud Object Storage
     • Watson OpenScale -chcete-li monitorovat nasazený model.

  Zkontrolujte svůj pokrok

  Následující obrázek zobrazuje zajištěné instance služby:
  
  

  

  Vytvořit ukázkový projekt

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 01:27.

  Pokud již máte ukázkový projekt pro tento výukový program, tuto úlohu přeskočte. V opačném případě postupujte takto:

  1. Přistupte k ukázkovému projektu Data Science and MLOps v galerii.

  2. Klepněte na volbu Vytvořit projekt.

  3. Pokud jste vyzváni k přidružení projektu k instanci Cloud Object Storage , vyberte ze seznamu instanci Cloud Object Storage .

  4. Klepněte na volbu Vytvořit.

  5. Počkejte na dokončení importu projektu a poté klepněte na volbu Zobrazit nový projekt , abyste ověřili, že projekt a aktiva byly úspěšně vytvořeny.

  6. Klepnutím na kartu Aktiva zobrazíte aktiva pro tento výukový program.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje kartu Aktiva v ukázkovém projektu. Nyní jste připraveni spustit výukový program.
  
  

  

  Poznámka: Může se zobrazit prohlídka s průvodcem zobrazující výukové programy, které jsou součástí tohoto příkladu použití. Odkazy v komentované prohlídce otevřou tyto pokyny výukového programu.

  Přidružte službu Watson Machine Learning k ukázkovému projektu

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 02:17.

  K vytvoření a nasazení modelu budete používat Watson Machine Learning , takže postupujte takto, chcete-li přidružit instanci služby Watson Machine Learning k ukázkovému projektu.

  1. V projektu Datová věda a MLOps klepněte na kartu Spravovat .

  2. Klepněte na stránku Služby a integrace .

  3. Klepněte na volbu Přidružit službu.

  4. Zaškrtněte políčko vedle instance služby Watson Machine Learning .

  5. Klepněte na volbu Přidružit.

  6. Klepnutím na tlačítko Storno se vrátíte na stránku Služby a integrace .

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje stránku Služby a integrace s uvedenou službou Watson Machine Learning . Nyní jste připraveni vytvořit ukázkový projekt.
  
  

  

  
  Zpět na začátek
  

• Úloha 1: Zobrazit aktiva v ukázkovém projektu
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 02:37.

  Ukázkový projekt zahrnuje několik aktiv, včetně připojení, definice dat, jednoho toku Data Refinery a propojení procesů. Chcete-li zobrazit tato aktiva, postupujte takto:

  1. Klepněte na kartu Aktiva v projektu Datová věda a MLOps a pak zobrazte Všechna aktiva.

  2. Zobrazte seznam datových aktiv, která se používají v toku Data Refinery a propojení procesů. Tato aktiva jsou uložena ve zkušebním připojení Data Fabric - Db2 Warehouse ve schématu AI_HYPOTEČNÍ . Klepněte na volbu Importovat aktivaa poté přejděte na server Data Fabric Trial- Db2 Warehouse > AI_HYPOTEČNÍ. Následující obrázek zobrazuje aktiva z tohoto připojení:

     

  3. Tok Hypotéka_Data_Approvals_flow Data Refinery integruje data o každém žadateli o hypotéku. Integrovaná data zahrnují osobní identifikační údaje, údaje o jejich žádosti, kreditní skóre, status obchodního kupujícího a nakonec ceny každého vybraného bydliště žadatele. Tok pak vytvoří sekvenční soubor s názvem Mortgage_Data_with_Approvals_DS.csv v projektu, který obsahuje spojená data. Následující obrázek ukazuje tok Mortgage_Data_Approvals_flow Data Refinery :

     

  Zkontrolujte svůj pokrok

  Následující obrázek zobrazuje všechna aktiva v ukázkovém projektu. Nyní jste připraveni prozkoumat propojení procesů v ukázkovém projektu.
  
  

  

  
  Zpět na začátek
  

• Úloha 2: Prozkoumat existující propojení procesů
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 03:25.

  Ukázkový projekt zahrnuje propojení procesů Watson , které automatizuje následující úlohy:

  • Spusťte existující úlohu Data Refinery .

