0 / 0
영어 버전 문서로 돌아가기
빠른 시작: Decision Optimization 모델 빌드, 실행 및 배치

빠른 시작: Decision Optimization 모델 빌드, 실행 및 배치

Decision Optimization 모델을 빌드하고 실행하여 목표에 따라 비즈니스 문제점을 해결하기 위한 최상의 의사결정을 내릴 수 있습니다. Decision Optimization에 대해 읽은 후 비디오를 보고 처방 분석에 대한 지식이 있지만 코딩이 필요하지 않은 사용자에게 적합한 학습서를 사용하십시오.

기본 워크플로우에는 다음 태스크가 포함됩니다.

  1. 샌드박스 프로젝트를 여십시오. 프로젝트는 데이터 작업을 위해 다른 사용자와 협업하는 위치입니다.
  2. 프로젝트에 Decision Optimization 실험을 추가하십시오. 샘플 파일에서 압축 파일 또는 데이터를 추가할 수 있습니다.
  3. Watson Machine Learning 서비스를 프로젝트와 연관시키십시오.
  4. 프로젝트의 Watson Machine Learning 서비스와 연관시킬 배치 공간을 작성하십시오.
  5. 모델링 지원에서 데이터, 모델 목표 및 제한조건을 검토하십시오.
  6. 하나 이상의 시나리오를 실행하여 모델을 테스트하고 결과를 검토하십시오.
  7. 모델을 배치하십시오.

Decision Optimization에 대한 정보

Decision Optimization은 비즈니스 문제점을 기반으로 데이터를 분석하고 모델링 지원을 사용하여 최적화 모델을 작성할 수 있습니다. 먼저, 최적화 모델은 비즈니스 문제점을 최적화 엔진이 이해할 수 있는 수학적인 공식으로 변환하여 파생됩니다. 제형은 최종 결정이 기반으로 하는 모델을 정의하는 목표 및 제한조건으로 구성됩니다. 모델은 입력 데이터와 함께 시나리오를 형성합니다. 최적화 엔진은 목표 및 제한조건을 적용하여 수백만 개의 가능성을 제한하고 최상의 솔루션을 제공함으로써 시나리오를 해결합니다. 이 솔루션은 모델을 충족시키거나 모델이 실행 불가능한 경우 특정 제한조건을 릴레이하는 것입니다. 다른 데이터를 사용하여 시나리오를 테스트하거나 목표 및 제한조건을 수정하고 솔루션을 다시 실행하여 시나리오를 테스트할 수 있습니다. 일단 만족하면 모델을 배치할 수 있습니다.

Decision Optimization에 대한 자세한 정보

Decision Optimization 모델 작성에 대한 비디오 시청

비디오 보기 Watson Studio 및 Watson Machine Learning을 사용하여 Decision Optimization 모델을 작성, 해결 및 배치하기 위해 샘플 Decision Optimization 실험을 실행하는 방법을 보려면 이 비디오를 시청하십시오.

비디오 면책사항: 이 비디오의 일부 사소한 단계 및 그래픽 요소는 플랫폼과 다를 수 있습니다. 사용자 인터페이스가 자주 개선됩니다.

이 비디오는 이 문서의 개념 및 태스크를 학습하기 위한 시각적 방법을 제공합니다.

Decision Optimization을 사용하는 모델을 작성하기 위해 학습 시도

이 학습서에서는 다음 태스크를 완료합니다.

이 튜토리얼을 완료하는 데 대략 30분 정도 소요됩니다.




  • 비디오 사진 사용

    팁: 비디오를 시작한 후 학습을 통해 화면이동하면 비디오가 그림 모드로 이동합니다. 픽처 인 픽처를 사용하여 최상의 경험을 얻으려면 비디오 목차를 닫으십시오. 그림 모드를 사용하여 이 학습서의 태스크를 완료하면서 비디오를 따라갈 수 있습니다. 각 태스크에 대한 시간소인을 클릭하여 수행하십시오.

    다음 애니메이션 이미지는 비디오 픽처 인 픽처 및 목차 기능을 사용하는 방법을 보여줍니다.

    그림 및 장을 사용하는 방법

    커뮤니티에서 도움 받기

    이 튜토리얼에 대한 도움이 필요한 경우 Cloud Pak for Data 커뮤니티 토론 포럼에서 질문하거나 응답을 찾을 수 있습니다.

    브라우저 창 설정

    이 튜토리얼을 완료하는 최적의 경험을 위해 한 브라우저 창에서 Cloud Pak for Data 를 열고 두 애플리케이션 간에 쉽게 전환할 수 있도록 다른 브라우저 창에서 이 튜토리얼 페이지를 열어 두십시오. 따라하기 쉽도록 두 개의 브라우저 창을 나란히 배열하는 것을 고려하십시오.

