빠른 시작: Jupyter 노트북에서 머신 러닝 모델 빌드 및 배치

Jupyter 노트북에서 Watson Machine Learning을 사용하여 머신 러닝 모델을 작성, 훈련 및 배치할 수 있습니다. Jupyter 노트북에 대해 읽고, 비디오를 시청하고, 중급자에게 적합하며 코딩을 필요로 하는 학습서를 봅니다.

필요 서비스 Watson Machine Learning

기본 워크플로우에는 다음 태스크가 포함됩니다.

  1. 프로젝트를 작성합니다. 프로젝트는 데이터 작업을 위해 다른 사용자와 협업하는 위치입니다.
  2. 프로젝트에 노트북을 추가합니다. 공백 노트북을 작성하거나 파일 또는 GitHub 저장소에서 노트북을 가져올 수 있습니다.
  3. 코드를 추가하고 노트북을 실행합니다.
  4. 모델 파이프라인을 검토하고 원하는 파이프라인을 모델로 저장하십시오.
  5. 모델을 배치하고 테스트하십시오.

Jupyter 노트북에 대해 읽기

Jupyter 노트북은 대화식 컴퓨팅을 위한 웹 기반 환경입니다. 노트북에 머신 러닝 모델을 빌드하려면 Jupyter 노트북에서 코딩에 익숙해야 합니다. 데이터를 처리하는 작은 코드 조각을 실행한 후 계산 결과를 즉시 볼 수 있습니다. 이 도구를 사용하여 데이터에 대해 작업하고 데이터를 Watson Machine Learning에 저장하고 모델을 배치하는 데 필요한 모든 빌딩 블록을 어셈블, 테스트 및 실행할 수 있습니다.

노트북의 훈련 모델에 대한 자세한 정보 읽기

모델을 빌드하는 다른 방법에 대해 학습

Jupyter 노트북에서 모델을 작성하는 것에 대한 비디오 시청

비디오 시청 Jupyter 노트북에서 머신 러닝 모델을 훈련, 배치 및 테스트하는 방법을 보려면 이 비디오를 시청하십시오.

이 비디오는 이 문서에 기록된 단계를 수행하는 방법의 대안인 시각적 메소드를 제공합니다.

학습서를 사용하여 Jupyter 노트북에서 모델 작성

이 튜토리얼에서는 다음을 수행합니다.

  • 프로젝트를 작성합니다.

  • Watson Machine Learning 서비스를 프로젝트와 연관시킵니다.

  • URL에서 프로젝트에 노트북을 작성합니다.

  • 다음과 같이 노트북을 실행하십시오.
    • 모델을 빌드하고 훈련합니다.
    • 파이프라인을 모델로 저장합니다.
    • 모델을 배치하십시오.
    • 배치된 모델을 테스트하십시오.
  • 배치 공간에서 배치된 모델을 보고 테스트하십시오.

이 튜토리얼을 완료하는 데 대략 30분 정도 소요됩니다.

샘플 데이터

이 학습서에서 사용되는 샘플 데이터는 Scikit-Learn의 일부이며 모델을 훈련하여 0-9의 손으로 쓴 숫자의 이미지를 인식하는 데 사용됩니다.

1단계: 프로젝트 작성 및 Watson Machine Learning 서비스 연관

{: #step1} 노트북을 저장할 프로젝트가 필요합니다.

  1. 기존 프로젝트가 있는 경우, 이를 여십시오. 기존 프로젝트가 없는 경우 홈 페이지에서 프로젝트 작성을 클릭하거나 프로젝트 페이지에서 새 프로젝트를 클릭하십시오.
  2. 빈 프로젝트 작성을 선택하십시오.
  3. 프로젝트 작성 화면에서 프로젝트에 대한 이름 및 선택적 설명을 추가하십시오.
  4. 기존 오브젝트 스토리지 서비스 인스턴스을(를) 선택하거나 새로 작성하십시오.
  5. 작성을 클릭하십시오.
  6. 프로젝트가 열리면 관리 탭을 클릭하십시오.
  7. 서비스 및 통합 페이지에서 서비스 연관 > Watson을 클릭하십시오.
  8. Watson Machine Learning 서비스 인스턴스가 프로비저닝되지 않은 경우 새로운 서비스를 클릭하고 머신 러닝을 선택한 후 작성을 클릭하십시오.
  9. Watson Machine Learning 인스턴스를 선택하고 서비스 연관을 클릭하십시오.
  10. 서비스 연관 대화 상자를 닫으십시오.