  • Vytvořte experiment AutoAI .

  • Spusťte experiment AutoAI a uložte model s nejlepším výkonem, který používá výsledný výstupní soubor z úlohy Data Refinery jako trénovací data.

  • Vytvořte prostor implementace.

  • Povyšte uložený model do prostoru implementace.

  Chcete-li prozkoumat propojení procesů, postupujte takto:

  1. Na kartě Aktiva v projektu Datová věda a MLOps zobrazte Všechna aktiva.

  2. Klepnutím na volbu Potrubí schválení hypotéky-Datová věda otevřete propojení procesů.

  3. Poklepejte na úlohu Integrovat data schválení hypotéky Data Refinery , která kombinuje různé tabulky z připojení Db2 Warehouse on Cloud do soudržné datové sady s popiskem, která se používá jako trénovací data pro experiment AutoAI . Klepnutím na tlačítko Storno se vrátíte do propojení procesů.

  4. Klepněte na podmínku Zkontrolovat stav a vyberte volbu Upravit. Tato podmínka je rozhodovacím bodem v propojení procesů pro potvrzení dokončení úlohy Data Refinery s hodnotou Dokončeno nebo Dokončeno s varováními. Klepnutím na tlačítko Storno se vrátíte do propojení procesů.

  5. Poklepáním na uzel Vytvořit AutoAI experiment zobrazte nastavení. Tento uzel vytvoří experiment AutoAI s nastaveními.

     1. Zkontrolujte hodnoty pro následující nastavení:

        • Název experimentu AutoAI

        • Rozsah

        • Typ předpovědi

        • Sloupec předpovědi

        • Kladná třída

        • Poměr rozdělení trénovací dat

        • Algoritmy pro zahrnutí

        • Algoritmy k použití

        • Optimalizovat metriku

     2. Klepnutím na tlačítko Storno zavřete nastavení.

  6. Poklepáním na uzel Spustit AutoAI experiment zobrazte nastavení. Tento uzel spustí experiment AutoAI vytvořený uzlem Vytvořit AutoAI experiment , který používá výstup z úlohy Integrovat schválení hypotéky Data Refinery jako trénovací data.

     1. Zkontrolujte hodnoty pro následující nastavení:

        • AutoAI experiment

        • Trénovací datová aktiva

        • Předpona názvu modelu

     2. Klepnutím na tlačítko Storno zavřete nastavení.

  7. Mezi uzly Spustit AutoAI experiment a Vytvořit prostor implementace klepněte na volbu Chcete implementovat model? a vyberte volbu Upravit. Hodnota True pro tuto podmínku je bod rozhodování v propojení procesů, aby bylo možné pokračovat ve vytváření prostoru implementace. Klepnutím na tlačítko Storno se vrátíte do propojení procesů.

  8. Chcete-li aktualizovat nastavení, poklepejte na uzel Vytvořit prostor implementace . Tento uzel vytvoří nový prostor nasazení se zadaným názvem a vyžaduje vstup pro služby Cloud Object Storage a Watson Machine Learning .

     1. Zkontrolujte hodnotu pro nastavení Nový název prostoru .

     2. V poli Nový prostor-název CRN instance COS vyberte instanci Cloud Object Storage ze seznamu.

     3. V poli Nové prostorové číslo CRN instance WML vyberte ze seznamu instanci Watson Machine Learning .

     4. Klepněte na tlačítko Uložit.

  9. Poklepáním na uzel Povýšit model na prostor implementace zobrazte nastavení. Tento uzel povyšuje nejlepší model z uzlu Spustit AutoAI experiment do prostoru implementace vytvořeného z uzlu Vytvořit prostor implementace .

     1. Zkontrolujte hodnoty pro následující nastavení:

        • Zdrojová aktiva

        • Cíl

     2. Klepnutím na tlačítko Storno zavřete nastavení.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje počáteční propojení procesů. Nyní jste připraveni upravit propojení procesů a přidat uzel.
  
  

  

  
  Zpět na začátek
  

• Úloha 3: Přidat uzel do propojení procesů
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 05:41.

