Preguntas frecuentes

¿Cómo me inscrito en watsonx?

Vaya a Probar IBM watsonx.ai o Probar watsonx.governance. Si se registra en watsonx.governance, también suministrará automáticamente watsonx.ai .

¿Puedo probar watsonx de forma gratuita?

Sí, cuando se registra en IBM watsonx.ai, suministra automáticamente la versión gratuita de los servicios subyacentes: Watson Studio, Watson Machine Learninge IBM Cloud Object Storage. Cuando se registra en IBM watsonx.governance, suministra automáticamente la versión gratuita de Watson OpenScale y las versiones gratuitas de los servicios para IBM watsonx.ai.

¿Cómo actualizo watsonx.ai y watsonx.governance?

Cuando esté preparado para actualizar cualquiera de los servicios subyacentes para watsonx.ai o watsonx.governance, puede actualizar en su lugar sin perder ningún trabajo o dato.

Debe ser el propietario o el administrador de la cuenta de IBM Cloud de un servicio para actualizarlo. Consulte Actualización de servicios en watsonx.

¿Cómo puedo obtener el máximo tiempo de ejecución de mi plan Lite de Watson Studio ?

El plan Lite de Watson Studio permite 10 CUH al mes. Puede maximizar la CUH disponible estableciendo los activos para utilizar entornos con velocidades de CUH más bajas. Por ejemplo, puede cambiar el entorno del cuaderno. Para ver los entornos disponibles y el CUH necesario, vaya a la página del catálogo de servicios de para Watson Studio.

¿Cómo puedo encontrar al administrador de mi cuenta de IBM Cloud?

Si tiene una cuenta de empresa o trabaja en un IBM Cloud que no posee, es posible que tenga que solicitar a un propietario de cuenta que le otorgue acceso a un espacio de trabajo u otro rol.

Para buscar el propietario de la cuenta de IBM Cloud:

1. En el menú de navegación, seleccione Administración > Acceso (IAM).
2. Desde el menú de avatar, asegúrese de que está en la cuenta correcta, o cambie las cuentas, si es necesario.
3. Pulse Usuariosy busque el nombre de usuario con la palabra owner junto a él.

Para comprender los roles, consulte Roles para IBM watsonx. Para determinar los roles, consulte Determinar sus roles.

¿Puedo proporcionar comentarios?

Sí, alentamos la retroalimentación a medida que continuamos desarrollando esta plataforma. En el menú de navegación, seleccione Soporte > Compartir una idea.

¿Qué modelos de base están disponibles y de dónde vienen?

Consulte la lista completa de modelos base soportados.

¿Qué datos se utilizaron para entrenar los modelos de base?

Los enlaces a detalles sobre cada modelo, incluidos los datos de preentrenamiento y el ajuste preciso, están disponibles aquí: Modelos de base soportados.

¿Necesito comprobar la salida generada en busca de contenido sesgado, inapropiado o incorrecto?

Sí, debe revisar la salida generada de los modelos de base. Los modelos de terceros se han entrenado con datos que pueden contener sesgos e inexactitudes y pueden generar salidas que contengan información errónea, lenguaje obsceno u ofensivo, o contenido discriminatorio.

En Prompt Lab, cuando activa AI guardrails , cualquier frase del texto de solicitud o salida de modelo que contenga un idioma dañino se sustituirá por un mensaje que indique que se ha eliminado un texto potencialmente dañino.

Consulte Evitar salida no deseada.

¿Hay un límite a la cantidad de generación de texto que puedo hacer?

Con la versión de prueba gratuita de watsonx.ai, puede utilizar hasta 25.000 señales al mes. El uso de la señal es la suma de las señales de entrada y salida.

Con un plan de servicio de pago, no hay ningún límite de señal, pero se le facturará por las señales que envíe como entrada más las señales que reciba en la salida generada.

Consulte Planes deWatson Machine Learning.

¿La ingeniería de solicitud entrena el modelo de base?

No, el envío de solicitudes a un modelo de base no entrena el modelo. Los modelos disponibles en watsonx.ai están entrenados previamente, por lo que no es necesario entrenar los modelos antes de utilizarlos.

Consulte Sugerencias de solicitud.

¿ IBM tiene acceso a mis datos o los utiliza de alguna manera?

No, IBM no tiene acceso a los datos.

