0 / 0
資料の 英語版 に戻る
クイック・スタート: Decision Optimization モデルのビルド、実行、およびデプロイする

クイック・スタート: Decision Optimization モデルのビルド、実行、およびデプロイする

Decision Optimization モデルを作成して実行することで、目標に基づいてビジネス上の問題を解決するための最適な意思決定を行うことができます。 Decision Optimizationについて読み、ビデオを視聴して、処方的分析に関する知識はあるがコーディングは必要ないユーザーに適したチュートリアルを学習します。

基本的なワークフローには、以下のタスクが含まれます:

  1. サンドボックス・プロジェクトを開きます。 プロジェクトは、データを処理するために他のユーザーと共同作業できる場所です。
  2. Decision Optimization エクスペリメントをプロジェクトに追加します。 サンプル・ファイルから圧縮ファイルまたはデータを追加できます。
  3. Watson Machine Learning Service をプロジェクトに関連付けます。
  4. プロジェクトの Watson Machine Learning Serviceに関連付けるデプロイメント・スペースを作成します。
  5. Modeling Assistant でデータ、モデル目標、および制約を確認します。
  6. 1 つ以上のシナリオを実行してモデルをテストし、結果を確認します。
  7. モデルをデプロイします。

Decision Optimization について読む

Decision Optimization は、ビジネス上の問題に基づいて、データを分析し、(Modeling Assistant を使用して) 最適化モデルを作成することができます。 まず、最適化モデルは、ビジネス上の問題を、最適化エンジンが理解できる数式に変換することによって導出されます。 式は、最終的な決定の基礎となるモデルを定義する目標と制約で構成されます。 モデルは、入力データとともにシナリオを形成します。 最適化エンジンは、何百万もの可能性を制限する目的と制約を適用してシナリオを解決し、最良のソリューションを提供します。 このソリューションは、モデルの式を満たすか、またはモデルが実行不可能な場合は特定の制約を緩和します。 さまざまなデータを使用してシナリオをテストすることも、または目標と制約を変更して再実行し、ソリューションを表示することによってテストすることもできます。 問題がなければ、モデルをデプロイできます。

Decision Optimization の詳細をさらに読む

Decision Optimization モデルの作成に関するビデオをみ見る

< このビデオを視聴して、 Watson Studio および Watson Machine Learningを使用して Decision Optimization モデルを作成、解決、およびデプロイするためのサンプル Decision Optimization エクスペリメントを実行する方法を確認してください。

ビデオの特記事項: このビデオのいくつかのマイナー・ステップおよびグラフィカル・エレメントは、ご使用のプラットフォームとは異なる場合があります。 ユーザー・インターフェースは頻繁に改善されます。

このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。

チュートリアルを試行して、 Decision Optimization を使用するモデルを作成します

このチュートリアルでは、以下のタスクを実行します:

このチュートリアルを完了するための所要時間は約 30 分です。




  • ビデオ・ピクチャー・イン・ピクチャーの使用

    ヒント: ビデオを開始してから、チュートリアルをスクロールすると、ビデオはピクチャー・イン・ピクチャー・モードに移行します。 ピクチャー・イン・ピクチャーを最大限に活用するには、ビデオの目次を閉じます。 ピクチャー・イン・ピクチャー・モードを使用して、このチュートリアルのタスクを完了する際にビデオをフォローすることができます。 後続の各タスクのタイム・スタンプをクリックします。

    以下のアニメーション・イメージは、ビデオ・ピクチャー・イン・ピクチャーおよび目次機能の使用方法を示しています。

    ピクト・イン・ピクチャーおよび章の使用法

    コミュニティーでのヘルプの利用

    このチュートリアルでヘルプが必要な場合は、 Cloud Pak for Data コミュニティー・ディスカッション・フォーラムで質問したり、回答を見つけたりすることができます。

    ブラウザー・ウィンドウのセットアップ

    このチュートリアルを最適に実行するには、1 つのブラウザー・ウィンドウで Cloud Pak for Data を開き、このチュートリアル・ページを別のブラウザー・ウィンドウで開いたままにして、2 つのアプリケーションを簡単に切り替えることができます。 2 つのブラウザー・ウィンドウを横並びに配置して、見やすくすることを検討してください。