    병행 학습서 및 UI

    팁: 사용자 인터페이스에서 이 학습서를 완료하는 동안 안내식 둘러보기가 표시되면 나중에를 클릭하십시오.

    맨 위로


  • 데이터 및 AutoAI 실험을 저장할 프로젝트가 필요합니다. 샌드박스 프로젝트를 사용하거나 프로젝트를 작성할 수 있습니다.

    1. 탐색 메뉴 탐색 메뉴에서 프로젝트 > 모든 프로젝트 보기 를 선택하십시오.

    2. 샌드박스 프로젝트를 여십시오. 새 프로젝트를 사용하려면 다음을 수행하십시오.

      1. 새 프로젝트를 클릭하십시오.

      2. 빈 프로젝트 작성을 선택하십시오.

      3. 프로젝트의 이름 및 선택적 설명을 입력하십시오.

      4. 기존 오브젝트 스토리지 서비스 인스턴스를 선택하거나 새로 작성하십시오.

      5. 작성을 클릭하십시오.

    3. 프로젝트가 열리면 관리 탭을 클릭하고 서비스 및 통합 페이지를 선택하십시오.

      1. IBM 서비스 탭에서 서비스 연관을 클릭하십시오.

      2. Watson Machine Learning 인스턴스를 선택하십시오. Watson Machine Learning 서비스 인스턴스가 아직 프로비저닝되지 않은 경우 다음 단계를 수행하십시오.

        1. 새 서비스를 클릭하십시오.

        2. Watson Machine Learning을 선택하십시오.

        3. 작성을 클릭하십시오.

        4. 목록에서 새 서비스 인스턴스를 선택하십시오.

      3. 서비스 연관을 클릭하십시오.

      4. 필요한 경우 취소 를 클릭하여 서비스 및 통합 페이지로 돌아가십시오.

    자세한 정보는 프로젝트 작성을 참조하십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 새 프로젝트를 표시합니다.

    다음 이미지는 새 프로젝트를 표시합니다.


    맨 위로


  • 학습서 비디오 미리보기 이 태스크를 미리 보려면 00:20에서 시작하는 비디오를 보십시오.

    이제 다음 단계에 따라 프로젝트에서 Decision Optimization 실험을 작성하십시오.

    1. 새 프로젝트에서 새 자산 > 최적화 문제점 해결을 클릭하십시오.

    2. 로컬 파일을 선택하십시오.

    3. 샘플 파일 가져오기 를 클릭하여 샘플 파일이 포함된 GitHub 저장소를 보십시오.

      1. DO-Samples 저장소에서 watsonx.ai 및 Cloud Pak for Data as a Service 폴더를 여십시오.

      2. 주택 건축 샘플 파일을 포함하는 HouseConstructionScheduling.zip 파일을 클릭하십시오.

      3. 다운로드 를 클릭하여 zip 파일을 컴퓨터에 저장하십시오.

    4. Decision Optimization 실험 작성 페이지로 돌아가서 찾아보기를 클릭하십시오.

      1. 컴퓨터에서 HouseConstructionScheduling.zip 파일을 선택하십시오.

      2. 열기를 누르십시오.

    5. 이 프로젝트와 연관된 Watson Machine Learning 서비스가 아직 없는 경우 Machine Learning 서비스 추가를 클릭하십시오.

      1. Watson Machine Learning 서비스 인스턴스를 검토하십시오. 기존 서비스를 사용하거나 여기에서 새 서비스 인스턴스를 작성할 수 있습니다. 새 서비스를 클릭하고 Machine Learning을 선택한 후 작성을 클릭하십시오.

      2. 목록에서 Watson Machine Learning 인스턴스를 선택하고 연관을 클릭하십시오.

      3. 필요한 경우 취소 를 클릭하여 서비스 및 통합 페이지로 돌아가십시오.

        연관된 서비스에 대한 추가 정보는 연관된 서비스 추가를 참조하십시오.

    6. 이 실험과 연관시킬 배치 공간을 선택하십시오. 기존 배치 공간이 없는 경우 다음을 작성하십시오.

      1. 배치 영역 선택 섹션에서 새 배치 영역을 클릭하십시오.

      2. 이름 필드에 House sample 를 입력하여 배치 영역의 이름을 제공하십시오.

      3. 작성을 클릭하십시오.

      4. 공간이 준비되면 닫기 를 클릭하여 Decision Optimization 실험 작성 페이지로 돌아가십시오. 새 배치 영역이 선택되었습니다.

    7. 작성 을 클릭하여 Decision Optimization 실험을 여십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 샘플 파일에 대한 실험을 표시합니다.

    다음 이미지는 샘플 파일을 사용한 실험을 보여줍니다.


    맨 위로


  • 학습서 비디오 미리보기 이 태스크를 미리 보려면 01:47에서 시작하는 비디오를 보십시오.

