FAQ (Frequently Asked Questions)

Come posso registrarmi a watsonx?

Vai a Prova IBM watsonx.ai o Prova watsonx.governance. Se ti registri per watsonx.governance, esegui automaticamente anche il provisioning di watsonx.ai .

Posso provare watsonx gratuitamente?

Sì, quando ti registri a IBM watsonx.ai, esegui automaticamente il provisioning della versione gratuita dei servizi sottostanti: Watson Studio, Watson Machine Learninge IBM Cloud Object Storage. Quando ti registri per IBM watsonx.governance, esegui automaticamente il provisioning della versione gratuita di Watson OpenScale e delle versioni gratuite dei servizi per IBM watsonx.ai.

Come posso aggiornare watsonx.ai e watsonx.governance?

Quando sei pronto ad eseguire l'upgrade di uno dei servizi sottostanti per watsonx.ai o watsonx.governance, puoi eseguire l'upgrade senza perdere il tuo lavoro o i tuoi dati.

Per eseguire l'upgrade di un servizio, devi essere il proprietario o l'amministratore dell'account IBM Cloud . Vedi Upgrade dei servizi su watsonx.

Come posso ottenere il massimo del runtime dal mio piano Lite di Watson Studio ?

Il piano Watson Studio Lite consente 10 CUH al mese. È possibile massimizzare il CUH disponibile impostando gli asset per utilizzare ambienti con tassi di CUH più bassi. Ad esempio, è possibile modificare l'ambiente del notebook. Per visualizzare gli ambienti disponibili e il CUH richiesto, vai alla pagina del catalogo dei servizi per Watson Studio.

Come trovo il proprietario del mio account IBM Cloud ?

Se hai un account aziendale o lavori in un IBM Cloud che non possiedi, potresti dover chiedere a un proprietario dell'account di fornirti l'accesso a uno spazio di lavoro o a un altro ruolo.

Per trovare il tuo proprietario dell'account IBM Cloud :

1. Dal menù di navigazione, scegli Amministrazione> Accesso (IAM).
2. Dal menu avatar, assicurati di essere nell'account giusto o cambia account, se necessario.
3. Fare clic su Utentie trovare il nome utente con la parola owner accanto ad esso.

Per comprendere i ruoli, vedi Ruoli per IBM watsonx. Per determinare i ruoli, consultare Determinazione dei ruoli.

Posso fornire un feedback?

Sì, incoraggiamo il feedback mentre continuiamo a sviluppare questa piattaforma. Dal menu di esplorazione, selezionare Supporto> Condividi un'idea.

Quali modelli di fondazione sono disponibili e da dove provengono?

Vedi l'elenco completo dei modelli di base supportati.

Quali dati sono stati usati per addestrare i modelli di fondazione?

I link ai dettagli su ciascun modello, inclusi i dati di pre - training e l'ottimizzazione, sono disponibili qui: Supported foundation models.

Devo controllare l'output generato per il contenuto distorto, inappropriato o non corretto?

Sì, è necessario esaminare l'output generato dei modelli di base. I modelli di terze parti sono stati addestrati con dati che potrebbero contenere pregiudizi e imprecisioni e possono generare output contenenti disinformazione, linguaggio osceno o offensivo o contenuti discriminatori.

Nel Prompt Lab, quando si attiva l'opzione Guardrails AI , qualsiasi frase nel testo del prompt o nell'output del modello che contiene una lingua dannosa verrà sostituita con un messaggio che indica che il testo potenzialmente dannoso è stato rimosso.

Vedere Come evitare l'emissione indesiderata.

C'è un limite alla generazione di testo che posso fare?

Con la prova gratuita di watsonx.ai, puoi utilizzare fino a 25.000 token al mese. Il tuo utilizzo del token è la somma dei tuoi token di input e output.

Con un piano di servizio a pagamento, non esiste alcun limite di token, ma ti vengono addebitati i token che inoltri come input più i token che ricevi nell'output generato.

Vedi PianiWatson Machine Learning.

La progettazione rapida addestra il modello di fondazione?

No, l'inoltro di prompt a un modello di base non addestra il modello. I modelli disponibili in watsonx.ai sono preaddestrati, quindi non devi addestrare i modelli prima di utilizzarli.

Consultare Suggerimenti per la richiesta.

IBM ha accesso o utilizza i miei dati in qualche modo?