    横並びのチュートリアルと UI

    ヒント: ユーザー・インターフェースでこのチュートリアルを実行しているときにガイド・ツアーが表示された場合は、 「後で行うこともあります」をクリックします。

    上に戻る


  • データおよび AutoAI エクスペリメントを保管するためのプロジェクトが必要です。 サンドボックス・プロジェクトを使用することも、プロジェクトを作成することもできます。

    1. ナビゲーション・メニュー 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」 を選択します。

    2. サンドボックス・プロジェクトを開きます。 新規プロジェクトを使用する場合は、以下のようにします。

      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説明 (オプション) 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 サービス」 タブで、 「サービスの関連付け」をクリックします。

      2. Watson Machine Learning インスタンスを選択します。 Watson Machine Learning サービス・インスタンスがまだプロビジョンされていない場合は、以下の手順を実行します。

        1. 「新規サービス」をクリックします。

        2. Watson Machine Learningを選択します。

        3. 「作成」 をクリックします。

        4. リストから新規サービス・インスタンスを選択します。

      3. 「サービスの関連付け」をクリックします。

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

    詳しくは、 プロジェクトの作成を参照してください。

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、新規プロジェクトを示しています。

    以下のイメージは、新規プロジェクトを示しています。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 00:20から始まるビデオをご覧ください。

    次に、以下のステップに従って、プロジェクトに Decision Optimization エクスペリメントを作成します。

    1. 新規プロジェクトで、 「新規資産」>「最適化問題の求解」をクリックします。

    2. 「ローカル・ファイル」を選択します。

    3. 「サンプル・ファイルの取得」 をクリックして、サンプル・ファイルが含まれている GitHub リポジトリーを表示します。

      1. DO-Samples リポジトリーで、 watsonx.ai および Cloud Pak for Data as a Service フォルダーを開きます。

      2. 住宅建設サンプル・ファイルが含まれている HouseConstructionScheduling.zip ファイルをクリックします。

      3. 「ダウンロード」 をクリックして、zip ファイルをご使用のコンピューターに保存します。

    4. 「 Decision Optimization エクスペリメントの作成」 ページに戻り、 「参照」をクリックします。

      1. コンピューターから HouseConstructionScheduling.zip ファイルを選択します。

      2. 「開く」をクリックします。

    5. このプロジェクトに Watson Machine Learning サービスがまだ関連付けられていない場合は、 「 Machine Learning サービスの追加」をクリックします。

      1. Watson Machine Learning サービス・インスタンスを確認します。 既存のサービスを使用することも、ここから新規サービス・インスタンスを作成することもできます。 「新規サービス」をクリックし、 Machine Learningを選択して、 「作成」をクリックします。

      2. リストから Watson Machine Learning インスタンスを選択し、 「関連付け」をクリックします。

      3. 必要に応じて、 「キャンセル」 をクリックして 「サービスと統合 (Services & integrations)」 ページに戻ります。

        関連付けられたサービスについて詳しくは、 関連付けられたサービスの追加を参照してください。

    6. このエクスペリメントに関連付けるデプロイメント・スペースを選択してください。 既存のデプロイメント・スペースを持っていない場合は、作成します:

      1. 「デプロイメント・スペースの選択」 セクションで、 「新規デプロイメント・スペース」をクリックします。

      2. 「名前」 フィールドに House sample と入力して、デプロイメント・スペースの名前を指定します。

      3. 「作成」 をクリックします。

      4. スペースの準備ができたら、 「閉じる」 をクリックして 「 Decision Optimization エクスペリメントの作成」 ページに戻ります。 新規デプロイメント・スペースが選択されます。

    7. 「作成」 をクリックして、 Decision Optimization エクスペリメントを開きます。

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、サンプル・ファイルを使用したエクスペリメントを示しています。

    以下の画像は、サンプル・ファイルを使用したエクスペリメントを示しています。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 01:47から始まるビデオをご覧ください。

    Decision Optimization Modeling Assistantを使用してモデルを作成し、結果を視覚化するには、以下の手順を実行します。

    1. 左側のペインで、 「モデルの作成」 をクリックして Modeling Assistantを開きます。 このモデルは、 Modeling Assistant を使用して作成されたため、目的と制約が自然言語で記述されていることを確認できますが、 Python、OPL でモデルを定式化したり、CPLEX および CPO モデルをインポートしたりすることもできます。

