0 / 0
Retourner à la version anglaise de la documentation
Démarrage rapide : Génération et déploiement d'un modèle d'apprentissage automatique avec AutoAI

Démarrage rapide : Génération et déploiement d'un modèle d'apprentissage automatique avec AutoAI

Vous pouvez automatiser le processus de création d'un modèle d'apprentissage automatique à l'aide de l'outil AutoAI. Lisez à propos de l'outil AutoAI, puis regardez une vidéo et prenez un tutoriel qui convient aux débutants et qui n'a pas besoin de coder.

Votre flux de travaux de base inclut les tâches suivantes :

  1. Ouvrez votre projet de bac à sable. Les projets sont l'endroit où vous collaborez avec d'autres personnes sur les données.
  2. Ajoutez vos données au projet. Vous pouvez ajouter des fichiers CSV ou des données à partir d'une source de données distante via une connexion.
  3. Créez une expérimentation AutoAI dans le projet.
  4. Passez en revue les pipelines de modèle et enregistrez le pipeline souhaité sous forme de modèle à déployer ou de bloc-notes à personnaliser.
  5. Déployez et testez votre modèle.

En savoir plus sur AutoAI

L'outil graphique AutoAI analyse automatiquement vos données et génère des pipelines de modèle candidat personnalisés pour votre problème de modélisation prédictive. Ces pipelines de modèle sont créés de manière itérative à mesure qu'AutoAI analyse votre jeu de données et détecte les transformations de données, les algorithmes et les valeurs de paramètres qui fonctionnent le mieux pour votre problème. Les résultats s'affichent dans un tableau de classement, où les pipelines de modèles générés automatiquement sont classés en fonction de l'objectif d'optimisation de votre problème.

En savoir plus sur AutoAI

En savoir plus sur les autres méthodes de génération de modèles

Regarder une vidéo sur la création d'un modèle à l'aide d'AutoAI

Regarder la vidéo Regardez cette vidéo pour voir comment créer et exécuter une expérimentation AutoAI basée sur l'exemple de marketing bancaire.

Remarque: Cette vidéo présente les tâches 2 à 5 de ce tutoriel.

Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.


Essayer un tutoriel pour créer un modèle à l'aide d'AutoAI

Ce tutoriel vous guide tout au long de la formation d'un modèle pour prédire si un client est susceptible de s'abonner à un dépôt à terme basé sur une campagne marketing.

Dans ce tutoriel, vous exécutez les tâches suivantes :

Ce tutoriel dure environ 30 minutes.

Données de démonstration

L'exemple de données utilisé dans l'expérience guidée est UCI: Données marketing de banque utilisées pour prévoir si un client s'inscrit à une promotion marketing.

Feuille de calcul de l'ensemble de données marketing de la Banque





Conseils pour l'exécution de ce tutoriel

Voici quelques conseils pour réussir ce tutoriel.

Utiliser la vidéo image-in-picture

Astuce: Démarrez la vidéo, puis au fur et à mesure que vous faites défiler le tutoriel, la vidéo passe en mode image-en-image. Fermez la table des matières vidéo pour la meilleure expérience avec l'image en image. Vous pouvez utiliser le mode image-dans-image pour pouvoir suivre la vidéo à mesure que vous effectuez les tâches de ce tutoriel. Cliquez sur les horodatages de chaque tâche à suivre.

L'image animée suivante montre comment utiliser les fonctions d'image vidéo et de table des matières:

Comment utiliser l'image en image et les chapitres

Obtenir de l'aide dans la communauté

Si vous avez besoin d'aide pour ce tutoriel, vous pouvez poser une question ou trouver une réponse dans le forum de discussion de la communautéwatsonx.

Configurez les fenêtres de votre navigateur

Pour une expérience optimale lors de l'exécution de ce tutoriel, ouvrez Cloud Pak for Data dans une fenêtre de navigateur et laissez cette page de tutoriel ouverte dans une autre fenêtre de navigateur pour basculer facilement entre les deux applications. Envisagez d'organiser les deux fenêtres du navigateur côte à côte pour faciliter le suivi.

Tutoriel et interface utilisateur côte à côte

Astuce: Si vous rencontrez une visite guidée lors de l'exécution de ce tutoriel dans l'interface utilisateur, cliquez sur Peut-être plus tard.



Tâche 1: Ouvrir un projet

Vous avez besoin d'un projet pour stocker les données et l'expérimentation AutoAI . Vous pouvez utiliser votre projet de bac à sable ou créer un projet.