No, IBM non ha accesso ai tuoi dati.

Il tuo lavoro su watsonx.ai, compresi i dati e i modelli che crei, è privato per il tuo account:

• I tuoi dati sono accessibili solo da te. I tuoi dati vengono utilizzati per addestrare solo i modelli. I tuoi dati non saranno mai accessibili o utilizzati da IBM o da qualsiasi altra persona o organizzazione. I tuoi dati sono archiviati in bucket di archiviazione dedicati e sono crittografati a riposo e in movimento.
• I tuoi modelli sono accessibili solo da te. I tuoi modelli non saranno mai accessibili o utilizzati da IBM o da qualsiasi altra persona o organizzazione. I modelli sono protetti allo stesso modo dei propri dati.

Ulteriori informazioni sulla sicurezza e le opzioni:

• Sicurezza e privacy dei modelli di base
• Sicurezza per IBM watsonx.ai
• Sicurezza dei dati

Quali API sono disponibili?

Puoi richiedere i modelli di base in watsonx.ai in modo programmatico utilizzando la libreria Python .

Vedi Foundation models Python library.

Come si caricano file molto grandi nel progetto?

Non è possibile caricare file di dati più grandi di 5 GB per il progetto. Se i tuoi file sono più grandi, devi utilizzare l'API Cloud Object Storage e caricare i dati in più parti. Vedi i comandi curl per utilizzare Cloud Object Storage direttamente su IBM Cloud.

Vedi Aggiunta di oggetti molto grandi a Cloud Object Storagedi un progetto.

Cosa viene salvato in IBM Cloud Object Storage per le aree di lavoro?

Quando si crea un progetto o uno spazio di distribuzione, si specifica un IBM Cloud Object Storage e si crea un bucket dedicato a tale spazio di lavoro. Questi tipi di oggetti vengono archiviati nel bucket IBM Cloud Object Storage per lo spazio di lavoro:

• File per gli asset di dati caricati nello spazio di lavoro.
• File associati ad asset eseguiti in strumenti, ad esempio notebook e modelli.
• Metadati relativi agli asset, come il tipo di asset, il formato e i tag.

Devo eseguire l'upgrade di IBM Cloud Object Storage quando eseguo l'upgrade di altri servizi?

Devi aggiornare la tua istanza di IBM Cloud Object Storage solo quando hai esaurito lo spazio di archiviazione. Altri servizi possono utilizzare qualsiasi piano IBM Cloud Object Storage e puoi eseguire l'upgrade di qualsiasi servizio o del tuo servizio IBM Cloud Object Storage in modo indipendente.

Perché non sono in grado di aggiungere spazio di archiviazione a un progetto esistente o di visualizzare la selezione IBM Cloud Object Storage nella finestra di dialogo Nuovo progetto?

IBM Cloud Object Storage richiede un passo aggiuntivo per gli utenti che non dispongono di privilegi amministrativi. L'amministratore dell'account deve consentire agli utenti non amministrativi di creare progetti.

Se disponi dei privilegi di amministratore e non vedi l'ultimo IBM Cloud Object Storage, riprova più tardi perché la memorizzazione nella cache lato server potrebbe causare un ritardo nel rendering dei valori più recenti.

Posso installare librerie o pacchetti da utilizzare nei miei notebook?

È possibile installare le librerie Python e i package R tramite un notebook e tali librerie e package saranno disponibili per tutti i notebook che utilizzano lo stesso modello di ambiente. Per istruzioni, vedi Importa librerie personalizzate o di terze parti. Se si riceve un errore relativo alla mancanza di dipendenze del sistema operativo quando si installa una libreria o un pacchetto, informare il supporto IBM . Per visualizzare le librerie e i pacchetti preinstallati e le librerie e i pacchetti installati, dall'interno di un notebook, eseguire il comando appropriato:

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

È possibile richiamare funzioni definite in un notebook da un altro notebook?

Non è possibile richiamare un notebook da un altro notebook sulla piattaforma. Tuttavia, è possibile inserire il codice comune in una libreria esterna alla piattaforma e installarlo.

Posso aggiungere estensioni di notebook arbitrarie?

No, non è possibile estendere le funzioni del notebook aggiungendo estensioni arbitrarie come personalizzazione perché tutte le estensioni del notebook devono essere preinstallate.

Come si accede ai dati da un file CSV in un notebook?