    2. 実行 をクリックして、モデルを解決するシナリオを実行し、実行が完了するまで待ちます。

    3. 実行が完了すると、 ソリューションの探索 ビューが表示されます。 「結果」 タブで、 「ソリューション資産」 をクリックして、決定変数の結果の (最良の) 値を表示します。 これらのソリューション・テーブルは、デフォルトでアルファベット順に表示されます。

    4. 左側のペインで、 可視化を選択します。

    5. 「ソリューション」 タブで、 「ガント」 を選択して、最適なスケジュールのシナリオを表示します。

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、ガント・チャートが表示された「視覚化」ページを示しています。

    以下の画像は、ガント・チャートが表示された「視覚化」ページを示しています。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 03:01から始まるビデオをご覧ください。

    ここで、追加の目的を考慮するために、モデルの設計を変更します。 モデルの目標と制約を変更するには、以下の手順を実行します。

    1. モデルの作成をクリックしてください。

    2. 左側のペインで、 「Scenario 1」の横にある 「Overflow」 メニュー オーバーフロー・メニュー をクリックし、 「Duplicate」を選択します。

    3. 名前に Scenario 2 と入力し、 作成をクリックしてください。

    4. シナリオ 2の場合は、各請負業者の専門知識に基づいて作業の品質を最適化するための目的をモデルに追加します。

      1. 「モデルに追加」の下の検索フィールドに overall qualityと入力し、 Enterを押します。

      2. 目的 セクションを展開します。

      3. 下請け業者とアクティビティの割り当ての全体的な品質を、割り当て値の表に従って最大化する をクリックして、目的として追加します。 この新しい目標は、 すべてのアクティビティーの完了までの時間を最小化 目標とともに 目的 セクションの下にリストされるようになりました。

      4. 追加した目的について、 割り当て値の表をクリックし、 専門知識を選択してください。 専門知識 パラメーターのリストが表示されます。

      5. このリストから、 定義 をクリックして、契約者の専門知識を定義するフィールドを変更し、 スキル・レベルを選択してください。

    5. 実行 をクリックして、モデルを作成するシナリオを実行し、実行が完了するまで待機します。

    6. 「ソリューションの探索」 ページに戻り、 「目標」 および ソリューション資産を表示します。

    7. 左側のペインで、 可視化を選択します。

    8. 「ソリューション」 タブで、 「ガント」 を選択して、最適なスケジュールのシナリオを表示します。

    9. 左側のペインの 「概要」 をクリックして、 「シナリオ 1」「シナリオ 2」の間で統計を比較します。

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、新しいガント・チャートが表示された「視覚化」ページを示しています。

    以下の画像は、新しいガント・チャートが表示された「視覚化」ページを示しています。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 04:07から始まるビデオをご覧ください。