  Propojení procesů vytvoří model, vytvoří prostor implementace a poté jej povýší na prostor implementace. Chcete-li vytvořit implementaci online, musíte přidat uzel. Chcete-li upravit propojení procesů pro automatizaci vytvoření implementace online, postupujte takto:

  1. Přidejte na plátno uzel Vytvořit online implementaci :

     1. Rozbalte sekci Vytvořit na paletě uzlů.

     2. Přetáhněte uzel Vytvořit online implementaci na plátno a umístěte uzel za uzel Povýšit model na prostor implementace .

  2. Podržte ukazatel myši nad uzlem Povýšit model na prostor implementace , abyste viděli šipku. Připojte šipku k uzlu Vytvořit implementaci online .

     Poznámka: Názvy uzlů v propojení procesů se mohou lišit od následujícího animovaného obrázku.

     

  3. Připojte komentář Vytvořit online implementaci pro povýšený model k uzlu Vytvořit online implementaci připojením kruhu v rámečku komentáře k uzlu.

     Poznámka: Názvy uzlů v propojení procesů se mohou lišit od následujícího animovaného obrázku.

     

  4. Poklepáním na uzel Vytvořit implementaci online zobrazte nastavení.

  5. Změňte název uzlu na Create Online Deployment.

  6. Vedle položky Aktivum MLklepněte v nabídce na volbu Vybrat z jiného uzlu .

     

  7. Ze seznamu vyberte uzel Povýšit model na prostor implementace . Je vybráno ID uzlu winning_model .

  8. Jako Název nové implementacezadejte Mortgage approval model deployment - Data Science.

  9. V poli Režim vytvořenívyberte volbu Přepsat.

  10. Klepnutím na tlačítko Uložit uložte nastavení uzlu Vytvořit online implementaci .

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje dokončené propojení procesů. Nyní jste připraveni spustit propojení procesů.
  
  

  

  
  Zpět na začátek
  

• Úloha 4: Spustit propojení procesů
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 06:57.

  Nyní, když je propojení procesů dokončeno, postupujte takto, abyste spustili propojení procesů:

  1. Na panelu nástrojů klepněte na volbu Spustit propojení procesů > Zkušební spuštění.

  2. Na stránce Definovat parametry propojení procesů vyberte pro implementaci hodnotu True .

     • Je-li nastavena hodnota True, propojení procesů ověří nasazený model a jeho skóre.

     • Je-li nastavena hodnota False, propojení procesů ověří, zda byl model vytvořen v projektu experimentem AutoAI , a přezkoumá informace o modelu a metriky trénování.

  3. Zadejte klíč rozhraní API, pokud je tato příležitost prvním spuštěním propojení procesů. Aktiva propojení procesů používají váš osobní klíč rozhraní API IBM Cloud k bezpečnému spuštění operací bez narušení.

     • Máte-li existující klíč rozhraní API, klepněte na volbu Použít existující klíč rozhraní API, vložte klíč rozhraní API a klepněte na tlačítko Uložit.

     • Pokud nemáte existující klíč rozhraní API, klepněte na volbu Generovat nový klíč rozhraní API, zadejte název a klepněte na tlačítko Uložit. Zkopírujte klíč rozhraní API a pak uložte klíč rozhraní API pro budoucí použití. Po dokončení klepněte na tlačítko Zavřít.

  4. Klepnutím na tlačítko Spustit spusťte spuštění propojení procesů.

  5. Monitorování průběhu propojení procesů.

     1. Procházet konsolidované protokoly, zatímco je propojení procesů spuštěno. Dokončení zkušebního provozu může trvat až 10 minut.

     2. Po dokončení každé operace vyberte uzel pro tuto operaci na plátně.

     3. Na kartě Inspektor uzlu zobrazte podrobnosti operace.

     4. Klepnutím na kartu Výstup uzlu zobrazíte souhrn výstupu pro každou operaci uzlu.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje propojení procesů po dokončení zkušebního spuštění. Nyní jste připraveni přezkoumat aktiva, která vytvořila propojení procesů.
  
  

  

  
  Zpět na začátek
  

• Úloha 5: Zobrazit aktiva, nasazený model a nasazení online
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 08:58.

