0 / 0
Volver a la versión inglesa de la documentación
Inicio rápido: Crear y desplegar un modelo de aprendizaje automático en un cuaderno de Jupyter

Inicio rápido: Crear y desplegar un modelo de aprendizaje automático en un cuaderno de Jupyter

Puede crear, entrenar y desplegar modelos de aprendizaje automático con Watson Machine Learning en un cuaderno de Jupyter. Lea acerca de los cuadernos Jupyter, vea un video y siga una guía de aprendizaje que sea adecuada para los usuarios intermedios y requiera codificación.

Servicios necesarios
Watson Studio
Watson Machine Learning

El flujo de trabajo básico incluye estas tareas:

  1. Cree un proyecto. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
  2. Añada un cuaderno al proyecto. Puede crear un cuaderno en blanco o para importar un cuaderno desde un archivo o un repositorio de GitHub.
  3. Añada código y ejecute el cuaderno.
  4. Revise las interconexiones de modelo y guarde la interconexión deseada como modelo.
  5. Despliegue y pruebe su modelo.

Leer acerca de los cuadernos Jupyter

Un cuaderno de Jupyter es un entorno basado en web para los cálculos interactivos. Si opta por crear un modelo de aprendizaje de máquina en un cuaderno, debe estar familiarizado con la codificación de un cuaderno de Jupyter. Puede ejecutar pequeños fragmentos de código que procesan los datos y, a continuación, ver inmediatamente los resultados de su cálculo. Utilizando esta herramienta, puede ensamblar, probar y ejecutar todos los bloques básicos que necesita para trabajar con datos, guardar los datos en Watson Machine Learning y desplegar el modelo.

Más información sobre el entrenamiento de modelos en cuadernos

Información sobre otras formas de crear modelos

Vea un vídeo sobre la creación de un modelo en un cuaderno de Jupyter

Ver vídeo Vea este vídeo para ver cómo entrenar, desplegar y probar un modelo de aprendizaje automático en un cuaderno de Jupyter.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.


Pruebe una guía de aprendizaje para crear un modelo en un cuaderno de Jupyter

En esta guía de aprendizaje, realizará estas tareas:

Le llevará aproximadamente 30 minutos el completar esta guía de aprendizaje.

Datos de ejemplo

Los datos de ejemplo utilizados en esta guía de aprendizaje proceden de datos que forman parte de scikit-learn y se utilizarán para entrenar un modelo para reconocer imágenes de dígitos escritos a mano, de 0-9.




  • Utilizar la imagen en imagen de vídeo

    Sugerencia: Inicie el vídeo y, a continuación, a medida que se desplaza por el tutorial, el vídeo se desplaza al modo de imagen en imagen. Cierre la tabla de contenido de vídeo para obtener la mejor experiencia con la imagen en imagen. Puede utilizar el modo de imagen en imagen para poder seguir el vídeo mientras completa las tareas de este tutorial. Pulse las indicaciones de fecha y hora para cada tarea a seguir.

    La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:

    Cómo utilizar la imagen en la imagen y los capítulos

    Obtener ayuda en la comunidad

    Si necesita ayuda con esta guía de aprendizaje, puede formular una pregunta o encontrar una respuesta en el foro de discusión de la comunidad deCloud Pak for Data.

    Configurar las ventanas del navegador

    Para obtener la experiencia óptima al completar esta guía de aprendizaje, abra Cloud Pak for Data en una ventana de navegador y mantenga abierta esta página de la guía de aprendizaje en otra ventana de navegador para conmutar fácilmente entre las dos aplicaciones. Considere la posibilidad de organizar las dos ventanas del navegador una al lado de la otra para que sea más fácil de seguir.

    Guía de aprendizaje en paralelo e interfaz de usuario

    Sugerencia: Si encuentra una visita guiada al completar esta guía de aprendizaje en la interfaz de usuario, pulse Quizás más tarde.

    Volver al principio


  • Necesita un proyecto para almacenar los datos y el experimento AutoAI . Puede utilizar un proyecto existente o crear un proyecto.

    1. En el menú de navegación Menú de navegación, seleccione Proyectos > Ver todos los proyectos

    2. Abre un proyecto existente. Si desea utilizar un proyecto nuevo:

      1. Pulse Nuevo proyecto.

      2. Seleccione Crear un proyecto vacío.

      3. Especifique un nombre y una descripción opcional para el proyecto.

      4. Elija una instancia de servicio de almacenamiento de objetos existente o cree una nueva.

      5. Pulse Crear.

    3. Cuando se abra el proyecto, pulse la pestaña Gestionar y seleccione la página Servicios e integraciones.

      vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 00:07.

      1. En la pestaña Servicios deIBM , pulse Asociar servicio.

      2. Seleccione la instancia de Watson Machine Learning . Si todavía no ha suministrado una instancia de servicio de Watson Machine Learning , siga estos pasos:

        1. Pulse Nuevo servicio.

        2. Seleccione Watson Machine Learning.

        3. Pulse Crear.

        4. Seleccione la nueva instancia de servicio en la lista.

      3. Pulse Asociar servicio.

      4. Si es necesario, pulse Cancelar para volver a la página Servicios e integraciones .

    Para obtener más información o para ver un vídeo, consulte Creación de un proyecto.
    Para obtener más información sobre los servicios asociados, consulte Adición de servicios asociados.

    Icono de punto de comprobación Compruebe el progreso

    La imagen siguiente muestra el nuevo proyecto.

    La imagen siguiente muestra el nuevo proyecto.


    Volver al principio


  • vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 00:18.

    Utilizará un cuaderno de ejemplo en esta guía de aprendizaje. Siga estos pasos para añadir el cuaderno de ejemplo al proyecto:

    1. Acceda a Utilizar sckit-learn para reconocer el cuaderno de dígitos escritos a mano en el Centro de recursos.

    2. Pulse Añadir al proyecto.

    3. Seleccione el proyecto en la lista y pulse Añadir.

    4. Verifique el nombre y la descripción del cuaderno (opcional).

    5. Seleccione un entorno de ejecución para este cuaderno.

    6. Pulse Crear. Espere a que se cargue el editor de cuadernos.

    7. En el menú, pulse Kernel > Reiniciar y Borrar saliday, a continuación, confirme pulsando Reiniciar y borrar todas las salidas para borrar la salida de la última ejecución guardada.

    Icono de punto de comprobación Compruebe el progreso

    La imagen siguiente muestra el nuevo cuaderno.

    La imagen siguiente muestra el nuevo cuaderno.


    Volver al principio


  • vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 00:44.

    La primera sección del cuaderno configura el entorno especificando las credenciales de IBM Cloud y la ubicación de la instancia de servicio de Watson Machine Learning . Siga estos pasos para configurar el entorno en el cuaderno:

    1. Desplácese a la sección Configurar el entorno.

    2. Elija un método para obtener la clave y la ubicación de la API.

      • Ejecute los mandatos de la CLI de IBM Cloud en el cuaderno desde un indicador de mandatos.

      • Utilice la consola de IBM Cloud.

        1. Inicie la sección de claves de API de en la IBM Cloudy cree una clave de API.

        2. Acceda a la lista de recursos deIBM Cloud, vea la instancia de servicio de Watson Machine Learning y anote la Ubicación.

        3. Consulte Watson Machine Learning Documentos de API para ver el punto final correcto URL. Por ejemplo, Dallas está en nosotros-sur.

    3. Pegue la clave y la ubicación de la API en la celda 1.

    4. Ejecute las celdas 1 y 2.

    5. Ejecute la célula 3 para instalar el paquete ibm-watson-machine-learning .

    6. Ejecute la célula 4 para importar el cliente de API y crear la instancia de cliente de API utilizando sus credenciales.

    7. Ejecute la celda 5 para ver una lista de todos los espacios de despliegue existentes. Si no tiene un espacio de despliegue, siga estos pasos:

      1. Abra otra pestaña con el despliegue de Cloud Pak for Data.

      2. En el menú de navegación Menú de navegación, pulse Despliegues.

      3. Pulse Nuevo espacio de despliegue.

      4. Añada un nombre y una descripción opcional para el despliegue.

      5. Pulse Crear y luego Ver nuevo espacio.

      6. Pulse la pestaña Gestionar .

      7. Copie el GUID de espacio y cierre la pestaña, este valor será su space_id.

    8. Copie y pegue el ID de espacio de despliegue adecuado en la celda 6 y, a continuación, ejecute la celda 6 y la celda 7 para establecer el espacio predeterminado.

    Icono de punto de comprobación Compruebe el progreso

    La imagen siguiente muestra el cuaderno con todas las variables de entorno configuradas.

    La imagen siguiente muestra el cuaderno con todas las variables de entorno configuradas.


    Volver al principio


  • vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 02:14.

    Ahora que todas las variables de entorno están configuradas, puede ejecutar el resto de las celdas del cuaderno. Siga estos pasos para leer los comentarios, ejecutar las celdas y revisar la salida:

    1. Ejecute las celdas en la sección Explorar datos .

    2. Ejecute las celdas en la sección Crear un modelo scikit-learn .

      1. Preparar los datos dividiéndolo en tres conjuntos de datos (entrenamiento, prueba y puntuación).

      2. Cree la interconexión.

      3. Entrenar el modelo.

      4. Evaluar el modelo utilizando los datos de prueba.

    3. Ejecute las celdas en la sección Publicar modelo para publicar el modelo, obtener detalles del modelo y obtener todos los modelos.

    4. Ejecute las celdas en la sección Crear despliegue de modelo .

    5. Ejecute las células en la sección Obtener detalles de despliegue .

    6. Ejecute las celdas en la sección Puntuación *, que envía una solicitud de puntuación al modelo desplegado y muestra la predicción.

    7. Pulse Archivo > Guardar para guardar el cuaderno y su salida.

    Icono de punto de comprobación Compruebe el progreso

    La imagen siguiente muestra el cuaderno con la predicción.

    La imagen siguiente muestra el cuaderno con la predicción.


    Volver al principio


  • vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 04:07.

    También puede ver el despliegue del modelo directamente desde el espacio de despliegue. Siga estos pasos para probar el modelo desplegado en el espacio.

    1. En el menú de navegación Menú de navegación, pulse Despliegues.

    2. Pulse la pestaña Espacios .

    3. Seleccione el espacio de despliegue adecuado de la lista.

    4. Pulse Modelo Scikit.

    5. Pulse Despliegue del modelo scikit.

    6. Revise el Punto final y los Fragmentos de código.

    7. Pulse el separador Probar. Puede probar el modelo desplegado pegando el siguiente código JSON:

         {"input_data": [{"values": [[0.0, 0.0, 5.0, 16.0, 16.0, 3.0, 0.0, 0.0, 0.0, 0.0, 9.0, 16.0, 7.0, 0.0, 0.0, 0.0, 0.0, 0.0, 12.0, 15.0, 2.0, 0.0, 0.0, 0.0, 0.0, 1.0, 15.0, 16.0, 15.0, 4.0, 0.0, 0.0, 0.0, 0.0, 9.0, 13.0, 16.0, 9.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 14.0, 12.0, 0.0, 0.0, 0.0, 0.0, 5.0, 12.0, 16.0, 8.0, 0.0, 0.0, 0.0, 0.0, 3.0, 15.0, 15.0, 1.0, 0.0, 0.0], [0.0, 0.0, 6.0, 16.0, 12.0, 1.0, 0.0, 0.0, 0.0, 0.0, 5.0, 16.0, 13.0, 10.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5.0, 5.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 8.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 13.0, 13.0, 0.0, 0.0, 0.0, 0.0, 0.0, 6.0, 16.0, 9.0, 4.0, 1.0, 0.0, 0.0, 3.0, 16.0, 16.0, 16.0, 16.0, 10.0, 0.0, 0.0, 5.0, 16.0, 11.0, 9.0, 6.0, 2.0]]}]}
      
    8. Pulse Pronosticar. La predicción resultante indica que los dígitos escritos a mano son 5 y 4.

    Icono de punto de comprobación Compruebe el progreso

    La imagen siguiente muestra el separador Probar con la predicción.

    La imagen siguiente muestra el separador Prueba con la predicción.


    Volver al principio


  • Si desea eliminar todos los activos creados por el cuaderno, cree un nuevo cuaderno basado en el cuaderno de gestión de artefactos deMachine Learning. También dispone de un enlace con este cuaderno en la sección Limpieza del cuaderno Utilizar scikit-learn para reconocer dígitos escritos a mano utilizado en esta guía de aprendizaje.


    Volver al principio

Próximos pasos

Ahora puede utilizar este conjunto de datos para un análisis adicional. Por ejemplo, usted u otros usuarios pueden realizar cualquiera de estas tareas:

Recursos adicionales

Tema principal: Guías de aprendizaje de inicio rápido

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información