Dopo aver caricato un file CSV nell'archivio oggetti, caricare i dati facendo clic su Frammenti di codice icona in un taccuino aperto, facendo clic Leggi i dati e selezionando il file CSV dal progetto. Quindi, fare clic in una cella di codice vuota nel notebook e inserire il codice generato.

Come si accede ai dati da un file compresso in un notebook?

Dopo aver caricato il file compresso nell'archivio oggetti, ottieni le credenziali del file facendo clic su Frammenti di codice icona in un taccuino aperto, facendo clic Leggi i dati e selezionando il file compresso dal progetto. Quindi, fare clic in una cella di codice vuota nel notebook e caricare le credenziali nella cella. In alternativa, fare clic per copiare le credenziali negli appunti e incollarle nel notebook.

Quanto è sicuro IBM watsonx?

La piattaforma IBM watsonx è molto sicura e resiliente. Vedi Security of IBM watsonx.

I miei dati e notebook sono protetti dalla condivisione al di fuori dei miei collaboratori?

I dati caricati nel progetto e nei notebook sono protetti. Solo i collaboratori del progetto possono accedere ai dati o ai notebook. Ogni account della piattaforma agisce come un tenant separato dei servizi Spark e IBM Cloud Object Storage . I tenant non possono accedere ai dati di altri tenant.

Se si desidera condividere il notebook con il pubblico, nascondere le proprie credenziali del servizio dati nel notebook. Per i linguaggi Python e R, immettere la sintassi seguente: # @hidden_cell

Assicurarsi di salvare il notebook immediatamente dopo aver immesso la sintassi per nascondere le celle con dati sensibili.

Solo allora si dovrebbe condividere il vostro lavoro.

Devo eseguire il backup dei miei notebook?

Num. I tuoi notebook sono memorizzati in IBM Cloud Object Storage, che fornisce resilienza contro le interruzioni.

Quali sono le implicazioni della condivisione di un notebook?

Quando si condivide un notebook, il permalink non cambia mai. Qualsiasi persona con il collegamento può visualizzare il notebook. È possibile interrompere la condivisione del notebook deselezionando la casella di spunta per condividerlo. Gli aggiornamenti non vengono condivisi automaticamente. Quando si aggiorna il notebook, è possibile sincronizzare il notebook condiviso selezionando nuovamente la casella di controllo per condividerlo.

Come posso condividere il mio lavoro al di fuori di RStudio?

Un modo per condividere il tuo lavoro al di fuori di RStudio è collegarlo a un repository GitHub condiviso da cui tu e i tuoi collaboratori potete lavorare. Per ulteriori informazioni, leggere questo post del blog .

Tuttavia, il metodo migliore per condividere il lavoro con i membri di un progetto è utilizzare i notebook nel progetto che utilizza il kernel R.

RStudio è un ottimo ambiente in cui lavorare per la prototipazione e lavorare individualmente su progetti R, ma non è ancora integrato con i progetti.

Come posso condividere il mio flusso SPSS Modeler con un altro progetto?

Per impostazione, i flussi del modeler possono essere utilizzati solo nel progetto in cui il flusso viene creato o importato. Se è necessario utilizzare un flusso di modeler in un progetto differente, è necessario scaricare il flusso dal progetto corrente (progetto di origine) nell'ambiente locale e quindi importare il flusso in un altro progetto (progetto di destinazione).

Come eseguire un esperimento AutoAI ?

Vai a Creazione di un esperimento AutoAI dai dati di esempio per guardare un breve video su come creare ed eseguire un esperimento AutoAI e quindi segui un'esercitazione per configurare il tuo proprio esempio.

Cosa è disponibile per la creazione di modelli automatizzati?

Lo strumento grafico AutoAI analizza automaticamente i tuoi dati e genera pipeline di modelli candidati che sono personalizzate per il tuo problema di modellazione predittiva.  Tali pipeline di modello vengono create in modo iterativo man mano che AutoAI analizza i dati e rileva le trasformazioni dei dati, gli algoritmi e le impostazioni dei parametri più adatti per l'impostazione del problema. I risultati vengono visualizzati in una classifica, mostrando le pipeline del modello generate automaticamente ordinate in base all'obiettivo di ottimizzazione del problema. Per i dettagli, vedere Panoramica diAutoAI.

Quali framework e librerie sono supportati per i miei modelli di machine learning?