  Propojení procesů vytvořilo několik aktiv. Chcete-li zobrazit aktiva, postupujte takto:

  1. Klepnutím na název projektu Data Science and MLOps v navigační stopě se vrátíte do projektu.

     

  2. Na kartě Aktiva zobrazte Všechna aktiva.

  3. Zobrazte datová aktiva.

     1. Klepněte na datové aktivum Mortgage_Data_with_Approvals_DS.csv . Toto aktivum vytvořilo pracovní místo Data Refinery .

     2. Klepnutím na název projektu Data Science and MLOps v navigační cestě se vrátíte na kartu Aktiva .

  4. Zobrazit model.

     1. Klepněte na aktivum modelu strojového učení začínající na ds_hypotéage_approval_best_model. Experiment AutoAI vygeneroval několik kandidátů na model a vybral tento model jako nejlepší model. Uložte tento název modelu do textového souboru. Název modelu je nezbytný pro konfiguraci monitorů Watson OpenScale v další úloze.

     2. Procházet informace o modelu.

     3. Klepnutím na název projektu Data Science and MLOps v navigační cestě se vrátíte na kartu Aktiva .

  5. Klepněte na kartu Úlohy v projektu, chcete-li zobrazit informace o Data Refinery a úlohách propojení procesů.

  6. Otevřete prostor implementace, který jste vytvořili pomocí propojení procesů.

     1. V navigační nabídce Cloud Pak for Data vyberte volbu Nasazení.

     2. Klepněte na kartu Prostory .

     3. Klepněte na prostor implementace Schválení hypotéky-Datová věda a MLOps .

  7. Klepněte na kartu Aktiva a prohlédněte si nasazený model začínající na ds_hypotéka_approval_best_model.

  8. Klepněte na kartu Nasazení .

  9. Klepnutím na volbu Nasazení modelu schválení hypotéky-Datová věda zobrazte implementaci.

     1. Na kartě Odkaz rozhraní API zobrazte koncový bod rozhraní API a úseky kódu.

     2. Klepněte na kartu Test .

     3. Klepněte na kartu Vstup JSON a nahraďte ukázkový text následujícím textem 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,
                                          null,
                                          "High School",
                                          "Employed",
                                          null,
                                          45283,
                                          null,
                                          "Private Renting",
                                          11,
                                          13,
                                          1,
                                          1232,
                                          1,
                                          7638,
                                          706,
                                          null,
                                          false,
                                          false,
                                          null,
                                          null,
                                          null,
                                          54262,
                                          null
                                  ]
                          ]
                  }
          ]
        }
        

     4. Klepněte na volbu Předpovídat. Výsledky ukazují, že první žadatel nebude schválen a druhý bude schválen.

  Zkontrolujte svůj pokrok

  Následující obrázek zobrazuje výsledky testu. Skóre hodnověrnosti pro váš test se může lišit od skóre zobrazených na obrázku.
  
  

  

  
  Zpět na začátek
  

• Úloha 6: Spuštění zápisníku pro konfiguraci monitorů Watson OpenScale
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 10:40.

  Nyní jste připraveni spustit zápisník obsažený v ukázkovém projektu. Zápisník obsahuje kód pro:

  • Načtěte model a implementace.
  • Nakonfigurujte Watson OpenScale.
  • Vytvořte poskytovatele služeb a předplatné pro službu strojového učení.
  • Nakonfigurujte monitor kvality.
  • Nakonfigurujte monitor spravedlnosti.
  • Nakonfigurujte vysvětlitelnost.

  Chcete-li spustit zápisník obsažený v ukázkovém projektu, postupujte takto. Udělejte si čas, abyste si přečetli komentáře v zápisníku, které vysvětlují kód v každé buňce.

  1. V navigační nabídce Cloud Pak for Data vyberte volbu Projekty > Zobrazit všechny projekty.

  2. Klepněte na název projektu Datová věda a MLOps .

  3. Klepněte na kartu Aktiva a pak přejděte na Zápisníky.
     

  4. Otevřete zápisník monitor-wml-model-with-watson-openscale-pipeline .

  5. Klepnutím na ikonu Upravit přepněte zápisník do režimu úprav.

  6. Při importu projektu z galerie obsahuje první buňka zápisníku přístupový prvek projektu. Pokud tento zápisník neobsahuje první buňku s přístupovým tokenem projektu, musíte token vygenerovat. V nabídce Další vyberte volbu Vložit token projektu. Tato akce vloží novou buňku jako první buňku v zápisníku obsahujícím token projektu.

