Foire aux questions

Oui, lorsque vous vous inscrivez à IBM watsonx.ai, vous mettez à disposition automatiquement la version gratuite des services sous-jacents: Watson Studio, Watson Machine Learninget IBM Cloud Object Storage. Lorsque vous vous inscrivez à IBM watsonx.governance, vous mettez à disposition automatiquement la version gratuite de Watson OpenScale et les versions gratuites des services pour IBM watsonx.ai.

Comment mettre à niveau watsonx.ai et watsonx.governance?

Lorsque vous êtes prêt à mettre à niveau l'un des services sous-jacents pour watsonx.ai ou watsonx.governance, vous pouvez effectuer une mise à niveau sans perdre votre travail ou vos données.

Vous devez être le propriétaire ou l'administrateur du compte IBM Cloud d'un service pour le mettre à niveau. Voir Mise à niveau des services sur watsonx.

Comment puis-je obtenir le plus d'environnement d'exécution possible à partir de mon plan Lite Watson Studio ?

Le plan Lite Watson Studio autorise 10 CUH par mois. Vous pouvez optimiser votre CUH disponible en définissant vos actifs de manière à utiliser des environnements avec des taux de CUH plus faibles. Par exemple, vous pouvez Modifier votre environnement de bloc-notes. Pour afficher les environnements disponibles et les CUH requises, accédez à la page du catalogue des services pour Watson Studio.

Comment trouver le propriétaire de mon compte IBM Cloud ?

Si vous disposez d'un compte d'entreprise ou travaillez dans un IBM Cloud que vous ne possédez pas, vous devrez peut-être demander à un propriétaire de compte de vous donner accès à un espace de travail ou à un autre rôle.

Pour trouver le propriétaire de votre compte IBM Cloud :

Dans le menu de navigation, sélectionnez Administration > Accès (IAM).
Dans le menu avatar, vérifiez que vous êtes dans le bon compte ou que vous changez de compte, si nécessaire.
Cliquez sur Userset recherchez le nom d'utilisateur avec le mot owner en regard.

Pour comprendre les rôles, voir Rôles pour IBM watsonx. Pour déterminer vos rôles, voir Déterminer vos rôles.

Peut-on transmettre des commentaires ?

Oui, nous encourageons les commentaires à mesure que nous continuons à développer cette plateforme. Dans le menu de navigation, sélectionnez Support > Partager une idée.

Modèles de base

Quels sont les modèles de base disponibles et d'où viendront-ils?

Consultez la liste complète des modèles de base pris en charge.

Quelles données ont été utilisées pour entraîner les modèles de base?

Des liens vers des détails sur chaque modèle, y compris les données de pré-apprentissage et l'ajustement, sont disponibles ici: Modèles de base pris en charge.

Dois-je vérifier si la sortie générée contient un contenu biaisé, inapproprié ou incorrect?

Oui, vous devez passer en revue la sortie générée par les modèles de base. Les modèles tiers ont été entraînés avec des données qui peuvent contenir des biais et des inexactitudes et peuvent générer des résultats contenant de la désinformation, du langage obscène ou offensant, ou du contenu discriminatoire.

Dans le laboratoire d'invite, lorsque vous activez l'option AI guardrails , toute phrase du texte d'invite ou de la sortie de modèle qui contient une langue nocive est remplacée par un message indiquant que du texte potentiellement dangereux a été supprimé.

Voir Eviter les sorties indésirables.

Y a-t-il une limite à la quantité de génération de texte que je peux faire?

Avec l'essai gratuit de watsonx.ai, vous pouvez utiliser jusqu'à 25 000 jetons par mois. Votre utilisation de jeton correspond à la somme de vos jetons d'entrée et de sortie.

Avec un plan de service payant, il n'y a pas de limite de jeton, mais vous êtes facturé pour les jetons que vous soumettez en tant qu'entrée plus les jetons que vous recevez dans la sortie générée.

Voir PlansWatson Machine Learning.

L'ingénierie rapide entraîne-t-elle le modèle de base?

Non, la soumission d'invites à un modèle de base n'entraîne pas le modèle. Les modèles disponibles dans watsonx.ai étant préentraînés, vous n'avez pas besoin d'entraîner les modèles avant de les utiliser.

Voir Conseils d'invite.

IBM a-t-il accès à ou utilise-t-il mes données de quelque manière que ce soit?

