クイック・スタート: AutoAI を使用して機械学習モデルを作成とデプロイする

データとAutoAI実験を保存するプロジェクトが必要です。 サンドボックス・プロジェクトを使うことも、プロジェクトを作成することもできる。

1. ナビゲーションメニュー「」から、「プロジェクト」 > 「すべてのプロジェクトを表示」を選択する

2. サンドボックスプロジェクトを開く。 新しいプロジェクトを使いたい場合：

   1. 新規プロジェクトをクリックしてください。

   2. 「空のプロジェクトの作成」を選択します。

   3. プロジェクトの名前と任意の説明を入力します。

   4. 既存の オブジェクト・ストレージ・サービス・インスタンス を選択するか、または新規作成します。

   5. 「作成」 をクリックします。

3. プロジェクトが開始したら、 管理 タブをクリックし、 サービスと統合 ページを選択してください。

   1. IBM servicesタブで、Associateサービスをクリックします。

   2. watsonx.aiランタイムインスタンスを選択します。 watsonx.aiRuntime サービスインスタンスがまだプロビジョニングされていない場合は、以下の手順に従ってください：

      1. 新規サービスをクリックします。

      2. watsonx.aiランタイムを選択します。

      3. 「作成」 をクリックします。

      4. リストから新しいサービス・インスタンスを選択する。

   3. サービスを関連付けるをクリックします。

   4. 必要に応じて、キャンセルをクリックし、サービス & 統合ページに戻ります。

詳細またはビデオについては、プロジェクトの作成をご覧ください。

このタスクをプレビューするには、00:08から始まるビデオをご覧ください。

プロジェクトができたので、AutoAI を使ってモデルを構築し、トレーニングする準備ができました。 以下の手順に従って、AutoAI 実験を作成し、モデルパイプラインを確認し、モデルとして保存するパイプラインを選択します：

1. プロジェクトの 資産 タブをクリックし、次に 新規資産 > 機械学習モデルの構築または検索拡張生成の自動取得 をクリックします。

2. 機械学習モデルを自動的に構築するページで、基本的な項目を入力する：

   1. リソースハブサンプルパネルをクリックします。

   2. バンクマーケティングサンプルデータを選択し、次へをクリックします。 プロジェクト名と説明が自動的に入力されます。

   3. プロジェクトに関連付けた「watsonx.aiランタイムサービスインスタンスが「watsonx.aiランタイム・サービス・インスタンスフィールドで選択されていることを確認します。

3. 「作成」 をクリックします。

4. このサンプルAutoAI実験では、銀行マーケティングサンプルデータがすでに実験用に選択されていることがわかります。

   

5. プリセットの実験設定を見直す。 AutoAI は、データ・セットと、予測対象として選択された列に基づいて、データのサブセットを分析し、最適化する予測タイプとメトリックを選択します。 この場合、予測タイプはBinary Classification、ポジティブ・クラスはYes、最適化されたメトリックはROC AUC & run timeです。

6. 「エクスペリメントの実行 (Run experiment)」をクリックします。 モデルがトレーニングすると、パイプラインの構築過程を示すインフォグラフィックが表示される。
   '

   AutoAI の各機械学習手法で使用可能なアルゴリズム または推定法のリストについては、 AutoAI 実装の詳細を参照してください。

7. 実験が完了すると、ランキングされたパイプラインをリーダーボードで表示し、比較することができます。

   

8. パイプラインの比較をクリックすると、両者の違いを見ることができる。

   

9. 最高ランクのパイプラインをクリックすると、パイプラインの詳細が表示されます。

10. Save asをクリックし、Modelを選択し、Createをクリックします。 これにより、パイプラインがモデルとしてプロジェクトに保存されます。

11. モデルが保存されたら、通知内の プロジェクトで表示 リンクをクリックして、プロジェクト内のモデルを表示します。 あるいは、プロジェクトの資産タブに移動し、モデルセクションでモデル名をクリックすることもできます。

このタスクをプレビューするには、 04:57から始まるビデオをご覧ください。

モデルを配置する前に、モデルを配置スペースにプロモートする必要があります。 以下の手順に従って、モデルを配置スペースに昇格し、モデルを配置します：

1. 配備促進スペースアイコン「」をクリックする。

2. 既存のデプロイメント・スペースを選択してください。 もし配置スペースがなければ：

   1. 新しい配置スペースを作成をクリックします。

   2. スペース名とオプションの説明を提供します。

   3. ストレージ・サービスを選択してください。

   4. 機械学習サービスを選択してください。

   5. 「作成」 をクリックします。

   6. 閉じるをクリックします。

3. リストから新しい配置スペースを選択します。

4. プロモーション後、スペース内のモデルに移動するオプションを選択します。

5. プロモートをクリックします。

   注意:プロモーション後にスペース内のモデルに移動するオプションを選択しなかった場合は、ナビゲーション メニューを使用して デプロイメントに移動し、デプロイメント スペースとモデルを選択できます。

6. モデルを開いた状態で、新規配置をクリックします。

   1. デプロイメント・タイプとして オンライン を選択してください。

   2. デプロイメントの名前を指定します。

   3. 「作成」 をクリックします。

7. デプロイメントが完了したら、デプロイメント名をクリックして、デプロイメントの詳細ページを表示します。

このタスクをプレビューするには、06:22から始まるビデオをご覧ください。

モデルがデプロイされたので、ユーザーインターフェースまたはwatsonx.aiRuntime API を使ってオンラインデプロイメントをテストできます。 以下の手順に従って、ユーザーインターフェイスを使用して、新しいデータでモデルをテストしてください：

1. テストタブをクリックします。 デプロイされたモデルは、デプロイメントの詳細ページから 2 つの方法でテストできます：1 つはフォームを使用してテストし、もう 1 つは JSON コードを使用してテストします。

2. JSON入力タブをクリックし、以下のテストデータをコピーして、既存のJSONテキストを置き換えるために貼り付けます：

   {
      "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. 指定した属性を持つ顧客が特定の種類のアカウントに登録する可能性が高いかどうかを予測するには、 予測 をクリックしてください。 結果の予測は、この顧客がマーケティング・プロモーションに登録しない可能性が高いことを示しています。

4. Xをクリックして、予測結果ウィンドウを閉じます。

デプロイされたモデルを1つの予測でテストしたので、複数のレコードを同時にスコアリングするバッチデプロイメントを作成できます。