  7. Poskytněte vám klíč rozhraní API v sekci Zadat klíč rozhraní API produktu IBM Cloud . Musíte předat svá pověření do rozhraní API Watson Machine Learning pomocí klíče rozhraní API. Pokud ještě nemáte uložený klíč rozhraní API, postupujte takto, abyste vytvořili klíč rozhraní API.
     Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 04:55.

     1. Přistupte ke stránce klíčů rozhraní API konzoly IBM Cloud.

     2. Klepněte na volbu Vytvořit klíč rozhraní API IBM Cloud. Máte-li nějaké existující klíče rozhraní API, může být tlačítko označeno jako Vytvořit.

     3. Zadejte název a popis.

     4. Klepněte na volbu Vytvořit.

     5. Zkopírujte klíč rozhraní API.

     6. Stáhněte klíč rozhraní API pro budoucí použití.

     7. Vraťte se do zápisníku a vložte klíč rozhraní API do pole ibmcloud_api_key .

  8. V části 3. Model a implementacepro proměnnou název_modelu vložte název modelu, který jste uložili do textového souboru v předchozí úloze. název_prostoru a název_implementace jsou vyplněny pomocí názvů uvedených v propojení procesů.

  9. Klepnutím na volbu Buňka > Spustit vše spustíte všechny buňky v zápisníku. Případně spusťte buňku zápisníku podle buňky, abyste prozkoumali každou buňku a její výstup.

  10. Monitorujte buňku průběhu podle buňky a všimněme si hvězdičky "In [*]", která se změní na číslo, například "In [1]". Dokončení zápisníku trvá 1-3 minuty.

  11. Pokud při spuštění zápisníku narazíte na nějaké chyby, vyzkoušejte tyto rady:

      • Klepnutím na volbu Jádro > Restartovat a vymazat výstup restartujte jádro a poté znovu spusťte zápisník.
      • Ověřte, že jste zkopírovali a vložili název implementace přesně bez úvodních nebo koncových mezer.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje zápisník po dokončení spuštění. Zápisník uložil model do projektu, takže jste nyní připraveni model vyhodnotit.
  
  

  

  
  Zpět na začátek
  

• Úloha 7: Vyhodnocení modelu
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 13:35.

  Chcete-li vyhodnotit model v produktu Watson OpenScale, postupujte takto:

  1. Klepněte na projekt Datová věda a MLOps v navigační cestě.
     

  2. Na kartě Aktiva rozbalte typ aktiva Data a pak klepněte na volbu Datová aktiva.

  3. Klepněte na nabídku Přetečení pro datové aktivum mortgage_sample_test_data.csv a vyberte volbu Stáhnout. Chcete-li ověřit, že model pracuje podle potřeby, potřebujete sadu označených dat, která byla zadržena z trénování modelu. Tento soubor CSV obsahuje tato data pro uložení.

  4. Spusťte produkt Watson OpenScale.

     1. V navigační nabídce Cloud Pak for Data vyberte volbu Služby > Instance služeb.

     2. Klepněte na název instance Watson OpenScale . Budete-li vyzváni, přihlaste se pomocí stejných pověření, která jste použili k registraci produktu Cloud Pak for Data.

     3. Na stránce instance služby Watson OpenScale klepněte na volbu Spustit aplikaci.

  5. Na řídicím panelu Náhledyklepněte na dlaždici Implementace modelu schválení hypotéky-Datová věda .

  6. V nabídce Akce vyberte volbu Vyhodnotit nyní.

  7. Ze seznamu voleb importu vyberte volbu ze souboru CSV.

  8. Přetáhněte datový soubor mortgage_sample_test_data.csv , který jste stáhli z projektu, do postranního panelu.

  9. Klepněte na volbu Odeslat a vyhodnotit. Dokončení vyhodnocení může trvat několik minut.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje výsledek vyhodnocení nasazeného modelu v produktu Watson OpenScale. Nyní, když jste model vyhodnotili, jste připraveni sledovat kvalitu modelu.
  
  

  

  
  Zpět na začátek
  

• Úkol 8: Sledování kvality modelových monitorů
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 14:44.

  Monitor kvality Watson OpenScale generuje sadu metrik pro vyhodnocení kvality vašeho modelu. Pomocí těchto metrik kvality můžete určit, jak dobře váš model předpovídá výsledky. Po dokončení vyhodnocení, které používá data pro zadržování, postupujte takto, chcete-li sledovat kvalitu nebo přesnost modelu:

  1. V levém navigačním panelu klepněte na ikonu Řídicí panel produktu Insights .

  2. Vyhledejte dlaždici Implementace modelu schválení hypotéky-Datová věda . Všimněte si, že implementace má 0 problémů a že testy Quality a Fairness negenerovaly žádné chyby, což znamená, že model splnil prahové hodnoty, které jsou od něj požadovány.

     Pozn.: Možná budete muset aktualizovat řídicí panel, abyste viděli aktualizace po vyhodnocení.

  3. Chcete-li zobrazit další podrobnosti, klepněte na dlaždici Implementace modelu schválení hypotéky-Datová věda .

  4. V sekci Kvalita klepněte na ikonu Konfigurovat . Zde vidíte, že prahová hodnota kvality, která je nakonfigurována pro tento monitor, je 70% a že měření použité kvality je oblast pod křivkou ROC.

  5. Klepnutím na volbu Přejít na souhrn modelu se vrátíte na obrazovku podrobností modelu.

  6. V sekci Kvalita klepněte na ikonu se šipkou doprava a zobrazí se podrobné výsledky kvality modelu. Zde vidíte řadu výpočtů metrik kvality a matici zmatků, která zobrazuje správná modelová rozhodnutí spolu s falešnými pozitivními a falešnými negativy. Vypočtená plocha pod křivkou ROC je 0.9 nebo vyšší, což překračuje prahovou hodnotu 0.7 , takže model splňuje svůj požadavek na kvalitu.

  7. Klepnutím na volbu Implementace modelu schválení hypotéky-Datová věda v navigační cestě se vrátíte na obrazovku podrobností modelu.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje podrobnosti o kvalitě v produktu Watson OpenScale. Skóre kvality se může lišit. Nyní, když jste sledovali kvalitu modelu, můžete pozorovat férovost modelu.
  
  

  

  
  Zpět na začátek
  

• Úkol 9: Sledování modelu monitorů pro spravedlnost
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 15:59.

  Monitor spravedlnosti Watson OpenScale generuje sadu metrik pro vyhodnocení spravedlnosti vašeho modelu. Metriky spravedlnosti můžete použít k určení, zda váš model vytváří zkreslené výsledky. Chcete-li sledovat férovost modelu, postupujte takto:

  1. V sekci Poctivost klepněte na ikonu Konfigurovat . Zde vidíte, že se model přezkoumává, aby se zajistilo, že s žadateli bude zacházeno spravedlivě bez ohledu na jejich pohlaví. Ženy jsou identifikovány jako monitorovaná skupina, pro kterou se měří spravedlnost, a prahová hodnota pro spravedlnost je nejméně 80%. Monitor spravedlnosti používá k určení spravedlnosti metodu nesourodého dopadu. Nesourodý dopad porovnává procento příznivých výsledků pro monitorovanou skupinu s procentem příznivých výsledků pro referenční skupinu.

  2. Klepněte na volbu Přejít na souhrn modelu . Chcete-li se vrátit na obrazovku s podrobnostmi o modelu,

  3. V sekci Poslušnost klepněte na ikonu se šipkou doprava , abyste viděli podrobné výsledky pro spravedlivost modelu. Zde vidíte procento mužských a ženských žadatelů, kteří jsou automaticky schváleni, spolu se skóre férovosti asi 100%, takže výkon modelu daleko přesahuje požadovaný práh férovosti 80%.