Non, IBM n'a pas accès à vos données.

Votre travail sur watsonx.ai, y compris vos données et les modèles que vous créez, est privé pour votre compte:

Vos données sont accessibles uniquement par vous. Vos données sont utilisées pour entraîner uniquement vos modèles. Vos données ne seront jamais accessibles ou utilisées par IBM ou toute autre personne ou organisation. Vos données sont stockées dans des compartiments de stockage dédiés et sont chiffrées au repos et en mouvement.
Vos modèles ne sont accessibles que par vous. Vos modèles ne seront jamais accessibles ou utilisés par IBM ou toute autre personne ou organisation. Vos modèles sont sécurisés de la même manière que vos données.

En savoir plus sur la sécurité et vos options:

Quelles sont les API disponibles?

Vous pouvez inviter des modèles de base dans watsonx.ai à l'aide d'un programme à l'aide de la bibliothèque Python .

Voir Foundation models Python library.

Projets

Comment charger des fichiers très volumineux dans son projet ?

Vous ne pouvez pas charger des fichiers de données de plus de 5 Go dans votre projet. Si vos fichiers sont plus volumineux, vous devez utiliser l'API Cloud Object Storage et charger les données en plusieurs fois. Pour utiliser directement Cloud Object Storage sur IBM Cloud, reportez-vous à la rubrique présentant les commandes curl.

Voir Ajout de très gros objets à l' Cloud Object Storage d'un projet.

IBM Cloud Object Storage

Qu'est-ce qui est sauvegardé dans IBM Cloud Object Storage pour les espaces de travail?

Lorsque vous créez un espace de projet ou de déploiement, vous spécifiez un IBM Cloud Object Storage et créez un compartiment dédié à cet espace de travail. Ces types d'objet sont stockés dans le compartiment IBM Cloud Object Storage de l'espace de travail:

Fichiers des actifs de données que vous avez téléchargés dans l'espace de travail.
Fichiers associés à des actifs qui s'exécutent dans des outils, tels que des blocs-notes et des modèles.
Métadonnées sur les actifs, telles que le type d'actif, le format et les balises.

Dois-je mettre à niveau IBM Cloud Object Storage lorsque je mets à niveau d'autres services?

Vous devez mettre à niveau votre instance IBM Cloud Object Storage uniquement lorsque vous ne disposez pas de suffisamment d'espace de stockage. Les autres services peuvent utiliser n'importe quel plan IBM Cloud Object Storage et vous pouvez mettre à niveau n'importe quel service ou votre service IBM Cloud Object Storage indépendamment.

Pourquoi ne peut-on pas ajouter de l'espace de stockage à un projet existant ou voir la sélection IBM Cloud Object Storage dans la boîte de dialogue Nouveau projet ?

IBM Cloud Object Storage nécessite l'exécution d'une étape supplémentaire pour les utilisateurs qui ne possèdent pas de privilèges d'administration. L'administrateur de compte doit autoriser les utilisateurs non administrateurs à créer des projets.

Si vous disposez de privilèges d'administrateur et que vous ne voyez pas la dernière version d'IBM Cloud Object Storage, faites une nouvelle tentative ultérieurement car la mise en cache côté serveur peut retarder l'affichage des dernières valeurs utilisées.

Blocs-notes

Peut-on installer des bibliothèques ou des packages pour utiliser ses blocs-notes ?

Vous pouvez installer des bibliothèques Python et des packages R via un bloc-notes, et ces bibliothèques et packages seront disponibles pour tous vos blocs-notes qui utilisent le même modèle d'environnement. Pour connaître les instructions, voir la rubrique décrivant l'importation de bibliothèques personnalisées ou tierces. Si vous obtenez une erreur concernant des dépendances de système d'exploitation manquantes lors de l'installation d'une bibliothèque ou d'un package, contactez le support IBM . Pour afficher les bibliothèques et les packages préinstallés et les bibliothèques et les packages que vous avez installés à partir d'un bloc-notes, exécutez la commande appropriée :

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

Puis-je appeler des fonctions qui sont définies dans un bloc-notes à partir d'un autre bloc-notes?

Il n'est pas possible d'appeler un bloc-notes à partir d'un autre bloc-notes sur la plateforme. Toutefois, vous pouvez placer votre code commun dans une bibliothèque en dehors de la plateforme, puis l'installer.

