Öğretici programı önizle

Bu öğretici programda şu görevleri tamamlayabilirsiniz:

• Önkoşulları ayarlayın.
• Görev 1: Örnek projedeki varlıkları görüntüleyin.
• Görev 2: Var olan bir ardışık düzeni keşfedin.
• Görev 3: Ardışık düzene bir düğüm ekleyin.
• Görev 4: Ardışık işlemi çalıştırın.
• Görev 5: Varlıkları, devreye alınan modeli ve çevrimiçi devreye almayı görüntüleyin.

Modelin Watson OpenScalekullanılarak nasıl izleneceğini görmeye devam etmek istiyorsanız, 6-10 arası görevleri tamamlayın:

• Görev 6: Watson OpenScale monitörlerini yapılandırmak için not defterini çalıştırın.
• Görev 7: Modeli değerlendirin.
• Görev 8: Kalite için model izleyicilerini gözlemleyin.
• Görev 9: Model monitörlerinin adil davranmasını gözlemleyin.
• Görev 10: Açıklanabilirlik için model izleyicilerini gözlemleyin.
• Temizleme (İsteğe bağlı)

Bu öğretici programdaki adımları önizlemek için bu videoyu izleyin. Videoda gösterilen kullanıcı arabiriminde küçük farklılıklar olabilir. Videonun, yazılı öğretici programın bir arkadaşı olması amaçlanmıştır.

Bu video, bu belgedeki kavramları ve görevleri öğrenmek için görsel bir yöntem sağlar.

• Bu öğretici programın tamamlanmasına ilişkin ipuçları

  Resimdeki videoyu kullan

  İpucu: Videoyu başlatın, daha sonra siz öğretici programda gezinirken video, resim içinde resim moduna geçer. Resimdeki resimle en iyi deneyimi elde etmek için video içindekiler tablosunu kapatın. Bu öğretici programdaki görevleri tamamlarken videoyu izleyebilmek için resimdeki modu kullanabilirsiniz. İzlemek istediğiniz her görev için zaman damgalarını tıklatın.

  Aşağıdaki canlandırmalı resim, resimdeki video resminin ve içindekiler tablosunun özelliklerinin nasıl kullanılacağını gösterir:

  

  Toplulukta yardım alma

  Bu öğretici programla ilgili yardıma gereksinim duyarsanız, Cloud Pak for Data Community tartışma forumundabir soru sorabilir ya da bir yanıt bulabilirsiniz.

  Tarayıcı pencerelerinizi ayarlayın

  Bu öğretici programı tamamlama konusunda en iyi deneyimi sağlamak için Cloud Pak for Data olanağını bir tarayıcı penceresinde açın ve bu eğitmen sayfasını iki uygulama arasında kolayca geçiş yapmak üzere başka bir tarayıcı penceresinde açık tutun. Takip edilmesini kolaylaştırmak için iki tarayıcı penceresini yan yana düzenlemeyi düşünün.

  

  İpucu: Kullanıcı arabiriminde bu öğretici programı tamamlarken kılavuzlu bir turla karşılaşırsanız, Belki daha sonraseçeneğini tıklatın.

  
  Başa dön
  

• Önkoşulları ayarla

  Cloud Pak for Data as a Service için kaydolun

  Cloud Pak for Data as a Service için kaydolmanız ve Veri Bilimi ve MLOps kullanım senaryosu için gerekli hizmetleri sağlamanız gerekir.

  • Mevcut bir Cloud Pak for Data as a Service hesabınız varsa, bu öğretici programı kullanmaya başlayabilirsiniz. Bir Lite plan hesabınız varsa, bu öğretici programı hesap başına yalnızca bir kullanıcı çalıştırabilir.
  • Henüz bir Cloud Pak for Data as a Service hesabınız yoksa, veri yöneltme yapısı denemesi için kaydolun.

  
  

  Cloud Pak for Data' daki veri yöneltme yapısı hakkında bilgi edinmek için aşağıdaki videoyu izleyin.

  Bu video, bu belgedeki kavramları ve görevleri öğrenmek için görsel bir yöntem sağlar.

  Gerekli sağlanan hizmetleri doğrulayın

  Bu görevi önizlemek için 00:50adresinden başlayan videoyu izleyin.