  1. Dans le menu de navigation Menu de navigation, sélectionnez Projets > Afficher tous les projets .

  2. Ouvrez votre projet de bac à sable. Si vous souhaitez utiliser un nouveau projet:

    1. Cliquez sur Nouveau projet.

    2. Sélectionnez Créer un projet vide.

    3. Entrez un nom et une description facultative pour le projet.

    4. Choisissez une instance de service object storage existante ou crée en une nouvelle.

    5. Cliquez sur Créer.

  3. Lorsque le projet s'ouvre, cliquez sur l'onglet Gérer et sélectionnez la page Services et intégrations.

    1. Dans l'onglet ServicesIBM , cliquez sur Associer un service.

    2. Sélectionnez votre instance Watson Machine Learning . Si vous ne disposez pas encore d'une instance de service Watson Machine Learning mise à disposition, procédez comme suit:

      1. Cliquez sur Nouveau service.

      2. Sélectionnez Watson Machine Learning.

      3. Cliquez sur Créer.

      4. Sélectionnez la nouvelle instance de service dans la liste.

    3. Cliquez sur Associer un service.

    4. Si nécessaire, cliquez sur Annuler pour revenir à la page Services & Intégrations .

Pour plus d'informations ou pour regarder une vidéo, voir Création d'un projet.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le nouveau projet.

L'image suivante montre le nouveau projet.




Tâche 2: Créer et entraîner le modèle

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:08.

Maintenant que vous disposez d'un projet, vous êtes prêt à générer et à entraîner le modèle à l'aide d' AutoAI. Procédez comme suit pour créer l'expérimentation AutoAI , examiner les pipelines de modèle et sélectionner un pipeline à enregistrer en tant que modèle:

  1. Cliquez sur l'onglet Actifs dans votre projet, puis cliquez sur Nouvel actif > Générer des modèles d'apprentissage automatique automatiquement.

  2. Sur la page Générer des modèles d'apprentissage automatique automatiquement , renseignez les zones de base:

    1. Cliquez sur le panneau Exemple de concentrateur de ressources .

    2. Sélectionnez Bank marketing sample data, puis cliquez sur Next. Le nom du projet et sa description seront remplis pour vous.

    3. Vérifiez que l'instance de service Machine Learning que vous avez associée à votre projet est sélectionnée dans la zone Watson Machine Learning Service du service Watson Machine Learning .

  3. Cliquez sur Créer.

  4. Dans cet exemple d'expérimentation AutoAI , vous verrez que l' exemple de données marketing de banque est déjà sélectionné pour votre expérimentation.

    Choisir une colonne de prévision

  5. Passez en revue les paramètres d'expérimentation prédéfinis. En fonction du fichier et de la colonne sélectionnée pour la prédiction, AutoAI analyse un sous-ensemble des données et choisit un type de prédiction et une métrique à optimiser. Dans ce cas, le type de prévision est Classification binaire, la classe positive est Yeset la métrique optimisée est ROC AUC & run time.

  6. Cliquez sur Exécuter l'expérimentation. A mesure que le modèle s'entraîne, vous voyez une infographie qui montre le processus de génération des pipelines.
    Générer des pipelines de modèle

    Pour obtenir la liste des algorithmes ou des estimateurs disponibles avec chaque technique d'apprentissage automatique dans AutoAI, voir: Détails de l'implémentation AutoAI.

  7. Une fois l'exécution de l'expérimentation terminée, vous pouvez afficher et comparer les pipelines classés dans un tableau de classement.

    Classement de pipeline

  8. Vous pouvez cliquer sur Comparaison de pipelines pour voir leur différence.

    Graphique des indicateurs de comparaison de pipeline

  9. Cliquez sur le pipeline le mieux classé pour afficher les détails du pipeline.

  10. Cliquez sur Enregistrer sous, sélectionnez Modèle, puis cliquez sur Créer. Le pipeline est alors sauvegardé en tant que modèle dans votre projet.

  11. Lorsque le modèle est sauvegardé, cliquez sur le lien Vue dans le projet dans la notification pour afficher le modèle dans votre projet. Vous pouvez également accéder à l'onglet Actifs du projet et cliquer sur le nom du modèle dans la section Modèles .

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le modèle.

L'image suivante montre le modèle.




Tâche 3: Promouvoir le modèle dans un espace de déploiement et déployer le modèle entraîné

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo à partir de 04:57.