Peut-on ajouter des extensions de bloc-notes arbitraires ?

Non, vous ne pouvez pas étendre vos capacités de bloc-notes en ajoutant des extensions arbitraires en tant que personnalisation car toutes les extensions de bloc-notes doivent être préinstallées.

Comment accéder aux données d'un fichier CSV dans un bloc-notes ?

Après avoir chargé un fichier CSV dans le stockage d'objets, chargez les données en cliquant sur le bouton Extraits de code icône dans un bloc-notes ouvert, en cliquant sur Lire des données et en sélectionnant le fichier CSV du projet. Cliquez ensuite sur une cellule de code vide dans votre bloc-notes et insérez le code généré.

Comment accéder aux données d'un fichier compressé dans un bloc-notes ?

Après avoir chargé le fichier compressé dans le stockage d'objets, obtenez les informations d'identification du fichier en cliquant sur le bouton Extraits de code icône dans un bloc-notes ouvert, en cliquant sur Lire des données et sélectionner le fichier compressé à partir du projet. Cliquez ensuite sur une cellule de code vide dans votre bloc-notes et chargez les données d'identification dans la cellule. Vous pouvez également cliquer pour copier les données d'identification dans le presse-papiers et les coller dans votre bloc-notes.

Sécurité et fiabilité

Quelle est la sécurité d' IBM watsonx?

La plateforme IBM watsonx est très sécurisée et résiliente. Voir Sécurité d' IBM watsonx.

Mes données et mon bloc-notes sont-ils protégés du partage en dehors de mes collaborateurs?

Les données qui sont chargées dans votre projet et vos blocs-notes sont sécurisées. Seuls les collaborateurs de votre projet peuvent accéder à vos données et à vos blocs-notes. Chaque compte de plateforme agit en tant que locataire distinct des services Spark et IBM Cloud Object Storage . Les locataires ne peuvent accéder aux données d'autres locataires.

Si vous souhaitez partager votre bloc-notes avec le public, masquez vos données d'identification du service de données dans votre bloc-notes. Pour les langages Python et R, entrez la syntaxe suivante: # @hidden_cell

Veillez à sauvegarder votre bloc-notes juste après avoir entré la syntaxe pour masquer les cellules contenant des données sensibles.

Ce n'est qu'après avoir effectué cette opération que vous devez partager votre travail.

Doit-on sauvegarder ses blocs-notes ?

Non. Vos blocs-notes sont stockés dans IBM Cloud Object Storage, qui offre une résilience contre les indisponibilités.

IBM Watson Machine Learning

Comment effectuer une expérimentation AutoAI ?

Accédez à Création d'une expérimentation AutoAI à partir de données exemple pour regarder une courte vidéo pour voir comment créer et exécuter une expérimentation AutoAI, puis suivre un tutoriel pour configurer votre propre exemple.

Quels éléments sont disponibles pour la génération d'un modèle automatisée ?

L'outil graphique AutoAI analyse automatiquement vos données et génère des pipelines de modèle candidat qui sont personnalisés pour votre problème de modélisation prédictive. Ces pipelines de modèles sont créés itérativement à mesure qu'AutoAI analyse votre jeu de données et découvre les transformations de données, les algorithmes et les valeurs de paramètres qui fonctionnent le mieux pour votre problème. Les résultats s'affichent dans un tableau de classement, où les pipelines de modèles générés automatiquement sont classés en fonction de l'objectif d'optimisation de votre problème. Pour plus de détails, voir présentation AutoAI .

Quelles infrastructures et bibliothèques sont disponibles pour les modèles d'apprentissage automatique ?

Vous pouvez utiliser des outils, des bibliothèques et des infrastructures populaires pour entraîner et déployer des modèles d'apprentissage automatique à l'aide d' IBM Watson Machine Learning. La Sujet des cadres pris en charge répertorie les versions et les fonctions prises en charge, ainsi que les versions obsolètes qui doivent être supprimées.

Qu'est-ce qu'une clé d'API ?

Les clés d'API vous permettent de vous authentifier facilement lorsque vous utilisez l'interface de ligne de commande ou des API qui peuvent être utilisées dans plusieurs services. Les clés d'API sont considérées comme confidentielles car elles sont utilisées pour accorder l'accès. Traitez toutes les clés d'API comme un mot de passe car toute personne disposant de votre clé d'API peut simuler vos droits dans votre service.