  Gerekli hizmetleri doğrulamak ya da sağlamak için aşağıdaki adımları izleyin:

  1. Cloud Pak for Data gezinme menüsünden Hizmetler > Hizmet eşgörünümleriseçeneklerini belirleyin.

  2. Var olan bir Watson Studio hizmet eşgörünümünün var olup olmadığını belirlemek için Ürün açılan listesini kullanın.

  3. Bir Watson Studio hizmet eşgörünümü oluşturmanız gerekiyorsa, Hizmet ekle' yi tıklatın.

     1. Watson Studioseçeneğini belirleyin.

     2. Lite planını seçin.

     3. Oluştur'u tıklatın.

  4. Watson Studio hizmeti yetkilendirilirken bekleyin; bu işlemin tamamlanması birkaç dakika sürebilir.

  5. Aşağıdaki ek hizmetleri doğrulamak ya da sağlamak için bu adımları yineleyin:

     • Watson Machine Learning
     • Cloud Object Storage
     • Watson OpenScale -devreye alınan modeli izlemek istiyorsanız

  İlerlemenizi denetleyin

  Aşağıdaki resim, sağlanan hizmet eşgörünümlerini göstermektedir:
  
  

  

  Örnek projeyi yarat

  Bu görevi önizlemek için 01:27adresinden başlayan videoyu izleyin.

  Bu eğitmen için örnek projeniz zaten varsa, bu görevi atlayın. Tersi durumda, aşağıdaki adımları izleyin:

  1. Galeri 'deki Veri Bilimi ve MLOps örnek projesine erişin.

  2. Proje yaratöğesini tıklatın.

  3. Projeyi bir Cloud Object Storage eşgörünümüyle ilişkilendirmeniz istenirse, listeden bir Cloud Object Storage eşgörünümü seçin.

  4. Oluştur'u tıklatın.

  5. Proje içe aktarma işleminin tamamlanmasını bekleyin ve ardından projenin ve varlıkların başarıyla yaratıldığını doğrulamak için Yeni projeyi görüntüle ' yi tıklatın.

  6. Bu öğretici programa ilişkin varlıkları görmek için Varlıklar sekmesini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, örnek projedeki Varlıklar sekmesini gösterir. Artık eğitmeni başlatmaya hazırsınız.
  
  

  

  Not: Bu kullanım senaryoda yer alan eğitmenleri gösteren kılavuzlu bir tur görebilirsiniz. Kılavuzlu turdaki bağlantılar bu öğretici yönergeleri açar.

  Watson Machine Learning hizmetini örnek projeyle ilişkilendirin

  Bu görevi önizlemek için 02:17adresinden başlayan videoyu izleyin.

  Modeli oluşturmak ve devreye almak için Watson Machine Learning uygulamasını kullanacaksınız, bu nedenle Watson Machine Learning hizmet eşgörünümünüzü örnek projeyle ilişkilendirmek için aşağıdaki adımları izleyin.

  1. Data Science and MLOps (Veri Bilimi ve MLOps) projesinde Manage (Yönet) sekmesini tıklatın.

  2. Hizmetler ve Bütünleştirmeler sayfasını tıklatın.

  3. Hizmeti ilişkilendir' i tıklatın.

  4. Watson Machine Learning hizmet eşgörünümünün yanındaki kutuyu işaretleyin.

  5. İlişkilendir' i tıklatın.

  6. Hizmetler ve Bütünleştirmeler sayfasına dönmek için İptal düğmesini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resimde, Watson Machine Learning hizmetinin listelendiği Hizmetler ve Bütünleştirmeler sayfası gösterilmektedir. Artık örnek projeyi yaratmaya hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 1: Örnek projedeki varlıkları görüntüleme
  
  

  Bu görevi önizlemek için 02:37adresinden başlayan videoyu izleyin.

  Örnek proje, bir bağlantı, veri tanımlaması, bir Data Refinery akışı ve bir ardışık düzen de dahil olmak üzere çeşitli varlıkları içerir. Bu varlıkları görüntülemek için aşağıdaki adımları izleyin:

  1. Veri Bilimi ve MLOps projesinde Varlıklar sekmesini tıklatın ve ardından Tüm varlıklar' ı görüntüleyin.

  2. Data Refinery akışında ve ardışık düzende kullanılan veri varlıklarının listesini görüntüleyin. Bu varlıklar, AI_MORTGAGE şemasındaki bir Data Fabric Trial- Db2 Warehouse bağlantısında depolanır. Varlıkları içe aktarseçeneğini tıklatın ve Data Fabric Trial- Db2 Warehouse > AI_MORTGAGEseçeneğine gidin. Aşağıdaki resim, bu bağlantıdaki varlıkları gösterir:

     

  3. Mortgage_Data_Approvals_flow Data Refinery akışı, her konut kredisi başvurusuyla ilgili verileri bütünleştirir. Bütünleşik veriler, başvuru ayrıntıları, kredi puanları, ticari alıcı olarak durum ve son olarak her başvuru sahibinin seçtiği ev fiyatlarını içeren kişisel olarak tanımlanabilir bilgileri içerir. Akış daha sonra, birleştirilen verileri içeren projede Mortgage_Data_with_Approvals_DS.csv adıyla sıralı bir dosya yaratır. Aşağıdaki resim Mortgage_Data_Approvals_flow Data Refinery akışını göstermektedir:

     

  İlerlemenizi denetleyin

  Aşağıdaki resim, örnek projedeki tüm varlıkları gösterir. Artık örnek projedeki ardışık düzeni keşfetmeye hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 2: Var olan bir ardışık düzeni keşfedin
  
  

  Bu görevi önizlemek için 03:25adresinden başlayan videoyu izleyin.