Avant de pouvoir déployer le modèle, vous devez le promouvoir dans un espace de déploiement. Procédez comme suit pour promouvoir le modèle dans un espace de déploiement afin de déployer le modèle:

  1. Cliquez sur l'icône Promouvoir dans l'espace de déploiement Icône Promouvoir dans l'espace de déploiement .

  2. Choisissez un espace de déploiement existant. Si vous ne disposez pas d'un espace de déploiement:

    1. Cliquez sur Créer un nouvel espace de déploiement.

    2. Indiquez un nom d'espace et une description facultative.

    3. Sélectionnez un service de stockage.

    4. Sélectionnez un service d'apprentissage automatique.

    5. Cliquez sur Créer.

    6. Cliquez sur Fermer.

  3. Sélectionnez votre nouvel espace de déploiement dans la liste.

  4. Sélectionnez l'option Aller au modèle dans l'espace après l'avoir promu .

  5. Cliquez sur Promouvoir.

    Remarque: Si vous n'avez pas sélectionné l'option permettant d'accéder au modèle dans l'espace après l'avoir promu, vous pouvez utiliser le menu de navigation pour accéder à Déploiements afin de sélectionner votre espace de déploiement et votre modèle.
  6. Une fois le modèle ouvert, cliquez sur Nouveau déploiement.

    1. Sélectionnez En ligne comme Type de déploiement.

    2. Indiquez un nom pour le déploiement.

    3. Cliquez sur Créer.

  7. Une fois le déploiement terminé, cliquez sur le nom du déploiement pour afficher la page des détails de déploiement.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre le nouveau déploiement.

L'image suivante montre le nouveau déploiement.




Tâche 4: Tester le modèle déployé

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 06:22.

Maintenant que le modèle est déployé, vous pouvez le tester à l'aide de l'interface utilisateur ou des API Watson Machine Learning . Procédez comme suit pour utiliser l'interface utilisateur afin de tester le modèle avec de nouvelles données:

  1. Cliquez sur l'onglet Tester. Vous pouvez tester le modèle déployé à partir de la page des détails du déploiement des deux manières suivantes : test avec un formulaire ou test avec du code JSON.

  2. Cliquez sur l'onglet Entrée JSON , copiez les données de test suivantes et collez-les pour remplacer le texte JSON existant:

    {
       "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. Cliquez sur Prédit pour prédire si un client avec les attributs spécifiés est susceptible de s'inscrire pour un type de compte particulier. La prédiction qui en résulte indique qu'il existe une forte probabilité pour que ce client ne souscrive pas à la promotion marketing.

  4. Cliquez sur X pour fermer la fenêtre Résultats de la prévision .

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre les résultats du test du déploiement. Les valeurs de votre prévision peuvent différer des valeurs de l'image suivante.

L'image suivante montre les résultats du test du déploiement.




Tâche 5: Créer un travail par lots pour évaluer le modèle

Maintenant que vous avez testé le modèle déployé avec une seule prévision, vous pouvez créer un déploiement par lots pour évaluer simultanément plusieurs enregistrements.

Tâche 5a: Configurer le déploiement par lots

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo à partir de 07:00.

Pour un déploiement par lots, vous fournissez des données d'entrée, également appelées données utiles du modèle, dans un fichier CSV. Les données doivent être structurées comme les données de formation, avec les mêmes en-têtes de colonne. Le travail par lots traite chaque ligne de données et crée une prévision correspondante. Procédez comme suit pour télécharger les données de contenu dans l'espace de déploiement:

  1. Copiez et collez le texte suivant dans un éditeur de texte, puis sauvegardez le fichier en tant que bank-payload.csv.

    age,job,marital,education,default,balance,housing,loan,contact,day,month,duration,campaign,pdays,previous,poutcome
    30,unemployed,married,primary,no,1787,no,no,cellular,19,oct,79,1,-1,0,unknown
    33,services,married,secondary,no,4789,yes,yes,cellular,11,may,220,1,339,4,failure
    35,management,single,tertiary,no,1350,yes,no,cellular,16,apr,185,1,330,1,failure
    30,management,married,tertiary,no,1476,yes,yes,unknown,3,jun,199,4,-1,0,unknown
    59,blue-collar,married,secondary,no,0,yes,no,unknown,5,may,226,1,-1,0,unknown
    35,management,single,tertiary,no,747,no,no,cellular,23,feb,141,2,176,3,failure
    36,self-employed,married,tertiary,no,307,yes,no,cellular,14,may,341,1,330,2,other
    39,technician,married,secondary,no,147,yes,no,cellular,6,may,151,2,-1,0,unknown
    41,entrepreneur,married,tertiary,no,221,yes,no,unknown,14,may,57,2,-1,0,unknown
    43,services,married,primary,no,-88,yes,yes,cellular,17,apr,313,1,147,2,failure
    39,services,married,secondary,no,9374,yes,no,unknown,20,may,273,1,-1,0,unknown
    43,admin.,married,secondary,no,264,yes,no,cellular,17,apr,113,2,-1,0,unknown
    36,technician,married,tertiary,no,1109,no,no,cellular,13,aug,328,2,-1,0,unknown
    20,student,single,secondary,no,502,no,no,cellular,30,apr,261,1,-1,0,unknown
    31,blue-collar,married,secondary,no,360,yes,yes,cellular,29,jan,89,1,241,1,failure
    40,management,married,tertiary,no,194,no,yes,cellular,29,aug,189,2,-1,0,unknown
    56,technician,married,secondary,no,4073,no,no,cellular,27,aug,239,5,-1,0,unknown
    37,admin.,single,tertiary,no,2317,yes,no,cellular,20,apr,114,1,152,2,failure
    25,blue-collar,single,primary,no,-221,yes,no,unknown,23,may,250,1,-1,0,unknown
    31,services,married,secondary,no,132,no,no,cellular,7,jul,148,1,152,1,other
    