Watson OpenScale

Qu'est-ce que Watson OpenScale ?

IBM Watson OpenScale suit et mesure les résultats de vos modèles d'IA et contribue à garantir leur exactitude, leur logique et leur conformité, quelle que soit la plateforme où vos modèles ont été générés ou sont exécutés. Il détecte également et aide à corriger les dérives de l'exactitude lorsqu'un modèle d'intelligence artificielle est utilisé en production.

Comment convertir une colonne de prédiction d'un type de données entier vers un type de données catégoriel ?

Lors de la configuration de la surveillance de l'équité d'un modèle, la colonne de prédiction n'autorise qu'une valeur numérique sous forme d'entier même si le libellé de prédiction est catégoriel. Comment configurer une caractéristique catégorielle qui n'est pas un entier ? Une conversion manuelle est-elle nécessaire ?

Supposons que les données d'apprentissage aient comme libellés de classe "Prêt refusé" et "Prêt accordé". La valeur de prévision renvoyée par le point de fin d'évaluation IBM Watson Machine Learning a des valeurs telles que "0.0", "1.0". Le point d'extrémité d'évaluation inclut également une colonne optionnelle qui contient la représentation textuelle de la prédiction. Par exemple, si prediction=1.0, la colonne predictionLabel peut avoir la valeur "Prêt accordé". Si cette colonne est disponible, lorsque vous configurez le résultat favorable et défavorable pour le modèle, spécifiez les valeurs de chaîne "Prêt accordé" et "Prêt refusé". Si cette colonne n'est pas disponible, vous devez spécifier les valeurs entières et doubles de 1.0, 0.0 pour les classes favorables et défavorables.

IBM Watson Machine Learning utilise un concept de schéma de sortie qui définit le schéma de la sortie du point d'extrémité d'évaluation et le rôle des différentes colonnes. Les rôles sont utilisés pour identifier la colonne qui contient la valeur de prévision, la colonne qui contient la probabilité de prévision et la valeur de libellé de classe, etc. Le schéma de sortie est automatiquement défini pour les modèles créés à l'aide du générateur de modèles. Il peut également être défini avec le client Python d'IBM Watson Machine Learning. Les utilisateurs peuvent utiliser le schéma de sortie pour définir une colonne contenant la représentation chaîne de la prédiction. Affectant à la colonne modeling_role la valeur'décoded-target'. Lisez la [ documentation de la Watson Machine Learning Python. Recherchez "OUTPUT_DATA_SCHEMA" pour comprendre le schéma de sortie ; l'API à utiliser est l'API store_model qui accepte le schéma OUTPUT_DATA_SCHEMA comme paramètre.

Pourquoi Watson OpenScale doit-il accéder aux données d'apprentissage ?

Vous devez permettre à Watson OpenScale d'accéder aux données d'apprentissage stockées dans Db2 ou IBM Cloud Storage ou vous devez exécuter un bloc-notes qui peut accéder aux données d'apprentissage.

Watson OpenScale a besoin d'accéder à vos données d'apprentissage pour les raisons suivantes :

Pour générer des explications contrastives : pour créer des explications, un accès à des statistiques, telles que la valeur médiane, l'écart type et les valeurs distinctes des données d'entraînement, est requis.
Pour afficher les statistiques des données d'entraînement : pour remplir la page des détails de biais, Watson OpenScale doit disposer de données d'entraînement à partir desquelles des statistiques sont générées.
Pour construire un modèle de détection de dérive : le moniteur de dérive utilise les données d'entraînement pour créer et calibrer la détection de dérive.

Dans l'approche basée sur un bloc-notes, vous devez transférer les statistiques et d'autres informations lorsque vous configurez un déploiement dans Watson OpenScale. Watson OpenScale n'a plus accès aux données d'entraînement en dehors du bloc-notes, qui est exécuté dans votre environnement. Il a uniquement accès aux informations transférées pendant la configuration.

Que signifie un score d'équité supérieur à 100 pour cent ?

En fonction de la configuration de l'équité, votre score d'équité peut être supérieur à 100 pour cent. En d'autres termes, votre groupe surveillé obtient des résultats relativement plus équitables comparé au groupe de référence. Cela signifie techniquement que le modèle est inéquitable dans le sens inverse.

Comment le biais du modèle est-il atténué par Watson OpenScale ?