  Örnek proje, aşağıdaki görevleri otomatikleştiren bir Watson ardışık düzeni içerir:

  • Var olan bir Data Refinery işini çalıştırın.

  • Bir AutoAI deneyi oluşturun.

  • AutoAI deneyini çalıştırın ve eğitim verileri olarak Data Refinery işinden elde edilen çıktı dosyasını kullanan en iyi performans gösteren modeli kaydedin.

  • Bir konuşlandırma alanı yaratın.

  • Kaydedilen modeli devreye alma alanına yükselt.

  Ardışık düzeni keşfetmek için aşağıdaki adımları izleyin:

  1. Veri Bilimi ve MLOps projesindeki Varlıklar sekmesinden Tüm varlıklar' ı görüntüleyin.

  2. Ardışık düzeni açmak için Mortgage onay ardışık düzeni-Veri Bilimi seçeneğini tıklatın.

  3. Db2 Warehouse on Cloud bağlantısından çeşitli tabloları AutoAI deneyine ilişkin eğitim verileri olarak kullanılan, uyumlu bir etiketli veri kümesinde birleştiren Bütünleştirme mortgage onay verileri Data Refinery işini çift tıklatın. Ardışık düzene dönmek için İptal düğmesini tıklatın.

  4. Durumu denetle koşulunu tıklatın ve Düzenleseçeneğini belirleyin. Bu koşul, Tamamlandı ya da Uyarılarla Tamamlandıdeğerleriyle Data Refinery işinin tamamlanmasını onaylamak için ardışık düzendeki bir karar noktasıdır. Ardışık düzene dönmek için İptal düğmesini tıklatın.

  5. Ayarları görmek için AutoAI deneyi oluştur düğümünü çift tıklatın. Bu düğüm, ayarlarla bir AutoAI deneyi yaratır.

     1. Aşağıdaki ayarlara ilişkin değerleri gözden geçirin:

        • AutoAI deneme adı

        • Kapsam

        • Öngörü tipi

        • Öngörü sütunu

        • Pozitif sınıf

        • Eğitim verileri bölme oranı

        • İçerilecek algoritmalar

        • Kullanılacak algoritmalar

        • Metriği eniyile

     2. Ayarları kapatmak için İptal düğmesini tıklatın.

  6. Ayarları görmek için AutoAI deneyi çalıştır düğümünü çift tıklatın. Bu düğüm, eğitim verileri olarak Bütünleştirme Mortgage Onayı Data Refinery işinin çıktısını kullanan Oluştur AutoAI deneyi düğümü tarafından oluşturulan AutoAI deneyini çalıştırır.

     1. Aşağıdaki ayarlara ilişkin değerleri gözden geçirin:

        • AutoAI deneyi

        • Eğitim Verileri Varlıkları

        • Model adı öneki

     2. Ayarları kapatmak için İptal düğmesini tıklatın.

  7. AutoAI deneyi ve Konuşlandırma Alanı Yarat düğümleri arasında Modeli konuşlandırmak istiyor musunuz? koşulu seçin ve Düzenleseçeneğini belirleyin. Bu koşul için True değeri, devreye alma alanını oluşturmaya devam etmek için ardışık düzendeki bir karar noktasıdır. Ardışık düzene dönmek için İptal düğmesini tıklatın.

  8. Ayarları güncellemek için Konuşlandırma Alanı Yarat düğümünü çift tıklatın. Bu düğüm, belirtilen ada sahip yeni bir devreye alma alanı oluşturur ve Cloud Object Storage ve Watson Machine Learning hizmetleriniz için giriş gerektirir.

     1. Yeni alan adı ayarına ilişkin değeri gözden geçirin.

     2. New space COS Instance CRN (Yeni Alan COS Eşgörünümü CRN) alanı için, listeden Cloud Object Storage eşgörünümünüzü seçin.

     3. New space WML Instance CRN (Yeni Alan WML Örneği CRN) alanı için listeden Watson Machine Learning eşgörünümünüzü seçin.

     4. Kaydetöğesini tıklatın.

  9. Ayarları görmek için Modeli Konuşlandırma Alanına Yükselt düğümünü çift tıklatın. Bu düğüm, en iyi modeli AutoAI deneme düğümünden Konuşlandırma Alanı Yarat düğümünden yaratılan konuşlandırma alanına yükseltir.