Su trabajo en watsonx.ai, incluidos los datos y los modelos que cree, son privados para su cuenta:

• Los datos son accesibles únicamente por usted. Los datos se utilizan para entrenar sólo los modelos. Los datos nunca serán accesibles ni utilizados por IBM ni por ninguna otra persona u organización. Los datos se almacenan en grupos de almacenamiento dedicados y se cifran en reposo y en movimiento.
• Sus modelos son accesibles sólo por usted. Los modelos nunca serán accesibles ni utilizados por IBM ni por ninguna otra persona u organización. Los modelos están protegidos de la misma forma que los datos.

Obtenga más información sobre la seguridad y sus opciones:

• Seguridad y privacidad de los modelos base
• Seguridad para IBM watsonx.ai
• Seguridad de datos

¿Qué API están disponibles?

Puede solicitar modelos de base en watsonx.ai mediante programación utilizando la biblioteca Python .

Consulte Biblioteca de modelos de base Python.

¿Cómo cargo archivos de gran tamaño en mi proyecto?

No puede cargar archivos de datos de más de 5 GB en el proyecto. Si sus archivos son más grandes, debe utilizar la API de Cloud Object Storage y cargar los datos en varias partes. Consulte los mandatos curl para trabajar con Cloud Object Storage directamente en IBM Cloud.

Consulte Adición de objetos muy grandes a Cloud Object Storage de un proyecto.

¿Qué se guarda en IBM Cloud Object Storage para espacios de trabajo?

Al crear un proyecto o espacio de despliegue, especifique un IBM Cloud Object Storage y cree un grupo que esté dedicado a ese espacio de trabajo. Estos tipos de objetos se almacenan en el grupo IBM Cloud Object Storage para el espacio de trabajo:

• Archivos para activos de datos que ha cargado en el espacio de trabajo.
• Archivos asociados a activos que se ejecutan en herramientas como, por ejemplo, cuadernos y modelos.
• Metadatos sobre activos, como el tipo de activo, el formato y las etiquetas.

¿Necesito actualizar IBM Cloud Object Storage cuando actualice otros servicios?

Solo debe actualizar la instancia de IBM Cloud Object Storage cuando se quede sin espacio de almacenamiento. Otros servicios pueden utilizar cualquier plan de IBM Cloud Object Storage y puede actualizar cualquier servicio o el servicio IBM Cloud Object Storage de forma independiente.

¿Por qué no puedo añadir almacenamiento a un proyecto existente o ver la selección de IBM Cloud en el diálogo Nuevo proyecto?

IBM Cloud Object Storage requiere que los usuarios que no tienen privilegios administrativos realicen un paso adicional. El administrador de la cuenta debe habilitar a los usuarios no administrativos para crear proyectos.

Si tiene privilegios de administrador y no ve el IBM Cloud Object Storage más reciente, vuelva a intentarlo más adelante porque el almacenamiento en memoria caché del servidor puede hacer que se demore la visualización de los valores más recientes.

¿Puedo instalar bibliotecas o paquetes para utilizarlos en mis cuadernos?

Puede instalar bibliotecas Python y paquetes R a través de un cuaderno, y estas bibliotecas y paquetes estarán disponibles para todos los cuadernos que utilicen la misma plantilla de entorno. Para ver las instrucciones, consulte Importar bibliotecas personalizadas o de terceros. Si obtiene un error sobre la falta de dependencias del sistema operativo al instalar una biblioteca o paquete, notifíquelo al soporte de IBM . Para ver las bibliotecas y paquetes preinstalados y las bibliotecas y paquetes que ha instalado, ejecute el mandato adecuado en un cuaderno:

• Python: !pip list
• R: installed.packages()

¿Puedo llamar a funciones definidas en un cuaderno desde otro cuaderno?

No hay forma de llamar a un cuaderno desde otro cuaderno de la plataforma. Sin embargo, puede colocar el código común en una biblioteca fuera de la plataforma y, a continuación, instalarlo.

¿Puedo añadir extensiones de cuadernos arbitrarias?

No, no puede ampliar las prestaciones del cuaderno añadiendo extensiones arbitrarias como personalización porque todas las extensiones del cuaderno deben estar preinstaladas.

¿Cómo puedo acceder a los datos de un archivo CSV en un cuaderno?

Después de cargar un archivo CSV en el almacenamiento de objetos, cargue los datos haciendo clic en el Fragmentos de código icono en un cuaderno abierto, haciendo clic leer datos y seleccionando el archivo CSV del proyecto. A continuación, pulse una celda de código vacía en el cuaderno e inserte el código generado.

¿Cómo puedo acceder a los datos de un archivo comprimido en un cuaderno?

Después de cargar el archivo comprimido en el almacenamiento de objetos, obtenga las credenciales del archivo haciendo clic en Fragmentos de código icono en un cuaderno abierto, haciendo clic leer datos y seleccionando el archivo comprimido del proyecto. A continuación, pulse una celda de código vacía en el cuaderno y cargue las credenciales en la celda. De forma alternativa, pulse para copiar las credenciales en el portapapeles y pegarlas en el cuaderno.

¿Qué seguridad tiene IBM watsonx?

La plataforma IBM watsonx es muy segura y resiliente. Consulte Seguridad de IBM watsonx.

¿Está mis datos y mi cuaderno protegidos de compartir fuera de mis colaboradores?

Los datos que se cargan en el proyecto y los cuadernos son seguros. Solo los colaboradores de su proyecto pueden acceder a sus datos o cuadernos. Cada cuenta de plataforma actúa como arrendatario independiente de los servicios de Spark e IBM Cloud Object Storage . Los arrendatarios no pueden acceder a los datos de otros arrendatarios.

Si desea compartir el cuaderno públicamente, oculte las credenciales del servicio de datos en su cuaderno. Para los lenguajes Python y R, especifique la sintaxis siguiente: # @hidden_cell

Asegúrese de guardar el cuaderno inmediatamente después de especificar la sintaxis para ocultar las celdas con datos sensibles.

Solo entonces deberá compartir su trabajo.

¿Necesito realizar una copia de seguridad de mis cuadernos?

Núm. Los cuadernos se almacenan en IBM Cloud Object Storage, que proporciona resiliencia frente a las paradas.

¿Cuáles son las implicaciones de compartir un cuaderno?

Cuando comparte un cuaderno, el enlace permalink no cambia nunca. Cualquier persona con el enlace puede ver el cuaderno. Puede dejar de compartir el cuaderno deseleccionando el recuadro de selección para compartirlo. Las actualizaciones no se comparten automáticamente. Al actualizar el cuaderno, puede sincronizar el cuaderno compartido volviendo a seleccionar el recuadro de selección para compartirlo.

¿Cómo puedo compartir mi trabajo fuera de RStudio?

Una forma de compartir el trabajo fuera de RStudio es conectarlo a un repositorio GitHub compartido desde el que usted y sus colaboradores pueden trabajar. Lea este entrada de blog para obtener más información.

Sin embargo, el mejor método para compartir su trabajo con los miembros de un proyecto es utilizar cuadernos en el proyecto que utiliza el kernel R.

RStudio es un gran entorno en el que trabajar para crear prototipos y trabajar individualmente en proyectos R, pero aún no está integrado con los proyectos.

¿Cómo puedo compartir mi flujo de SPSS Modeler con otro proyecto?

Por diseño, los flujos de modelador sólo se pueden utilizar en el proyecto donde se crea o importa el flujo. Si necesita utilizar un flujo del modelador en un proyecto diferente, debe descargar el flujo del proyecto actual (proyecto de origen) en su entorno local y, a continuación, importar el flujo a otro proyecto (proyecto de destino).

¿Cómo puedo ejecutar un experimento de AutoAI?

Vaya a Creación de un experimento de IA automática a partir de datos de ejemplo para ver un breve vídeo para ver cómo crear y ejecutar un experimento de IA automática y luego seguir una guía de aprendizaje para configurar su propio ejemplo.

¿Qué está disponible para la creación automatizada de modelos?

La herramienta gráfica AutoAI analiza automáticamente los datos y genera interconexiones de modelos candidatos que se personalizan para el problema de modelado predictivo.  Estas interconexiones de modelos se crean de forma iterativa a medida que AutoAI analiza el conjunto de datos y descubre transformaciones de datos, algoritmos y valores de parámetros que funcionan mejor para los valores de su problema. Los resultados se muestran en un marcador y muestran las interconexiones del modelo generadas automáticamente según el objetivo de optimización de problemas. Para obtener detalles, consulte Visión general de IA automática.

¿Qué infraestructuras y bibliotecas están disponibles para los modelos de aprendizaje de máquina?

Puede utilizar herramientas, bibliotecas e infraestructuras populares para entrenar y desplegar modelos de aprendizaje automático utilizando IBM Watson Machine Learning. En el tema Infraestructura soportadas, se listan las versiones y características soportadas, así como las versiones en desuso cuyo soporte se interrumpirá según lo planificado.

¿Qué es una clave de API?

Las claves de API le permiten autenticarse fácilmente cuando se utilizan la CLI o las API que se pueden utilizar en varios servicios. Las claves de API se consideran confidenciales, ya que se utilizan para otorgar acceso. Trate las claves de API del mismo modo que las contraseñas, ya que cualquiera que tenga su clave de API puede suplantar su identidad en el servicio.

¿Qué es Watson OpenScale?

IBM Watson OpenScale realiza un seguimiento y mide los resultados de los modelos de IA, y ayuda a garantizar que sigan siendo justos, explicables y compatibles allí donde se hayan creado o donde se estén ejecutando sus modelos. Watson OpenScale también detecta y ayuda a corregir la desviación en la precisión cuando un modelo de IA está en producción

¿Cómo convierto una columna de predicción de un tipo de datos entero a un tipo de datos categórico?

Para la supervisión de equidad, la columna de predicción solo permite un valor numérico entero aunque la etiqueta de predicción sea categórica. ¿Cómo puedo configurar una característica categórica que no sea un entero? ¿Es necesaria una conversión manual?

Los datos de entrenamiento pueden tener etiquetas de clase tales como "Préstamo denegado", "Préstamo otorgado". El valor de predicción devuelto por el punto final de puntuación de IBM Watson Machine Learning tiene valores como "0.0", "1.0". El punto final de puntuación también tiene una columna opcional que contiene la representación de texto de la predicción. Por ejemplo, si prediction=1.0, la columna predictionLabel podría tener un valor "Préstamo otorgado". Si esta columna está disponible, cuando configure el resultado favorable y desfavorable para el modelo, especifique los valores de serie "Préstamo otorgado" y "Préstamo denegado". Si esta columna no está disponible, debe especificar los valores enteros y dobles de 1.0, 0.0 para las clases favorables y desfavorables.

IBM Watson Machine Learning tiene un concepto de esquema de salida que define el esquema de la salida del punto final de puntuación de IBM Watson Machine Learning y el rol para las distintas columnas. Los roles se utilizan para identificar qué columna contiene el valor de predicción, qué columna contiene la probabilidad de predicción y el valor de etiqueta de clase, etc. El esquema de salida se establece automáticamente para los modelos que se crean utilizando el constructor de modelos. También puede establecerse utilizando el cliente Python de IBM Watson Machine Learning. Los usuarios pueden utilizar el esquema de salida para definir una columna que contenga la representación de serie de la predicción. Establezca modeling_role para la columna en 'decoded-target'. Lea la [documentación de la biblioteca de cliente Watson Machine Learning Python. Busque "OUTPUT_DATA_SCHEMA" para comprender el esquema de salida y la API que se debe utilizar es la API store_model que acepta OUTPUT_DATA_SCHEMA como parámetro.

¿Por qué Watson OpenScale necesita acceder a los datos de entrenamiento?

Debe proporcionar el acceso a Watson OpenScale para los datos de entrenamiento almacenados en Db2 o IBM Cloud Object Storage, o debe ejecutar un cuaderno para acceder a los datos de entrenamiento.

Watson OpenScale necesita acceso a sus datos de entrenamiento por las siguientes razones:

• Para generar explicaciones contrastivas: para crear explicaciones y acceder a estadísticas, como por ejemplo el valor medio, la desviación estándar y los valores individuales de los datos de entrenamiento necesarios.
• Para mostrar las estadísticas de datos de entrenamiento: Para llenar la página de detalles del sesgo, Watson OpenScale debe tener datos de entrenamiento a partir de los cuales generar estadísticas.
• Para construir un modelo de detección de desviación: el supervisor de desviación utiliza datos de entrenamiento para crear y calibrar la detección de desviación.

En el enfoque basado en cuaderno, se espera que cargue las estadísticas y otra información cuando configure un despliegue en Watson OpenScale. Watson OpenScale ya no tiene acceso a los datos de entrenamiento fuera del cuaderno, que se ejecuta en el entorno. Solo tiene acceso a la información cargada durante la configuración.