  4. Všimněte si identifikovaných datových sad v seznamu Datová sada . Aby se zajistilo, že metriky spravedlivosti jsou nejpřesnější, Watson OpenScale používá perturbaci k určení výsledků, kde se mění pouze chráněné atributy a související vstupy modelu, zatímco ostatní funkce zůstávají stejné. Perturbation změní hodnoty funkce z referenční skupiny na monitorovanou skupinu, nebo naopak. Tato dodatečná zábradlí se používají k výpočtu spravedlnosti, když se používá "vyvážená" datová sada, ale můžete také zobrazit výsledky spravedlnosti pouze pomocí informačního obsahu nebo dat trénování modelu. Vzhledem k tomu, že se model chová spravedlivě, nemusíte se pro tuto metriku zabývat dalšími podrobnostmi.
     

  5. Klepnutím na navigační cestu Implementace modelu schválení hypotéky-Datová věda se vrátíte na obrazovku podrobností modelu.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje podrobnosti o spravedlnosti v produktu Watson OpenScale. Nyní, když jste pozorovali férovost modelu, můžete pozorovat vysvětlitelnost modelu.
  
  

  

  
  Zpět na začátek
  

• Úloha 10: Sledovat modelové monitory pro vysvětlitelnost
  
  

  Chcete-li zobrazit náhled této úlohy, podívejte se na video začínající na 17:42.

  Musíte pochopit, jak model přišel k jeho rozhodnutí. Toto porozumění je nezbytné jak pro vysvětlení rozhodnutí osobám zapojeným do schvalování úvěrů, tak pro zajištění platnosti rozhodnutí vlastníků modelů. Chcete-li porozumět těmto rozhodnutím, postupujte takto, chcete-li sledovat vysvětlitelnost modelu:

  1. V levém navigačním panelu klepněte na ikonu Vysvětlit transakci .

  2. Chcete-li zobrazit seznam transakcí, vyberte volbu Implementace modelu schválení hypotéky-Datová věda .

  3. Pro libovolnou transakci klepněte na volbu Vysvětlit pod sloupcem Akce . Zde vidíte podrobné vysvětlení tohoto rozhodnutí. Uvidíte nejdůležitější vstupy do modelu spolu s tím, jak důležité bylo, aby každý z nich byl do konečného výsledku. Modré pruhy představují vstupy, které mají tendenci podporovat rozhodnutí modelu, zatímco červené pruhy ukazují vstupy, které mohly vést k jinému rozhodnutí. Například žadatel může mít dostatek příjmů na to, aby mohl být jinak schválen, ale jeho špatná úvěrová historie a vysoký dluh společně vedou k modelu zamítnutí žádosti. Přezkoumejte toto vysvětlení, abyste byli spokojeni se základem pro rozhodnutí modelu.

  4. Volitelné: Chcete-li podrobněji zjistit, jak se model rozhodl, klepněte na kartu Zkontrolovat . Pomocí funkce Zkontrolovat můžete analyzovat rozhodnutí o nalezení oblastí citlivosti, kde by malé změny několika vstupů vedly k odlišnému rozhodnutí. Citlivost můžete otestovat sami tím, že potlačíte některé skutečné vstupy s alternativami, abyste zjistili, zda by to mělo dopad na výsledek.

  Zkontrolujte svůj pokrok

  Následující obrázek ukazuje vysvětlitelnost transakce v produktu Watson OpenScale. Zjistili jste, že model je přesný a že se všemi žadateli zachází spravedlivě. Nyní můžete model posunout do další fáze v jeho životním cyklu.
  
  

  

  
  Zpět na začátek
  

Vyčištění (volitelné)

Chcete-li tento výukový program znovu provést, odstraňte následující artefakty.

Další kroky

• Vyzkoušejte tyto výukové programy:

  • Výukový program pro koordinaci propojení procesů umělé inteligence s integrací dat
  • Výukový program pro sestavení a implementaci modelu
  • Výukový program Integrace dat

• Přihlaste se k jinému případu použití prostředí Fabric dat.

Další informace

• Watson Pipelines

• Přehled produktu Cloud Pak for Data as a Service a datového prostředí Fabric

Nadřízené téma: Výukové programy datového prostředí Fabric