     1. Aşağıdaki ayarlara ilişkin değerleri gözden geçirin:

        • Kaynak Varlıklar

        • Hedef

     2. Ayarları kapatmak için İptal düğmesini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim ilk ardışık düzeni gösterir. Artık bir düğüm eklemek için ardışık düzeni düzenlemeye hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 3: Ardışık düzene bir düğüm ekleme
  
  

  Bu görevi önizlemek için 05:41adresinden başlayan videoyu izleyin.

  Ardışık işlem modeli oluşturur, bir devreye alma alanı oluşturur ve ardından bir devreye alma alanına yükseltir. Çevrimiçi konuşlandırma yaratmak için bir düğüm eklemeniz gerekir. Çevrimiçi devreye alma oluşturmayı otomatikleştirmek üzere ardışık düzeni düzenlemek için aşağıdaki adımları izleyin:

  1. Tuvale Çevrimiçi Konuşlandırma Oluştur düğümünü ekleyin:

     1. Düğüm paletinde Oluştur bölümünü genişletin.

     2. Çevrimiçi konuşlandırma yarat düğümünü tuvale sürükleyin ve Modeli Konuşlandırma Alanına Yükselt düğümünden sonra düğümü bırakın.

  2. Oku görmek için imleci Modeli Konuşlandırma Alanına Yükselt düğümünün üzerine getirin. Oku Çevrimiçi konuşlandırma oluştur düğümüne bağlayın.

     Not: Ardışık düzeninizdeki düğüm adları, aşağıdaki canlandırmalı görüntüden farklı olabilir.

     

  3. Yorum kutusundaki daireyi düğüme bağlayarak Yükseltilen model için çevrimiçi konuşlandırma oluştur yorumunu Çevrimiçi konuşlandırma oluştur düğümüne bağlayın.

     Not: Ardışık düzeninizdeki düğüm adları, aşağıdaki canlandırmalı görüntüden farklı olabilir.

     

  4. Ayarları görmek için Çevrimiçi konuşlandırma oluştur düğümünü çift tıklatın.

  5. Düğüm adını Create Online Deploymentolarak değiştirin.

  6. ML asset(ML varlık) seçeneğinin yanında, menüden Select from another node (Başka bir düğümden seç) seçeneğini tıklatın.

     

  7. Listeden Modeli Konuşlandırma Alanına Yükselt düğümünü seçin. winning_model düğüm tanıtıcısı seçildi.

  8. Yeni konuşlandırma adıiçin Mortgage approval model deployment - Data Scienceyazın.

  9. Yaratma Kipiiçin Üzerine Yazseçeneğini belirleyin.

  10. Çevrimiçi Konuşlandırma Oluştur düğüm ayarlarını kaydetmek için Kaydet düğmesini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, tamamlanan ardışık düzeni gösterir. Artık ardışık düzeni çalıştırmaya hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 4: Ardışık düzeni çalıştır
  
  

  Bu görevi önizlemek için 06:57adresinden başlayan videoyu izleyin.

  Ardışık işlem tamamlanınca, ardışık düzeni çalıştırmak için aşağıdaki adımları izleyin:

  1. Araç çubuğundan Ardışık düzeni Çalıştır > Deneme çalıştırmasıseçeneklerini tıklatın.

  2. Ardışık düzen parametrelerini tanımla sayfasında, konuşlandırma için True (Doğru) seçeneğini belirleyin.

     • Trueolarak ayarlanırsa, ardışık işlem devreye alınan modeli doğrular ve modeli puanlar.

     • False(Yanlış) olarak ayarlanırsa, ardışık işlem AutoAI deneyi tarafından projede modelin oluşturulduğunu doğrular ve model bilgilerini ve eğitim metriklerini gözden geçirir.

  3. Bu durum bir ardışık düzeni ilk kez çalıştırıyorsanız bir API anahtarı sağlayın. Ardışık düzen varlıkları, işlemleri kesintiye uğramadan güvenli bir şekilde çalıştırmak için kişisel IBM Cloud API anahtarınızı kullanır.

     • Var olan bir API anahtarınız varsa, Var olan API anahtarını kullan'ı tıklatın, API anahtarını yapıştırın ve Kaydet' i tıklatın.

     • Var olan bir API anahtarınız yoksa, Yeni API anahtarı oluştur'u tıklatın, bir ad sağlayın ve Kaydet' i tıklatın. API anahtarını kopyalayın ve daha sonra kullanmak üzere API anahtarını kaydedin. İşiniz bittiğinde Kapat' ı tıklatın.

  4. Ardışık düzeni çalıştırmaya başlamak için Çalıştır ' ı tıklatın.

  5. Boru hattının ilerleyişini izleyin.

     1. Ardışık işlem çalışırken birleştirilmiş günlükler arasında gezinin. Deneme çalıştırmanın tamamlanması 10 dakika sürebilir.