    次に、以下の手順に従って、モデルをデプロイメント・スペースにプロモートし、デプロイメントを作成します。

    1. 「シナリオ 1」の横にある 「オーバーフロー」 メニュー オーバーフロー・メニュー をクリックし、 「デプロイメント用に保存」を選択します。

    2. 「モデル名」 フィールドに House Constructionと入力し、 「次へ」をクリックします。

    3. モデル情報を確認し、 「保存」をクリックします。

    4. モデルが正常に保存された後、モデルへのリンクを含む通知バーが表示されます。 プロジェクトで表示をクリックしてください。

      1. 通知を見逃した場合は、ナビゲーション・トレールでプロジェクト名をクリックします。

      2. プロジェクトの 「資産」 タブをクリックします。

      3. 「住宅建設」 モデルをクリックします。

    5. デプロイメント・スペースにプロモートをクリックしてください。

      1. 「ターゲット・スペース」で、リストから 「House sample」 (またはデプロイメント・スペース) を選択します。

      2. 「デプロイ後にスペース内のモデルに移動」オプションにチェック・マークを付けます。

      3. プロモートをクリックします。

    6. モデルが正常にプロモートされると、 「住宅建設」 モデルがデプロイメント・スペースに表示されます。

    7. 新規デプロイメントをクリックしてください。

      1. デプロイメント名には、 House deploymentと入力します。

      2. ハードウェア定義の場合は、リストから 2 CPU および 8 GB RAM を選択してください。

      3. 「作成」 をクリックします。

    8. デプロイメントの状況が 「デプロイ済み」に変わるのを待ちます。

    チェックポイント・アイコン 進行状況を確認してください

    以下のイメージは、House デプロイメントを示しています。

    以下のイメージは、House デプロイメントの「視覚化」ページを示しています。


    上に戻る


  • プレビュー・チュートリアル・ビデオ このタスクをプレビューするには、 04:55から始まるビデオをご覧ください。

    シナリオを使用してモデルをテストするには、コンピューターからデプロイメント・スペースにデータ・ファイルをアップロードする必要があります。 以下のステップに従って、サンプル zip ファイルに含まれている CSV ファイルを使用してジョブを作成することにより、モデルをテストします。

    1. ナビゲーション・トレールで 「House sample」 (またはデプロイメント・スペース) をクリックして、デプロイメント・スペースに戻ります。

    2. 「資産」タブをクリックします。

      1. ご使用のコンピューターの HouseConstructionScheduling.zip ファイルの .containers> Scenario 1 フォルダーに、いくつかの CSV ファイルが見つかります。

      2. 「アセットのアップロード」 アイコン プロジェクトへの資産のアップロード・アイコン をクリックして、 「データ」 パネルを開きます。

      3. Subcontractor.csvActivity.csv、 および Expertise.csv ファイルを データ パネルの ここにファイルをドロップするか、またはアップロードするファイルを参照する 領域にドラッグしてください。

    3. デプロイメント タブをクリックしてください。

    4. 「House デプロイメント」をクリックします。

    5. ここで、モデルをスコアリングするジョブをサブミットするために、 「新規ジョブ」をクリックします。

    6. ジョブ名には、 House construction job と入力します。

    7. 次へ をクリックします。

    8. 構成 ページでデフォルト値を選択し、 次へをクリックしてください。

    9. スケジュール ページでデフォルト値を選択し、 次へをクリックしてください。

    10. 通知 ページでデフォルト値を選択し、 次へをクリックしてください。

    11. データの選択 ページの 入力 セクションで、入力 ID ごとに、以前にスペースにロードした対応するデータ資産を選択してください。

    12. 出力 セクションで、作成する各ソリューション・テーブルの名前を指定します。

      1. Output ID ScheduledActivities.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として ScheduledActivities.csv と入力し、 確認をクリックしてください。

      2. Output ID NotScheduledActivities.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として NotScheduledActivities.csv と入力し、 確認をクリックしてください。

      3. Output ID stats.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として stats.csv と入力し、 確認をクリックしてください。

      4. Output ID kpis.csvの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として kpis.csv と入力し、 確認をクリックしてください。

      5. Output ID solution.jsonの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前として solution.json と入力し、 確認をクリックしてください。

      6. 「出力 ID」 log.txtの場合は、 「データ・ソースの選択」>「新規作成」をクリックし、名前に log.txt と入力して、 「確認」をクリックします。

    13. データの選択 ページの情報を確認し、 次へをクリックしてください。

    14. 「レビューと作成 (Review and create)」 ページの情報を確認し、 「作成して実行 (Create and run)」をクリックします。

    15. 「House deployment」 モデル・ページで、 「House construction job」 という名前で作成したジョブをクリックして、その状況を確認します。

    16. ジョブ実行が完了したら、 「House sample」 (またはデプロイメント・スペース) をクリックしてデプロイメント・スペースに戻ります。

    17. 「アセット (Assets)」タブに、以下の出力ファイルが表示されます。

      • スケジュールされたアクティブ化 .csv

      • スケジュールされていないアクティブ化 .csv

      • stats.csv

      • kpis.csv

      • solution.json

      • log.txt

    18. これらの各資産に対して、 ダウンロード アイコンをクリックして、これらの各ファイルを表示します。

    チェックポイント・アイコン 進行状況を確認してください

    以下の画像は、完了したバッチ・ジョブを示しています。

    以下の画像は、完了したバッチ・ジョブを含む「視覚化」ページを示しています。


    上に戻る

次のステップ

これで、このデータ・セットをさらに分析するために使用できます。 例えば、ユーザーまたは他のユーザーは、以下のいずれかのタスクを実行できます:

その他のリソース

親トピック: クイック・スタート・チュートリアル

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細