La capacité de débiaisement de Watson OpenScale est de classe entreprise. Elle est robuste, évolutive et peut prendre en charge une grande variété de modèles. Le débiaisement dans Watson OpenScale est un processus en deux étapes : La phase d'apprentissage consiste à étudier le comportement du modèle du client pour comprendre à quel moment il agit de manière biaisée.

La phase d'application consiste à déterminer si le modèle du client agit de manière biaisée sur un point de données spécifique et, le cas échéant, à corriger le biais. Pour plus d'informations, voir Options de Débiaiser.

Peut-on vérifier le biais du modèle en fonction d'attributs sensibles, tels que la race et le sexe, même lorsque le modèle n'y est pas entraîné ?

Oui Récemment, Watson OpenScale a livré une fonction innovante appelée "Détection de biais indirect". Vous pouvez l'utiliser afin de déterminer si le modèle présente un biais indirect pour les attributs sensibles, même si le modèle n'est pas entraîné sur ces attributs.

Est-il possible d'atténuer le biais de modèles basés sur la régression ?

Oui Vous pouvez utiliser Watson OpenScale pour atténuer le biais sur les modèles de régression. Aucune configuration supplémentaire n'est nécessaire pour utiliser cette fonction. L'atténuation du biais pour les modèles de régression est effectuée par défaut lorsque le modèle présente un biais.

Quelles sont les différentes méthodes de débiaisement dans Watson OpenScale ?

Vous pouvez utiliser les méthodes de débiaisement actif et de débiaisement passif. Pour plus d'informations, voir Options de Débiaiser.

La configuration d'un modèle requiert des informations sur l'emplacement des données d'entraînement ; les options disponibles sont Cloud Object Storage et Db2. Watson OpenScale peut-il utiliser Netezza si les données se trouvent dans cette base de données ?

Utilisez ce Bloc-notes Watson OpenScale pour lire les données de Netezza et générer les statistiques de formation ainsi que le modèle de détection de dérive.

Pourquoi Watson OpenScale ne voit pas les mises à jour apportées au modèle ?

Watson OpenScale fonctionne sur un déploiement de modèle et non sur le modèle lui-même. Vous devez créer un déploiement, puis le configurer en tant que nouvel abonnement dans Watson OpenScale. De cette manière, vous pouvez comparer les deux versions du modèle.

Quels sont les différents types de risques associés à l'utilisation d'un modèle d'apprentissage automatique ?

Différents types de risques associés à des modèles d'apprentissage automatique, tels que la modification des données d'entrée (également appelée "dérive"), peut amener le modèle à prendre de mauvaises décisions qui affectent les prédictions de l'entreprise. Les données d'entraînement peuvent être nettoyées pour être exemptes de biais mais les données d'exécution peuvent induire un comportement biaisé du modèle.

Les modèles statistiques traditionnels sont plus simples à interpréter et à expliquer, mais l'incapacité à expliquer le résultat du modèle d'apprentissage automatique peut représenter un problème sérieux pour l'utilisation du modèle.

Doit-on continuer à surveiller le tableau de bord de Watson OpenScale pour s'assurer que ses modèles se comportent comme prévu ?

Non, vous pouvez configurer des alertes par e-mail pour vos déploiements de modèle de production dans Watson OpenScale. Vous recevez des alertes par courrier électronique chaque fois qu'un test d'évaluation des risques échoue, puis vous pouvez venir vérifier les problèmes et les résoudre.

Dans Watson OpenScale, quelles données sont utilisées pour le calcul des métriques de qualité ?

Les métriques de qualité qui sont calculées utilisent des données de retour libellées manuellement et des réponses de déploiement surveillées pour ces données.

Dans Watson OpenScale, le seuil peut-il être défini pour une mesure autre que'Area under ROC'pendant la configuration ?

Non, actuellement, le seuil ne peut être défini que pour la mesure'Area under ROC'.

Questions de compte et de configuration

Questions sur le modèle de base

Questions de projet

Questions relatives à IBM Cloud Object Storage

Questions de bloc-notes

Questions de sécurité et de fiabilité

Questions de partage et de collaboration

Questions d'apprentissage automatique

Questions relatives à Watson OpenScale

Questions IBM watsonx.ai

Comment m'inscrire à watsonx?

Puis-je essayer watsonx gratuitement?