     2. Her işlem tamamlandığında, tuvalde o işlem için düğümü seçin.

     3. Node Inspector (Düğüm Denetçisi) sekmesinde işlemin ayrıntılarını görüntüleyin.

     4. Her düğüm işlemine ilişkin çıkışın bir özetini görmek için Düğüm çıkışı etiketini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, deneme çalıştırmasını tamamladıktan sonra ardışık düzeni gösterir. Artık ardışık düzende oluşturulan varlıkları gözden geçirmeye hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 5: Varlıkları, devreye alınan modeli ve çevrimiçi devreye almayı görüntüleyin
  
  

  Bu görevi önizlemek için 08:58adresinden başlayan videoyu izleyin.

  Boru hattı birkaç varlık oluşturdu. Varlıkları görüntülemek için aşağıdaki adımları izleyin:

  1. Projeye geri dönmek için gezinme yolunda Veri Bilimi ve MLOps proje adını tıklatın.

     

  2. Varlıklar sekmesinde Tüm varlıklar' ı görüntüleyin.

  3. Veri varlıklarını görüntüleyin.

     1. Mortgage_Data_with_Approvals_DS.csv veri varlığını tıklatın. Data Refinery işi bu varlığı oluşturdu.

     2. Varlıklar sekmesine dönmek için gezinme yolunda Veri Bilimi ve MLOps proje adını tıklatın.

  4. Modeli görüntüleyin.

     1. ds_mortgage_approval_best_modelile başlayan makine öğrenimi modeli varlığını tıklatın. AutoAI deneyi birkaç model adayı üretti ve bunu en iyi model olarak seçti. Bu model adını bir metin dosyasına kaydedin. Model adı, sonraki görevde Watson OpenScale izleyicilerini yapılandırmak için gereklidir.

     2. Model bilgileri arasında gezinin.

     3. Varlıklar sekmesine dönmek için gezinme yolunda Veri Bilimi ve MLOps proje adını tıklatın.

  5. Data Refinery ve Ardışık Düzen işlerine ilişkin bilgileri görüntülemek için projedeki İşler sekmesini tıklatın.

  6. Ardışık düzenle oluşturduğunuz konuşlandırma alanını açın.

     1. Cloud Pak for Data gezinme menüsünden Deploymentsseçeneğini belirleyin.

     2. Alanlar sekmesini tıklatın.

     3. Mortgage onaylama-Veri Bilimi ve MLOps konuşlandırma alanını tıklatın.

  7. Varlıklar sekmesini tıklatın ve ds_mortgage_approval_best_modelile başlayan devreye alınan modeli görün.

  8. Konuşlandırmalar sekmesini tıklatın.

  9. Konuşlandırmayı görüntülemek için Mortgage onay modeli konuşlandırması-Veri Bilimi seçeneğini tıklatın.

     1. API başvurusu sekmesinde API uç noktasını ve kod parçacıklarını görüntüleyin.

     2. Test sekmesini tıklatın.

     3. JSON girişi sekmesini tıklatın ve örnek metni aşağıdaki JSON metniyle değiştirin.

        {
          "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. Predict(Tahmin) seçeneğini tıklatın. Sonuçlar, ilk başvuru sahibinin onaylanmadığını ve ikinci başvuru sahibinin onaylanacağını gösterir.

  İlerlemenizi denetleyin

  Aşağıdaki resim testin sonuçlarını gösterir. Testinize ilişkin güven puanları, resimde gösterilen puanlardan farklı olabilir.
  
  

  

  
  Başa dön
  

• Görev 6: Watson OpenScale izleyicilerini yapılandırmak için not defterinin çalıştırılması
  
  

  Bu görevi önizlemek için 10:40saatinde başlayan videoyu izleyin.

  Artık örnek projede yer alan not defterini çalıştırmaya hazırsınız. Not defterinde aşağıdaki kodlar bulunur:

  • Modeli ve konuşlandırmaları getirin.
  • Watson OpenScaleürününü yapılandırın.
  • Makine öğrenimi hizmetinize ilişkin hizmet sağlayıcıyı ve aboneliği oluşturun.
  • Kalite izleyicisini yapılandırın.
  • Adalet monitörünüzü yapılandırın.
  • Açıklanabilirliği yapılandırın.

  Örnek projede bulunan not defterini çalıştırmak için aşağıdaki adımları izleyin. Her hücredeki kodu açıklayan not defterindeki yorumları okumak için biraz zaman ayırın.

  1. Cloud Pak for Data gezinme menüsünden Projeler > Tüm projeleri görüntüleseçeneklerini belirleyin.

  2. Data Science and MLOps (Veri Bilimi ve MLOps) proje adını tıklatın.

  3. Varlıklar sekmesini tıklatın ve Not defterleri' ne gidin.
     

  4. monitor-wml-model-with-watson-openscale-ardışık düzen defterini açın.

  5. Not defterini düzenleme kipine almak için Düzenle simgesini tıklatın.

  6. Galeri 'den bir projeyi içe aktardığınızda, not defterinin ilk hücresi proje erişim belirtecini içerir. Bu not defteri, proje erişim belirtecine sahip ilk hücreyi içermiyorsa, belirteci oluşturmanız gerekir. Diğer menüsünden Proje simgesi ekleseçeneğini belirleyin. Bu işlem, proje simgesini içeren not defterindeki ilk hücre olarak yeni bir hücre ekler.

  7. IBM Cloud API anahtarınızı sağlayın bölümünde size API anahtarı sağlar. Bir API anahtarı kullanarak kimlik bilgilerinizi Watson Machine Learning API 'sine iletmeniz gerekir. Kayıtlı bir API anahtarınız yoksa, bir API anahtarı oluşturmak için bu adımları izleyin.
     Bu görevi önizlemek için 04:55adresinden başlayan videoyu izleyin.

     1. IBM Cloud konsolu API anahtarları sayfasınaerişin.

     2. IBM Cloud API anahtarı oluştur' u tıklatın. Var olan API anahtarlarınız varsa, düğme Oluşturolarak etiketlenmiş olabilir.

     3. Bir ad ve tanım yazın.

     4. Oluştur'u tıklatın.

     5. API anahtarını kopyalayın .

     6. İleride kullanmak üzere API anahtarını karşıdan yükleyin.

     7. Not defterine dönün ve API anahtarınızı ibmcloud_api_key alanına yapıştırın.

  8. 3. bölümde. Model ve Konuşlandırma, model_adı değişkeni için, önceki görevde bir metin dosyasına kaydettiğiniz model adını yapıştırın. space_name ve deployment_name , ardışık düzende belirtilen adları kullanarak sizin için doldurulur.

  9. Not defterindeki tüm hücreleri çalıştırmak için Hücre > Tümünü Çalıştır seçeneklerini tıklatın. Diğer bir seçenek olarak, her hücreyi ve çıkışını keşfetmek için not defteri hücresini hücre temelinde çalıştırın.

  10. İlerleme hücresini hücre temelinde izleyerek, "In [*]" yıldız işaretinin bir sayıya dönüşmesine dikkat edin; örneğin, "In [1]". Dizüstü bilgisayarın tamamlanması 1-3 dakika sürer.

  11. Not defterini çalıştırırken herhangi bir hatayla karşılaşırsanız bu ipuçlarını deneyin:

      • Çekirdeği yeniden başlatmak için Kernel > Restart & Clear Output (Çekirdek > Yeniden Başlat ve Çıkışı Temizle) seçeneklerini tıklatın ve ardından not defterini yeniden çalıştırın.
      • Başta ya da sonda boşluk olmadan konuşlandırma adını kopyalayıp yapıştırdığınızı doğrulayın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, çalıştırma tamamlandığında not defterini gösterir. Not defteri, modeli projede kaydetmiştir, bu nedenle artık modeli değerlendirmeye hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 7: Modelin değerlendirilmesi
  
  

  Bu görevi önizlemek için 13:35adresinden başlayan videoyu izleyin.

  Watson OpenScaleiçindeki modeli değerlendirmek için aşağıdaki adımları izleyin:

  1. Gezinme yolunda Data Science and MLOps (Veri Bilimi ve MLOps) projesini tıklatın.
     

  2. Varlıklar sekmesinde Veri varlık tipini genişletin ve Veri varlıkları' nı tıklatın.

  3. mortgage_sample_test_data.csv veri varlığı için Overflow (Taşma) menüsünü tıklatın ve Download(Karşıdan Yükle) seçeneğini belirleyin. Modelin gerektiği gibi çalıştığını doğrulamak için, model eğitiminden alıkonan etiketli bir veri kümesine gereksinim duyarsınız. Bu CSV dosyası, bu holdout verilerini içerir.

  4. Watson OpenScaleürününü başlatın.

     1. Cloud Pak for Data gezinme menüsünden Hizmetler > Hizmet eşgörünümleriseçeneklerini belirleyin.

     2. Watson OpenScale eşgörünüm adınızı tıklatın. İstenirse, Cloud Pak for Dataiçin kaydolmak üzere kullandığınız kimlik bilgilerini kullanarak oturum açın.

     3. Watson OpenScale hizmet eşgörünümü sayfasında Uygulamayı Başlatseçeneğini tıklatın.

  5. Öngörüler gösterge panosunda Mortgage onay modeli devreye alımı-Veri Bilimi döşemesini tıklatın.

  6. İşlemler menüsünden Şimdi değerlendirseçeneğini belirleyin.

  7. İçe aktarma seçenekleri listesinden from CSV file(CSV dosyasından) seçeneğini belirleyin.

  8. Projeden yüklediğiniz mortgage_sample_test_data.csv veri dosyasını yan panoya sürükleyin.

  9. Karşıya Yükle ve değerlendir' i tıklatın. Değerlendirmenin tamamlanması birkaç dakika sürebilir.

  İlerlemenizi denetleyin

  Aşağıdaki resim, Watson OpenScale' de devreye alınan modele ilişkin değerlendirme sonucunu göstermektedir. Modeli değerlendirdiğiniz için, model kalitesini gözlemlemeye hazırsınız.
  
  

  

  
  Başa dön
  

• Görev 8: Kalite için model izleyicilerini gözlemleyin
  
  

  Bu görevi önizlemek için 14:44adresinden başlayan videoyu izleyin.

  Watson OpenScale kalite izleme programı, modelinizin kalitesini değerlendirmek için bir ölçüm kümesi oluşturur. Modelinizin sonuçları ne kadar iyi tahmin ettiğini belirlemek için bu kalite ölçümlerini kullanabilirsiniz. Holdout verilerini kullanan değerlendirme tamamlandığında, model kalitesini ya da doğruluğunu gözlemlemek için aşağıdaki adımları izleyin:

  1. Sol gezinme panosunda Insights dashboard simgesini tıklatın.

  2. Mortgage onay modeli devreye alımı-Veri Bilimi döşemesini bulun. Dağıtımın 0 sorunu olduğuna ve hem Kalite hem de Adalet testlerinin herhangi bir hata oluşturmamasına dikkat edin; bu, modelin gerekli olan eşikleri karşıladığını belirtir.

     Not: Değerlendirmeden sonra güncellemeleri görmek için gösterge panosunu yenilemeniz gerekebilir.

  3. Daha fazla ayrıntı görmek için Mortgage onay modeli devreye alımı-Veri Bilimi döşemesini tıklatın.

  4. Kalite bölümünde Yapılandır simgesini tıklatın. Burada, bu monitör için yapılandırılan kalite eşiğinin %70 olduğunu ve kullanılmakta olan kalite ölçümünün ROC eğrisinin altındaki alan olduğunu görebilirsiniz.

  5. Model ayrıntıları ekranına dönmek için Model özetine git seçeneğini tıklatın.

  6. Model kalitesi ayrıntılı sonuçlarını görmek için Kalite bölümünde sağ ok simgesini tıklatın. Burada bir dizi kalite metrik hesaplaması ve yanlış pozitifler ve yanlış negatiflerle birlikte doğru model kararlarını gösteren bir karışıklık matrisi görüyorsunuz. ROC eğrisinin altındaki hesaplanan alan 0.9 ya da daha yüksektir; bu, 0.7 eşiğini aşmaktadır, bu nedenle model kalite gereksinimini karşılıyor.

  7. Model ayrıntıları ekranına dönmek için gezinme yolunda Mortgage onay modeli devreye alımı-Veri Bilimi seçeneğini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, Watson OpenScaleiçindeki kalite ayrıntılarını gösterir. Kalite puanları değişebilir. Şimdi model kalitesini gözlemlediğine göre, model adaletini gözlemleyebilirsin.
  
  

  

  
  Başa dön
  

• Görev 9: Model monitörlerinin adil olarak gözlemlenmesi
  
  

  Bu görevi önizlemek için 15:59' da başlayan videoyu izleyin.

  Watson OpenScale adalet monitörü, modelinizin adaletini değerlendirmek için bir ölçüm kümesi oluşturur. Modelinizin önyargılı sonuçlar üretilip üretmediğini belirlemek için adalet metriklerini kullanabilirsiniz. Model adaletini gözlemlemek için aşağıdaki adımları izleyin:

  1. Fairness (Adalet) bölümünde Configure (Yapılandır) simgesini tıklatın. Burada, başvuru sahiplerine cinsiyetlerinden bağımsız olarak adil davranıldığından emin olmak için modelin gözden geçirildiğini görüyorsunuz. Kadınlar, adaleti ölçülen izlenen grup olarak tanımlanır ve eşitliğin eşiği en az %80 'dir. Adalet monitörü, adaleti belirlemek için farklı etki yöntemini kullanır. Farklı etki, izlenen bir gruba ilişkin olumlu sonuçların yüzdesini, bir referans grubuna ilişkin olumlu sonuçların yüzdesini ile karşılaştırır.

  2. Model ayrıntıları ekranına dönmek için Model özetine git seçeneğini tıklatın.

  3. Adil bölümünde, model adaletinin ayrıntılı sonuçlarını görmek için sağ ok simgesini tıklatın. Burada, otomatik olarak onaylanan erkek ve kadın başvuru sahiplerinin yüzdesini ve yaklaşık %100 adalet puanını görüyorsunuz, bu nedenle model performansı, gerekli olan %80 adalet eşiğini aşıyor.

