Necesita un proyecto para almacenar los datos y el experimento AutoAI . Puede utilizar el proyecto de recinto de seguridad o crear un proyecto.

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

2. Abra el proyecto de recinto de seguridad. 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.

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

   2. Seleccione su instancia de watsonx.ai Runtime. Si aún no dispone de una instancia del servicio watsonx.ai Runtime, siga estos pasos:

      1. Pulse Nuevo servicio.

      2. Seleccione watsonx.ai Runtime.

      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 ver un vídeo, consulte Creación de un proyecto.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:08.

Ahora que tiene un proyecto, está preparado para crear y entrenar el modelo utilizando AutoAI. Siga estos pasos para crear el experimento AutoAI , revisar las interconexiones del modelo y seleccionar una interconexión para guardarla como modelo:

1. Pulse la pestaña Activos en el proyecto y, a continuación, pulse Nuevo activo > Crear modelos de aprendizaje automático automáticamente.

2. En la página Crear automáticamente modelos de aprendizaje automático , complete los campos básicos:

   1. Pulse el panel Ejemplo de concentrador de recursos .

   2. Seleccione Datos de ejemplo de marketing de bancoy pulse Siguiente. El nombre del proyecto y la descripción se rellenarán automáticamente.

   3. Confirme que la instancia de servicio Runtime " watsonx.ai " que ha asociado a su proyecto está seleccionada en el campo " watsonx.ai Instancia de servicio en tiempo de ejecución ".

3. Pulse Crear.

4. En este experimento de AutoAI de ejemplo, verá que los Datos de ejemplo de marketing de banco ya están seleccionados para el experimento.

   

5. Revise los valores de experimento preestablecidos. Basado en el conjunto de datos y la columna seleccionada para predecir, AutoAI analiza un subconjunto de los datos y elige un tipo de predicción y métrica para optimizar. En este caso, el tipo de predicción es Clasificación binaria, la clase positiva es Síy la métrica optimizada es ROC AUC & tiempo de ejecución.

6. Pulse Ejecutar experimento. A medida que el modelo se entrena, se ve una infografía que muestra el proceso de construcción de las tuberías.
   

   Para obtener una lista de algoritmos, o estimadores, disponibles con cada técnica de aprendizaje de máquina en AutoAI, consulte: Detalle de la implementación de AutoAI.

7. Una vez completada la ejecución del experimento, puede ver y comparar las interconexiones clasificadas en un marcador.

   

8. Puede pulsar Comparación de interconexiones para ver en qué se diferencian.

   

9. Pulse el conducto con la clasificación más alta para ver los detalles del conducto.

10. Pulse Guardar como, seleccione Modeloy pulse Crear. Esto guarda la interconexión como un modelo en el proyecto.

11. Cuando se guarde el modelo, pulse el enlace Ver en el proyecto en la notificación para ver el modelo en el proyecto. De forma alternativa, puede ir a la pestaña Activos del proyecto y pulsar el nombre del modelo en la sección Modelos .

Para obtener una vista preliminar de esta tarea, vea el vídeo que empieza en 04:57.

Para poder desplegar el modelo, debe promocionarlo a un espacio de despliegue. Siga estos pasos para promocionar el modelo a un espacio de despliegue para desplegar el modelo:

1. Haga clic en el icono Promover al espacio de despliegue ' .

2. Seleccione un espacio de despliegue existente. Si no tiene un espacio de despliegue:

   1. Pulse Crear un nuevo espacio de despliegue.

   2. Proporcione un nombre de espacio y una descripción opcional.

   3. Seleccione un servicio de almacenamiento.

   4. Pulse Añadir servicio de aprendizaje automático.

   5. Pulse Crear.

   6. Pulse Cerrar.

3. Seleccione el nuevo espacio de despliegue en la lista.

4. Seleccione la opción Ir al modelo en el espacio después de promocionarlo .

5. Haga clic en Promover.

   Nota: Si no ha seleccionado la opción para ir al modelo en el espacio después de promocionarlo, puede utilizar el menú de navegación para ir a Despliegues para seleccionar el espacio de despliegue y el modelo.

6. Con el modelo abierto, pulse Nuevo despliegue.

   1. Seleccione En línea como Tipo de despliegue.

   2. Especifique un nombre para el despliegue.

   3. Pulse Crear.

7. Cuando se haya completado el despliegue, pulse el nombre del despliegue para ver la página de detalles del despliegue.

' Para previsualizar esta tarea, vea el vídeo que comienza en 06:22.

Ahora que tienes el modelo desplegado, puedes probar que ese despliegue en línea utilizando la interfaz de usuario o a través de las APIs de watsonx.ai Runtime. Siga estos pasos para utilizar la interfaz de usuario para probar el modelo con datos nuevos:

1. Pulse el separador Probar. Puede probar el modelo desplegado desde la página de detalles del despliegue de dos formas: probar con un formulario o probar con código JSON.

2. Pulse el separador Entrada JSON , copie los siguientes datos de prueba y péguelos para sustituir el texto JSON existente:

   {
      "input_data": [
         {
            "fields": [
                  "age",
                  "job",
                  "marital",
                  "education",
                  "default",
                  "balance",
                  "housing",
                  "loan",
                  "contact",
                  "day",
                  "month",
                  "duration",
                  "campaign",
                  "pdays",
                  "previous",
                  "poutcome"
               ],
            "values": [
                  [
                  27,
                  "unemployed",
                  "married",
                  "primary",
                  "no",
                  1787,
                  "no",
                  "no",
                  "cellular",
                  19,
                  "oct",
                  79,
                  1,
                  -1,
                  0,
                  "unknown"
                  ]
               ]
         }
      ]
   }
   

3. Pulse Predecir para pronosticar si es probable que un cliente con los atributos especificados se registre para un determinado tipo de cuenta. La predicción resultante indica que este cliente tiene una alta probabilidad de no inscribirse en la promoción de marketing.

4. Pulse la X para cerrar la ventana Resultados de predicción .

Ahora que ha probado el modelo desplegado con una única predicción, puede crear un despliegue por lotes para puntuar varios registros al mismo tiempo.