    Decision Optimization Modeling Assistant를 사용하여 모델을 빌드하고 결과를 시각화하려면 다음 단계를 수행하십시오.

    1. 왼쪽 분할창에서 모델 빌드 를 클릭하여 Modeling Assistant를 여십시오. 이 모델은 Modeling Assistant 를 사용하여 빌드되었으므로 목적 및 제약조건이 자연어로 되어 있음을 확인할 수 있지만 Python, OPL에서 모델을 공식화하거나 CPLEX및 CPO 모델을 가져올 수도 있습니다.

    2. 모델을 해결하는 시나리오를 실행하고 실행이 완료될 때까지 대기하려면 실행을 클릭하십시오.

    3. 실행이 완료되면 솔루션 탐색 보기가 표시됩니다. 결과 탭에서 솔루션 자산 을 클릭하여 의사결정 변수의 결과 (최적) 값을 확인하십시오. 이러한 솔루션 테이블은 기본적으로 알파벳순으로 표시됩니다.

    4. 왼쪽 분할창에서 시각화를 선택하십시오.

    5. 솔루션 탭에서 갠트 를 선택하여 최적의 스케줄로 시나리오를 보십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 갠트 차트가 있는 시각화 페이지를 표시합니다.

    다음 이미지는 갠트 차트가 있는 시각화 페이지를 표시합니다.


    맨 위로


  • 학습서 비디오 미리보기 이 태스크를 미리 보려면 03:01에서 시작하는 비디오를 보십시오.

    이제 추가 목적을 고려하기 위해 모델 공식을 변경하려고 합니다. 모델 목표 및 제한조건을 변경하려면 다음 단계를 수행하십시오.

    1. 모델 빌드를 클릭하십시오.

    2. 왼쪽 분할창에서 시나리오 1옆에 있는 오버플로우 메뉴 오버플로우 메뉴 를 클릭하고 복제를 선택하십시오.

    3. 이름에 Scenario 2을(를) 입력하고 작성을 클릭하십시오.

    4. 시나리오 2의 경우, 모델에 목표를 추가하여 각 계약자의 전문 지식을 기반으로 작업의 품질을 최적화하십시오.

      1. 모델에 추가아래의 검색 필드에 overall quality를 입력하고 Enter를 누르십시오.

      2. 목표 섹션을 펼치십시오.

      3. 지정 값 테이블에 따라 하위계약자-활동 지정의 전반적인 품질 최대화를 클릭하여 목표로 추가하십시오. 이 새 목표는 이제 모든 활동을 완료하는 데 시간 최소화 목표와 함께 목표 섹션 아래에 나열됩니다.

      4. 방금 추가한 목표에 대해 지정 값 테이블을 클릭하고 전문 지식을 선택하십시오. 전문 지식 매개변수 목록이 표시됩니다.

      5. 이 목록에서 정의를 클릭하여 계약자 전문 지식을 정의하는 필드를 변경하고 스킬 레벨을 선택하십시오.

    5. 실행을 클릭하여 시나리오를 실행하여 모델을 빌드하고 실행이 완료될 때까지 기다리십시오.

    6. 목표솔루션 자산을 보려면 솔루션 탐색 페이지로 돌아가십시오.

    7. 왼쪽 분할창에서 시각화를 선택하십시오.

    8. 솔루션 탭에서 갠트 를 선택하여 최적의 스케줄로 시나리오를 보십시오.

    9. 왼쪽 분할창에서 개요 를 클릭하여 시나리오 1시나리오 2간의 통계를 비교하십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 새 갠트 차트가 있는 시각화 페이지를 표시합니다.

    다음 이미지는 새 갠트 차트가 있는 시각화 페이지를 표시합니다.


    맨 위로


  • 학습서 비디오 미리보기 이 태스크를 미리 보려면 04:07에서 시작하는 비디오를 보십시오.

    다음으로 다음 단계에 따라 모델을 배치 영역으로 승격하고 배치를 작성하십시오.

    1. 시나리오 1옆에 있는 오버플로우 메뉴 오버플로우 메뉴 를 클릭하고 배치를 위해 저장을 선택하십시오.

    2. 모델 이름 필드에 House Construction를 입력하고 다음을 클릭하십시오.

    3. 모델 정보를 검토하고 저장을 클릭하십시오.

    4. 모델이 성공적으로 저장되면 모델에 대한 링크와 함께 알림 표시줄이 표시됩니다. 프로젝트 보기를 클릭하십시오.

      1. 알림이 누락된 경우 탐색 추적에서 프로젝트 이름을 클릭하십시오.

      2. 프로젝트에서 자산 탭을 클릭하십시오.

      3. 주택 건설 모델을 클릭하십시오.

    5. 배치 공간으로 프로모션을 클릭하십시오.

      1. 대상 공간의 경우 목록에서 하우스 샘플 (또는 배치 공간) 을 선택하십시오.