  4. Veri kümesi listesinde tanımlanan veri kümelerine dikkat edin. Watson OpenScale , adalet ölçümlerinin en doğru olduğundan emin olmak için, yalnızca korunan özniteliklerin ve ilgili model girişlerinin değiştirildiği, diğer özelliklerin aynı kaldığı sonuçları belirlemek için pertürbasyon kullanır. Perturbation, özelliğin değerlerini başvuru grubundan izlenen gruba ya da tersi şekilde değiştirir. Bu ek korumalar, "dengeli" veri kümesi kullanıldığında adaleti hesaplamak için kullanılır, ancak yalnızca bilgi yükü ya da model eğitim verilerini kullanarak adalet sonuçlarını da görüntüleyebilirsiniz. Model adil davrandığından, bu metrik için ek ayrıntılara girmenize gerek yoktur.
     

  5. Model ayrıntıları ekranına dönmek için Mortgage onay modeli konuşlandırması-Veri Bilimi dolaşma izini tıklatın.

  İlerlemenizi denetleyin

  Aşağıdaki resim, Watson OpenScaleiçindeki adalet ayrıntılarını gösterir. Şimdi model adaletini gözlemlediğine göre, modelin açıklanabilirliğini gözlemleyebilirsin.
  
  

  

  
  Başa dön
  

• Görev 10: Açıklanabilirlik için model izleyicilerini gözlemleyin
  
  

  Bu görevi önizlemek için 17:42adresinden başlayan videoyu izleyin.

  Modelin nasıl karar verdiğini anlamanız gerekiyor. Bu anlayış hem kredi onayına katılan kişilere kararları açıklamak hem de model sahiplerine kararların geçerli olduğundan emin olmak için gereklidir. Bu kararları anlamak için, modelin açıklanabilirliğini gözlemlemek üzere aşağıdaki adımları izleyin:

  1. Sol gezinme panosunda Bir hareketi açıkla simgesini tıklatın.

  2. İşlemlerin bir listesini görmek için Mortgage onay modeli devreye alımı-Veri Bilimi seçeneğini belirleyin.

  3. Herhangi bir hareket için, İşlemler kolonunun altındaki Açıkla ' yı tıklatın. Burada bu kararın ayrıntılı açıklamasını görüyorsunuz. Modele yapılan en önemli girişlerin yanı sıra, her birinin sonuç için ne kadar önemli olduğunu da göreceksiniz. Mavi çubuklar, modelin kararını destekleme eğiliminde olan girdileri temsil ederken, kırmızı çubuklar başka bir karara yol açabilecek girdileri gösterir. Örneğin, bir başvuru sahibinin aksi takdirde onaylanmak için yeterli geliri olabilir, ancak kredi geçmişinin kötü olması ve borçlarının yüksek olması, modelin başvuruyu reddetmesine neden olur. Model kararına ilişkin temelden memnun olmak için bu açıklamayı gözden geçirin.

  4. İsteğe bağlı: Modelin kararını nasıl aldığı konusunda daha ayrıntılı bilgi almak istiyorsanız, İncele sekmesini tıklatın. Birkaç girişte yapılan küçük değişikliklerin farklı bir kararla sonuçlanacağı duyarlık alanlarını bulma kararını çözümlemek için İncele özelliğini kullanın. Bunun sonucu etkileyip etkilemeyeceğini görmek için gerçek girişlerin bazılarını alternatiflerle geçersiz kılarak duyarlılığı kendiniz test edebilirsiniz.

  İlerlemenizi denetleyin

  Aşağıdaki resim, Watson OpenScaleiçindeki bir işlemin açıklanabilirliğini göstermektedir. Modelin doğru olduğunu ve tüm başvuru sahiplerine adil davrandığını belirlediniz. Şimdi, modeli yaşam döngüsünün sonraki aşamasına ilerletebilirsiniz.
  
  

  

  
  Başa dön
  

Temizleme (İsteğe Bağlı)

Bu öğretici programı yeniden almak istiyorsanız, aşağıdaki yapay nesneleri silin.

Sonraki adımlar

• Şu öğretici programları deneyin:

  • Bir yapay zeka boru hattını veri bütünleştirme eğitmeniyle düzenleyin
  • Bir model eğitmeni oluşturun ve devreye alın
  • Veri eğitmenini bütünleştirin

• Başka bir Veri yöneltme yapısı kullanım senaryosuiçin kaydolma.

Daha fazla bilgi

• Watson Pipelines

• Cloud Pak for Data as a Service ve veri yöneltme yapısına genel bakış

Üst konu: Veri yöneltme yapısı eğitmenleri