Puoi utilizzare strumenti, librerie e framework comuni per addestrare e distribuire i modelli di machine learning utilizzando IBM Watson Machine Learning. L' argomento dei framework supportati elenca le funzioni e le versioni supportate, nonché le versioni obsolete pianificate per essere discontinue.

Cos' è una chiave API?

Le chiavi API ti consentono di eseguire facilmente l'autenticazione quando utilizzi la CLI o le API che possono essere utilizzate tra più servizi. Le chiavi API sono considerate riservate poiché vengono utilizzate per concedere l'accesso. Considera tutte le chiavi API come una password poiché chiunque con la tua chiave API può impersonare il tuo servizio.

Cos' è Watson OpenScale

IBM Watson OpenScale tiene traccia e misura i risultati dei tuoi modelli di intelligenza artificiale e aiuta a garantire che rimangano corretti, spiegabili e conformi ovunque i tuoi modelli siano stati creati o siano in esecuzione. Watson OpenScale rileva e corregge anche la deviazione nell'accuratezza quando un modello AI è in produzione

Come posso convertire una colonna di previsione da un tipo di dati numerici a un tipo di dati categoriali?

Per il monitoraggio della correttezza, la colonna di previsione consente solo un valore numerico intero, anche se l'etichetta di previsione è categoriale. Come configurare una funzione categoriale che non sia un numero intero? È richiesta una conversione manuale?

I dati di addestramento potrebbero avere etichette di classe come "Prestito negato", "Prestito concesso". Il valore di previsione restituito dall'endpoint di calcolo del punteggio IBM Watson Machine Learning ha valori come "0.0", "1.0". L'endpoint di calcolo del punteggio ha anche una colonna facoltativa che contiene la rappresentazione testuale della previsione. Ad esempio, se prediction=1.0, la colonna predictionLabel potrebbe avere un valore "Prestito concesso". Se tale colonna è disponibile, quando si configura il risultato favorevole e sfavorevole per il modello, specificare i valori stringa "Prestito concesso" e "Prestito negato". Se tale colonna non è disponibile, è necessario specificare i valori interi e doppi 1.0, 0.0 per le classi favorevoli e sfavorevoli.

IBM Watson Machine Learning ha un concetto di schema di output che definisce lo schema dell'output dell'endpoint di calcolo del punteggio IBM Watson Machine Learning e il ruolo per le diverse colonne. I ruoli vengono usati per identificare quale colonna contiene il valore di previsione, quale colonna contiene la probabilità di previsione e il valore dell'etichetta della classe e così via. Lo schema di output viene impostato automaticamente per i modelli creati utilizzando il builder di modelli. Può essere impostato anche utilizzando il client IBM Watson Machine Learning Python . Gli utenti possono utilizzare lo schema di output per definire una colonna che contenga la rappresentazione stringa della previsione. Impostare modeling_role per la colonna su 'decoded-target'. Leggi la [ documentazione per la libreria client Watson Machine Learning Python. Ricercare "OUTPUT_DATA_SCHEMA" per comprendere lo schema di output e l'API da utilizzare è per l'API store_model che accetta OUTPUT_DATA_SCHEMA come parametro.

Perché Watson OpenScale ha bisogno di accedere ai dati di formazione?

Devi fornire l'accesso Watson OpenScale ai dati di formazione memorizzati in Db2 o IBM Cloud Object Storageoppure devi eseguire un Notebook per accedere ai dati di addestramento.

Watson OpenScale ha bisogno dell'accesso ai tuoi dati di formazione per i seguenti motivi:

• Generare spiegazioni contrastanti: per creare spiegazioni è necessario accedere alle statistiche, come il valore mediano, la deviazione standard e i valori distinti dai dati di training.
• Per visualizzare le statistiche dei dati di addestramento: per popolare la pagina dei dettagli della distorsione, Watson OpenScale deve avere i dati di addestramento da cui generare statistiche.
• Per creare un modello di rilevamento della deviazione: il monitor Deviazione utilizza i dati di training per creare e calibrare il rilevamento della deviazione.

Nell'approccio basato su notebook, si prevede di caricare le statistiche e altre informazioni quando si configurare una distribuzione in Watson OpenScale. Watson OpenScale non ha più accesso ai dati di formazione all'esterno del Notebook, che viene eseguito nel tuo ambiente. Ha accesso solo alle informazioni caricate durante la configurazione.