자세한 정보 또는 비디오를 시청하려면 프로젝트 작성을(를) 참조하십시오.
연관된 서비스에 대한 자세한 정보는 연관된 서비스 추가을(를) 참조하십시오.

2단계: 프로젝트에 노트북 추가

{: #step2}이 학습서에 사용된 노트북은 갤러리에서 사용할 수 있습니다.

  1. 갤러리sckit-learn을 사용하여 손으로 쓴 숫자 노트북을 인식하는 방법에 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 모든 출력 다시 시작 및 지우기를 클릭하여 확인하십시오.

3단계: 환경 설정

{: #step3} 노트북의 첫 번째 섹션은 IBM Cloud 신임 정보 및 Watson Machine Learning 서비스 인스턴스 위치를 지정하여 환경을 설정합니다.

  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 API 키 섹션API 키 작성을(를) 시작하십시오.
      2. IBM Cloud 자원 목록에 액세스하고 Watson Machine Learning 서비스 인스턴스를 보고 세부 사항 패널에서 위치를 참고하십시오.
      3. 올바른 엔드포인트 URL은 Watson Machine Learning API 문서을(를) 참조하십시오. 예를 들면, 달즈는 미국 남부에 있습니다.
  3. API 키와 위치를 셀 1에 붙여 넣습니다.
  4. 셀 1 및 2를 실행합니다.
  5. ibm-watson-machine-learning 패키지를 설치하려면 셀 3을 실행하십시오.
  6. API 클라이언트를 가져오고 신임 정보를 사용하여 API 클라이언트 인스턴스를 작성하려면 셀 4를 실행합니다.
  7. 기존의 모든 배치 공간 목록을 보려면 셀 6을 실행하십시오. 배치 공간을 가지고 있지 않은 경우:
    1. Cloud Pak for Data 배치를 사용하여 다른 탭을 여십시오.
    2. 탐색 메뉴에서 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. 기본 공간을 설정하려면 적절한 배치 공간 ID를 복사하여 셀 5에 붙여넣은 후 셀 5와 셀 7을 실행합니다.

4단계: 노트북 실행

{: #step4} 주석을 읽고 셀을 실행하여 다음을 수행하십시오.

  1. 데이터를 살펴보십시오.
  2. Scikit-Learn 모델을 작성합니다.
    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. 모델을 공개하십시오.
  4. 모델 정보를 보십시오.
  5. 모델 배치를 작성하고 배치 세부사항을 보십시오.
  6. 배치된 모델에 스코어링 요청을 전송하고 예측을 표시하는 모델을 스코어링하십시오.

5단계: 배치 공간에서 배치된 모델 보기 및 테스트

{: #step5} 또한 배치 공간에서 직접 모델 배치를 볼 수 있습니다.

  1. 탐색 메뉴에서 배치를 클릭하십시오.
  2. 목록에서 적절한 배치 공간을 선택하십시오.
  3. scikit 모델을 클릭하십시오.
  4. scikit 모델의 배치를 클릭하십시오.
  5. 엔드포인트코드 스니펫을 검토하십시오.
  6. 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]]}]}
    
  7. 예측을 클릭하십시오. 결과 예측은 수기로 작성된 숫자가 5 및 4임을 표시합니다.

(선택사항) 6단계: 정리

{: #step6} 노트북에서 작성한 모든 자산을 제거하려면 머신 러닝 아티팩트 관리 노트북에 따라 새 노트북을 작성하십시오. 이 노트북에 대한 링크는 이 학습서에 사용된 Scikit-Learn을 사용하여 손으로 쓴 숫자 노트북을 인식하는 방법정리하기 섹션에서도 사용할 수 있습니다.

다음 단계

이제 차후 분석을 위해 이 데이터 세트를 사용할 수 있습니다. 예를 들어, 사용자나 다른 사용자가 다음 태스크를 수행할 수 있습니다.

추가 자원

상위 주제: 모델 작성, 배치 및 신뢰 모델 시작하기