¿Qué significa si la puntuación de equidad es mayor que el 100 por ciento?

En función de su configuración de equidad, su puntuación de equidad puede exceder el 100 por cien. Esto significa que el grupo supervisado obtiene resultados relativamente más "equitativos" en comparación con el grupo de referencia. Técnicamente, significa que el modelo no es equitativo en sentido contrario.

¿Cómo se mitiga el sesgo del modelo mediante Watson OpenScale?

La capacidad de eliminación del sesgo en Watson OpenScale es de grado empresarial. Es robusto, escalable y puede manejar una amplia variedad de modelos. La eliminación del sesgo en Watson OpenScale consta de un proceso de dos pasos: Fase de aprendizaje: el comportamiento del modelo de cliente de aprendizaje que se debe comprender cuando actúa de forma sesgada.

Fase de aplicación: Identificar si el modelo del cliente actúa de forma sesgada en un punto de datos específico y, si es necesario, fijar el sesgo. Para obtener más información, consulte Opciones de eliminación del sesgo.

¿Se puede comprobar el sesgo del modelo en los atributos confidenciales, como raza y género, incluso si el modelo no se ha entrenado en ellos?

Sí. Recientemente, Watson OpenScale ha presentado una innovadora característica llamada "Detección de sesgo indirecto". Utilícela para detectar si el modelo presenta un sesgo indirecto para atributos confidenciales, aunque el modelo no esté entrenado en estos atributos.

¿Se puede mitigar el sesgo de los modelos basados en regresión?

Sí. Puede utilizar Watson OpenScale para mitigar el sesgo en los modelos basados en regresión. No es necesaria ninguna configuración adicional para utilizar esta característica. La mitigación del sesgo de los modelos de regresión se realiza de forma automática cuando el modelo presenta un sesgo.

¿Cuáles son los diferentes métodos de eliminación de sesgo de Watson OpenScale?

Puede utilizar el valor de eliminación del sesgo activa y de eliminación del sesgo pasiva para la eliminación del sesgo. Para obtener más información, consulte Opciones de eliminación del sesgo.

La configuración de un modelo requiere información sobre la ubicación de los datos de entrenamiento y las opciones son Cloud Object Storage y Db2. Si los datos están en Netezza, ¿puede Watson OpenScale utilizar Netezza?

Utilice este cuaderno de Watson OpenScale para leer los datos de Netezza y generar las estadísticas de entrenamiento y también el modelo de detección de desviación.

¿Por qué Watson OpenScale no ve las actualizaciones que se hicieron al modelo?

Watson OpenScale funciona en un despliegue de un modelo, no en el propio modelo. Debe crear un nuevo despliegue y luego configurar este nuevo despliegue como una nueva suscripción en Watson OpenScale. Con esta disposición, puede comparar las dos versiones del modelo.

¿Cuáles son los distintos tipos de riesgos asociados a la utilización de un modelo de aprendizaje automático?

Los múltiples tipos de riesgos que están asociados a los modelos de aprendizaje automático, como cualquier cambio en los datos de entrada que también se conoce como Desviación, pueden hacer que el modelo tome decisiones inexactas, lo que afecta a las predicciones empresariales. Los datos de entrenamiento se pueden limpiar para eliminar el sesgo, pero los datos de tiempo de ejecución pueden causar un comportamiento sesgado del modelo.

Los modelos estadísticos tradicionales son más sencillos de interpretar y explicar, pero el hecho de no poder explicar el resultado del modelo de aprendizaje automático puede suponer una grave amenaza para el uso del modelo.

¿Debo seguir supervisando el panel de control de Watson OpenScale para asegurarme de que mis modelos se comportan como se esperaba?

No, puede configurar alertas de correo electrónico para los despliegues de modelo de producción en Watson OpenScale. Recibirá alertas por correo electrónico cada vez que falle una prueba de evaluación de riesgos y, a continuación, podrá comprobar los problemas y resolverlos.

En Watson OpenScale, ¿qué datos se utilizan para el cálculo de métricas de calidad?

Se calculan métricas de calidad que utilizan datos de comentarios etiquetados manualmente y respuestas de despliegue supervisado para estos datos.

En Watson OpenScale, ¿puede establecerse el umbral para una métrica distinta de 'Área bajo ROC' durante la configuración?

No, actualmente, el umbral sólo se puede establecer para la métrica 'Área bajo ROC'.