  2. Cliquez sur votre espace de déploiement dans la trace de navigation.

    Trace de navigation

  3. Cliquez sur l'onglet Actifs.

  4. Faites glisser le fichier bank-payload.csv dans le panneau latéral et attendez que le fichier soit téléchargé.

Icône de point de contrôle Vérifiez votre progression

L'image suivante montre l'onglet Actifs dans l'espace de déploiement.

Onglet Actifs dans l'espace de déploiement

Tâche 5b: Créer le déploiement par lots

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo à partir de 07:30.

Pour traiter un lot d'entrées et pour que la sortie soit écrite dans un fichier au lieu d'être affichées en temps réel, créez un travail de déploiement par lot.

  1. Accédez à l'onglet Actifs dans l'espace de déploiement.

  2. Cliquez sur le menu Menu déroulant dynamique Dépassement de votre modèle et choisissez Déployer.

  3. Pour Type de déploiement, sélectionnez Batch.

  4. Entrez un nom pour le déploiement.

  5. Choisissez la plus petite spécification de matériel.

  6. Cliquez sur Créer.

Icône de point de contrôle Vérifiez votre progression

L'image suivante illustre le déploiement par lots.

Déploiement par lot

Tâche 5c: Créer le travail par lots

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 07:44.

Le travail par lots exécute le déploiement. Pour créer le travail, indiquez les données d'entrée et le nom du fichier de sortie. Vous pouvez configurer un travail pour qu'il s'exécute immédiatement ou selon une planification. Pour créer un travail par lots, procédez comme suit:

  1. Sur la page de déploiement, cliquez sur Nouveau travail.

  2. Indiquez un nom pour le travail et cliquez sur Suivant.

  3. Sélectionnez la plus petite spécification matérielle, puis cliquez sur Suivant.

  4. Facultatif: définissez un planning, puis cliquez sur Suivant.

  5. Facultatif: choisissez de recevoir des notifications, puis cliquez sur Suivant.

  6. Dans l'écran Choisir des données , sélectionnez les données Entrée :

    1. Cliquez sur Sélectionner une source de données.

    2. Sélectionnez Actif de données > bank-payload.csv.

    3. Cliquez sur Confirmer.

  7. Dans l'écran Choisir des données , indiquez le fichier Sortie :

    1. Cliquez sur Ajouter.

    2. Cliquez sur Sélectionner une source de données.

    3. Vérifiez que l'onglet Créer est sélectionné.

    4. Pour le nom, entrez bank-output.csv.

    5. Cliquez sur Confirmer.

  8. Cliquez sur Suivant pour l'étape finale.

  9. Passez en revue les paramètres, puis cliquez sur Créer et exécuter pour exécuter le travail immédiatement.

Icône de point de contrôle Vérifiez votre progression

L'image suivante présente les détails du travail pour le déploiement par lots.

Créer un travail pour le déploiement par lots

Tâche 5d: Afficher la sortie

vidéo du tutoriel d'aperçu Pour prévisualiser cette tâche, regardez la vidéo qui commence à 08:42.

Procédez comme suit pour vérifier le fichier de sortie du travail par lots.

  1. Cliquez sur le nom du travail pour afficher le statut.

  2. Lorsque le statut passe à Terminé, cliquez sur le nom de votre espace de déploiement dans la trace de navigation.

  3. Cliquez sur l'onglet Actifs.

  4. Cliquez sur le fichier bank-output.csv pour passer en revue les résultats de prévision des informations client soumises pour le traitement par lots. Pour chaque cas, la prédiction a retourné ces clients peu susceptibles de s'abonner à la promotion bancaire.

Icône de point de contrôle Vérifiez votre progression

L'image suivante présente les résultats du travail de déploiement par lots.

L'image suivante montre les résultats du travail de déploiement par lots.



Etapes suivantes

A présent, vous pouvez utiliser ce fichier pour une analyse plus approfondie. Par exemple, vous ou d'autres utilisateurs pouvez effectuer l'une des tâches suivantes :

Ressources supplémentaires

Rubrique parent: Tutoriels de démarrage rapide

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus