빠른 시작: Jupyter 노트북에서 머신 러닝 모델 빌드 및 배치

데이터 및 AutoAI 실험을 저장할 프로젝트가 필요합니다. 기존 프로젝트를 사용하거나 프로젝트를 작성할 수 있습니다.

1. 탐색 메뉴 에서 프로젝트 > 모든 프로젝트 보기 를 선택하십시오.

2. 기존 프로젝트를 엽니다. 새 프로젝트를 사용하려면 다음을 수행하십시오.

   1. 새 프로젝트를 클릭하십시오.

   2. 빈 프로젝트 작성을 선택하십시오.

   3. 프로젝트의 이름 및 선택적 설명을 입력하십시오.

   4. 기존 오브젝트 스토리지 서비스 인스턴스를 선택하거나 새로 작성하십시오.

   5. 작성을 클릭하십시오.

3. 프로젝트가 열리면 관리 탭을 클릭하고 서비스 및 통합 페이지를 선택하십시오.

   이 태스크를 미리보려면 00:07에서 시작하는 비디오를 보십시오.

   1. IBM 서비스 탭에서 서비스 연관을 클릭하십시오.

   2. Watson Machine Learning 인스턴스를 선택하십시오. Watson Machine Learning 서비스 인스턴스가 아직 프로비저닝되지 않은 경우 다음 단계를 수행하십시오.

      1. 새 서비스를 클릭하십시오.

      2. Watson Machine Learning을 선택하십시오.

      3. 작성을 클릭하십시오.

      4. 목록에서 새 서비스 인스턴스를 선택하십시오.

   3. 서비스 연관을 클릭하십시오.

   4. 필요한 경우 취소 를 클릭하여 서비스 및 통합 페이지로 돌아가십시오.

자세한 정보를 보거나 비디오를 보려면 프로젝트 작성을 참조하십시오.
연관된 서비스에 대한 자세한 정보는 연관된 서비스 추가를 참조하십시오.

이 태스크를 미리 보려면 00:18에서 시작하는 비디오를 보십시오.

이 학습서에서는 샘플 노트북을 사용합니다. 프로젝트에 샘플 노트북을 추가하려면 다음 단계를 수행하십시오.

1. 자원 허브에서 sckit-learn to recognize digits 노트북 사용 에 액세스하십시오.

2. 프로젝트에 추가를 클릭하십시오.

3. 목록에서 프로젝트를 선택하고 추가를 클릭하십시오.

4. 노트북 이름 및 설명을 확인하십시오(선택사항).

5. 이 노트북에 대해 런타임 환경을 선택하십시오.

6. 작성을 클릭하십시오. 노트북 편집기가 로드되기를 기다리십시오.

7. 메뉴에서 커널 > 다시 시작 및 출력 지우기를 클릭한 후 다시 시작 및 모든 출력 지우기 를 클릭하여 확인하고 마지막으로 저장된 실행에서 출력을 지우십시오.

이 태스크를 미리 보려면 00:44에서 시작하는 비디오를 보십시오.

노트북의 첫 번째 섹션에서는 IBM Cloud 인증 정보 및 Watson Machine Learning 서비스 인스턴스 위치를 지정하여 환경을 설정합니다. 노트북에서 환경을 설정하려면 다음 단계를 수행하십시오.

1. 환경 설정 섹션으로 스크롤하십시오.

2. API 키와 위치를 얻는 방법을 선택하십시오.

   • 명령 프롬프트에서 노트북에서 IBM Cloud CLI 명령을 실행하십시오.

   • IBM Cloud 콘솔을 사용하십시오.

     1. IBM Cloud 콘솔의 API키 섹션및 API키 작성를 실행하십시오.

     2. IBM Cloud 리소스 목록에 액세스하여 Watson Machine Learning 서비스 인스턴스를 보고 위치를 기록하십시오.

     3. 올바른 엔드포인트 URL은 Watson Machine Learning API 문서 를 참조하십시오. 예를 들어, 댈러스는 미국 남부에 있습니다.

3. API 키와 위치를 셀 1에 붙여 넣습니다.

4. 실행 아이콘 을 클릭하여 셀 1및 2에서 코드를 실행하십시오.

5. 셀 3을 실행하여 ibm-watson-machine-learning 패키지를 설치하십시오.

6. 셀 4를 실행하여 API 클라이언트를 가져오고 신임 정보를 사용하여 API 클라이언트 인스턴스를 작성하십시오.

7. client.spaces.list(limit=10) 코드를 사용하여 셀을 실행하면 모든 기존 배치 영역의 목록을 볼 수 있습니다. 배치 영역이 없는 경우 다음 단계를 수행하십시오.

   1. Cloud Pak for Data 배치를 사용하여 다른 탭을 여십시오.

   2. 탐색 메뉴 에서 배치를 클릭하십시오.

   3. 새 배치 공간을 클릭하십시오.

   4. 배치에 대한 이름 및 선택적 설명을 추가하십시오.

   5. 작성을 클릭한 후 새 공간 보기를 클릭하십시오.

   6. 관리 탭을 클릭하십시오.

   7. 공간 GUID를 복사하고 탭을 닫으십시오. 이 값은 space_id입니다.

8. 적절한 배치 영역 ID를 복사하여 space_id = 'PASTE YOUR SPACE ID HERE'코드가 있는 셀에 붙여넣은 후 해당 셀 및 client.set.default_space(space_id) 코드가 있는 셀을 실행하여 기본 영역을 설정하십시오.

이 태스크를 미리 보려면 02:14에 시작하는 비디오를 보십시오.

이제 모든 환경 변수가 설정되었으므로 노트북에서 나머지 셀을 실행할 수 있습니다. 주석을 읽고, 셀을 실행하고, 출력을 검토하려면 다음 단계를 수행하십시오.

1. 데이터 탐색 섹션에서 셀을 실행하십시오.

2. scikit-learn 모델 작성 섹션의 셀을 실행하십시오.

   1. 데이터를 세 개의 데이터 세트(훈련, 테스트 및 스코어)로 분할하여 데이터를 준비하십시오.

   2. 파이프라인을 작성하십시오.

   3. 모델을 훈련하십시오.

   4. 테스트 데이터를 사용하여 모델을 평가하십시오.

3. 로컬로 작성된 scikit-learn 모델 지속 섹션에서 셀을 실행하여 모델을 공개하고, 모델 세부사항을 가져오고, 모든 모델을 가져오십시오.

   참고:

   Python 3.11에서 Runtime 24.1 을 사용하는 경우 software_spec_uid 를 runtime-24.1-py3.11 로 변경하고 scikit-learn 버전을 scikit-learn-1.3로 변경해야 합니다.

4. 배포 및 스코어링 섹션의 셀을 실행하여 온라인 배포를 작성하고 배포 세부사항을 가져오며 배포된 모델에 스코어링 요청을 전송하여 예측을 확인하십시오.

5. 파일 > 저장을 클릭하십시오.

이 태스크를 미리 보려면 04:07에서 시작하는 비디오를 보십시오.

또한 배치 영역에서 직접 모델 배치를 볼 수도 있습니다. 다음 단계에 따라 공간에서 배치된 모델을 테스트하십시오.

1. 탐색 메뉴 에서 배치를 클릭하십시오.

2. 공간 탭을 클릭하십시오.

3. 목록에서 적절한 배치 공간을 선택하십시오.

4. Scikit 모델을 클릭하십시오.

5. scikit 모델 배치를 클릭하십시오.

6. 엔드포인트 및 코드 스니펫을 검토하십시오.

7. 테스트 탭을 클릭하십시오. 다음 JSON 코드를 붙여 배치된 모델을 테스트할 수 있습니다.

      {"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. 예측을 클릭하십시오. 결과 예측은 수기로 작성된 숫자가 5 및 4임을 표시합니다.

노트북에서 작성한 모든 자산을 제거하려면 Machine Learning 아티팩트 관리 노트북을 기반으로 새 노트북을 작성하십시오. 이 노트북에 대한 링크는 이 학습에서 사용된 scikit-learn을 사용하여 손으로 쓴 숫자 인식 노트북 의 정리 섹션에서도 사용 가능합니다.