      2. 배치 후 영역의 모델로 이동을 선택하는 옵션을 선택하십시오.

      3. 승격을 클릭하십시오.

    6. 모델이 성공적으로 승격되면 House Construction 모델이 배치 영역에 표시됩니다.

    7. 새 배치를 클릭하십시오.

      1. 배치 이름에 House deployment을(를) 입력하십시오.

      2. 하드웨어 정의의 경우 목록에서 2 CPU 및 8GB RAM을 선택하십시오.

      3. 작성을 클릭하십시오.

    8. 배치 상태가 배치됨으로 변경될 때까지 기다리십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 House 배치를 표시합니다.

    다음 이미지는 House 배치가 있는 시각화 페이지를 표시합니다.


    맨 위로


  • 학습서 비디오 미리보기 이 태스크를 미리 보려면 04:55에서 시작하는 비디오를 보십시오.

    시나리오를 사용하여 모델을 테스트하려면 컴퓨터에서 배치 영역으로 데이터 파일을 업로드해야 합니다. 샘플 zip 파일에 포함된 CSV 파일을 사용하여 작업을 작성하여 모델을 테스트하려면 다음 단계를 수행하십시오.

    1. 탐색 추적에서 하우스 샘플 (또는 배치 영역) 을 클릭하여 배치 영역으로 돌아가십시오.

    2. 자산 탭을 클릭하십시오.

      1. 컴퓨터의 HouseConstructionScheduling.zip 파일에서 .컨테이너 > 시나리오 1 폴더에 여러 개의 CSV 파일이 있습니다.

      2. 자산 업로드 아이콘 프로젝트에 자산 업로드 아이콘 을 클릭하여 데이터 패널을 여십시오.

      3. Subcontractor.csv, Activity.csvExpertise.csv 파일을 데이터 패널의 여기에 파일을 놓거나 업로드할 파일 찾아보기 영역으로 끄십시오.

    3. 배치 탭을 클릭하십시오.

    4. 하우스 배치를 클릭하십시오.

    5. 이제 모델을 스코어링할 작업을 제출하려면 새 작업을 클릭하십시오.

    6. 작업 이름에 House construction job을(를) 입력하십시오.

    7. 다음 을 클릭하십시오.

    8. 구성 페이지에서 기본값을 선택하고 다음을 클릭하십시오.

    9. 스케줄 페이지에서 기본값을 선택하고 다음을 클릭하십시오.

    10. 알림 페이지에서 기본값을 선택하고 다음을 클릭하십시오.

    11. 데이터 선택 페이지의 입력 섹션에서 각 입력 ID에 대해 이전에 공간에 로드한 해당 데이터 자산을 선택하십시오.

    12. 출력 섹션에서 작성할 각 솔루션 테이블의 이름을 제공합니다.

      1. 출력 ID ScheduledActivities.csv의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 ScheduledActivities.csv을(를) 입력한 후 확인을 클릭하십시오.

      2. 출력 ID NotScheduledActivities.csv의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 NotScheduledActivities.csv을(를) 입력한 후 확인을 클릭하십시오.

      3. 출력 ID stats.csv의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 stats.csv을(를) 입력한 후 확인을 클릭하십시오.

      4. 출력 ID kpis.csv의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 kpis.csv을(를) 입력한 후 확인을 클릭하십시오.

      5. 출력 ID solution.json의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 solution.json을(를) 입력한 후 확인을 클릭하십시오.

      6. 출력 ID log.txt의 경우 데이터 소스 선택 > 새로 작성을 클릭하고 이름에 log.txt 를 입력한 후 확인을 클릭하십시오.

    13. 데이터 선택 페이지의 정보를 검토한 후 다음을 클릭하십시오.

    14. 검토 및 작성 페이지의 정보를 검토한 후 작성 및 실행을 클릭하십시오.

    15. 하우스 배치 모델 페이지에서 하우스 건설 작업 이라는 이름으로 작성한 작업을 클릭하여 해당 상태를 확인하십시오.

    16. 작업 실행이 완료된 후 집 샘플 (또는 배치 영역) 을 클릭하여 배치 영역으로 돌아가십시오.

    17. 자산 탭에 다음과 같은 출력 파일이 표시됩니다.

      • ScheduledActivities.csv

      • NotScheduledactivities.csv

      • stats.csv

      • kpis.csv

      • solution.json

      • log.txt

    18. 이러한 각 자산에 대해 다운로드 아이콘을 클릭한 후 이러한 각 파일을 보십시오.

    체크포인트 아이콘 진행 상태 확인

    다음 이미지는 완료된 일괄처리 작업을 표시합니다.

    다음 이미지는 완료된 일괄처리 작업이 있는 시각화 페이지를 표시합니다.


    맨 위로

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: 빠른 시작 학습서

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기