Cosa significa se il punteggio di correttezza è superiore al 100 per cento?

A seconda della configurazione della correttezza, il punteggio può superare il 100 percento. Significa che il gruppo monitorato sta ottenendo risultati relativamente più "corretti" rispetto al gruppo di riferimento. Tecnicamente, indica che il modello non è corretto nella direzione opposta.

Come viene mitigata la distorsione del modello utilizzando Watson OpenScale?

La funzionalità di annullamento della distorsione in Watson OpenScale è di livello aziendale. È robusto, scalabile e può gestire un'ampia gamma di modelli. L'annullamento della distorsione in Watson OpenScale consiste in un processo in due fasi: Fase di apprendimento: Apprendimento del comportamento del modello cliente per comprendere quando agisce in modo distorto.

Fase di applicazione: Identificare se il modello del cliente agisce in modo distorto su un punto di dati specifico e, se necessario, correggere la distorsione. Per ulteriori informazioni, consultare Opzioni di annullamento della distorsione.

È possibile controllare la distorsione del modello su attributi sensibili, come razza e sesso, anche quando il modello non è addestrato su di essi?

Si. Di recente, Watson OpenScale ha fornito una funzione innovativa chiamata "Indirect Bias detection". Utilizzarla per rilevare se il modello presenta una distorsione indiretta per gli attributi sensibili, anche se il modello non è addestrato su tali attributi.

È possibile mitigare la distorsione per i modelli basati sulla regressione?

Si. Puoi utilizzare Watson OpenScale per mitigare la distorsione sui modelli basati sulla regressione. Non è necessaria alcuna configurazione aggiuntiva per utilizzare questa funzione. La mitigazione della distorsione per i modelli di regressione viene eseguita in modo predefinito quando il modello presenta la distorsione.

Quali sono i diversi metodi di annullamento della distorsione in Watson OpenScale?

È possibile utilizzare sia l'annullamento della distorsione attivo che quello passivo per l'annullamento della distorsione. Per ulteriori informazioni, consultare Opzioni di annullamento della distorsione.

La configurazione di un modello richiede informazioni sull'ubicazione dei dati di addestramento e le opzioni sono Cloud Object Storage e Db2. Se i dati sono in Netezza, Watson OpenScale può utilizzare Netezza?

Utilizza questo Watson OpenScale Notebook per leggere i dati da Netezza e generare statistiche di addestramento e anche il modello di rilevamento della deviazione.

Perché Watson OpenScale non visualizza gli aggiornamenti apportati al modello?

Watson OpenScale funziona su una distribuzione di un modello, non sul modello stesso. È necessario creare una nuova distribuzione e quindi configurare questa nuova distribuzione come nuova sottoscrizione in Watson OpenScale. Con questa disposizione, è possibile confrontare le due versioni del modello.

Quali sono i vari tipi di rischi associati all'utilizzo di un modello di machine learning?

Diversi tipi di rischi associati ai modelli di machine learning, come qualsiasi modifica nei dati di input nota anche come Drift, possono far sì che il modello prenda decisioni inaccurate, influenzando le previsioni di business. I dati di addestramento possono essere ripuliti per essere privi di distorsione, ma i dati di runtime potrebbero indurre un comportamento distorto del modello.

I modelli statistici tradizionali sono più semplici da interpretare e spiegare, ma l'impossibilità di spiegare il risultato del modello di machine learning può rappresentare una grave minaccia per l'utilizzo del modello.

Devo continuare a monitorare il dashboard Watson OpenScale per assicurarmi che i miei modelli si comportino come previsto?

No, è possibile impostare avvisi email per le distribuzioni del modello di produzione in Watson OpenScale. Si ricevono avvisi email ogni volta che un test di valutazione del rischio ha esito negativo, quindi è possibile venire a controllare i problemi e risolverli.

In Watson OpenScale, quali dati vengono utilizzati per il calcolo delle metriche di qualità?

Le metriche di qualità vengono calcolate utilizzando dati di feedback etichettati manualmente e le risposte di distribuzione monitorate per questi dati.

In Watson OpenScale, è possibile impostare la soglia per una metrica diversa da 'Area sotto ROC ' durante la configurazione?

No, attualmente, la soglia può essere impostata solo per la metrica 'Area sotto ROC'.