Przeczytaj informacje na temat Decision Optimization

Decision Optimization umożliwia analizowanie danych i tworzenie modelu optymalizacji (za pomocą Modeling Assistant) w oparciu o problem biznesowy. Po pierwsze, model optymalizacji jest uzyskiwany przez przekształcenie problemu biznesowego w formułę matematyczną, która może być zrozumiana przez mechanizm optymalizacji. Sformułowanie składa się z celów i ograniczeń definiujących model, na którym oparta jest ostateczna decyzja. Model wraz z danymi wejściowymi tworzy scenariusz. Mechanizm optymalizacji rozwiązuje ten scenariusz, stosując cele i ograniczenia w celu ograniczenia milionów możliwości i stanowi najlepsze rozwiązanie. To rozwiązanie spełnia formułę modelu lub rozluźnia pewne ograniczenia, jeśli model jest niewykonalny. Scenariusze można testować przy użyciu różnych danych lub modyfikując cele strategiczne i ograniczenia oraz uruchamiając je ponownie i wyświetlając rozwiązania. Po spełnieniu tego wymagania można wdrożyć model.

Więcej informacji na temat produktu Decision Optimization

Obejrzyj film wideo dotyczący tworzenia modelu Decision Optimization

Obejrzyj ten film wideo, aby zobaczyć, jak uruchomić przykładowy eksperyment Decision Optimization w celu utworzenia, rozwiązania i wdrożenia modelu Decision Optimization z użyciem produktów Watson Studio i Watson Machine Learning.

Ten film wideo zawiera wizualną metodę zapoznawania się z pojęciami i zadaniami opisanymi w tej dokumentacji.

Wypróbuj kurs, aby utworzyć model, który korzysta z Decision Optimization

W tym kursie zostaną wykonane następujące czynności:

• Czynność 1: Otwieranie projektu.
• Czynność 2: Utwórz eksperyment Decision Optimization w projekcie.
• Czynność 3: Budowanie modelu i wizualizowanie wyniku scenariusza.
• Czynność 4: Zmiana celów modelu i ograniczeń.
• Czynność 5: Wdróż model.
• Czynność 6: Testowanie modelu.

Ukończenie tego kursu zajmie około 30 minut.

• Wskazówki dotyczące wykonywania tego kursu

  Użyj obrazu wideo

  Wskazówka: Rozpocznij film wideo, a następnie podczas przewijania kursu film wideo przechodzi do trybu obrazowania. Zamknij spis treści wideo, aby uzyskać najlepsze doświadczenia z obrazem. Istnieje możliwość użycia trybu obrazowania w obrazie, dzięki czemu można śledzić film wideo podczas wykonywania zadań w tym kursie. Kliknij znaczniki czasu dla każdego zadania, które ma być wykonywane.

  Poniższy animowany obraz przedstawia sposób korzystania z funkcji obrazków wideo i spisu treści:

  

  Uzyskaj pomoc w społeczności

  Aby uzyskać pomoc dotyczącą tego kursu, można zadać pytanie lub znaleźć odpowiedź na forum dyskusyjnym społeczności Cloud Pak for Data.

  Konfigurowanie okien przeglądarki

  Aby uzyskać optymalne dopasowanie do tego kursu, otwórz stronę Cloud Pak for Data w jednym oknie przeglądarki i pozostaw ten kurs otwarty w innym oknie przeglądarki, aby łatwo przełączać się między dwiema aplikacjami. Rozważ rozmieszczenie dwóch okien przeglądarki obok siebie, aby ułatwić sobie śledzenie.

  

  Wskazówka: Jeśli podczas wykonywania tego kursu w interfejsie użytkownika pojawi się prezentacja z przewodnikiem, kliknij opcję Być może później.

  
  Początek strony
  

• Czynność 1: otwieranie projektu
  
  

  Potrzebny jest projekt do przechowywania danych i eksperymentu AutoAI . Można użyć projektu środowiska testowego lub utworzyć projekt.

  1. Z menu nawigacyjnego wybierz opcję Projekty > Wyświetl wszystkie projekty .

  2. Otwórz projekt środowiska testowego. Aby użyć nowego projektu:

     1. Kliknij opcję Nowy projekt.

     2. Wybierz opcję Utwórz pusty projekt.

     3. Wprowadź nazwę i opcjonalny opis projektu.

     4. Wybierz istniejącą instancję usługi obiektowej pamięci masowej lub utwórz nową.

     5. Kliknij makro Create.

  3. Po otwarciu projektu kliknij kartę Zarządzaj i wybierz stronę Usługi i integracje .

     1. Na karcie UsługiIBM kliknij opcję Powiąż usługę.

     2. Wybierz instancję usługi Watson Machine Learning . Jeśli nie masz jeszcze udostępnionej instancji usługi Watson Machine Learning , wykonaj następujące kroki:

        1. Kliknij opcję Nowa usługa.

        2. Wybierz opcję Watson Machine Learning.

        3. Kliknij makro Create.

        4. Wybierz z listy nową instancję usługi.

     3. Kliknij opcję Powiąż usługę.

     4. W razie potrzeby kliknij przycisk Anuluj , aby powrócić do strony Usługi i integracje .

  Więcej informacji na ten temat zawiera sekcja Tworzenie projektu.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono nowy projekt.
  
  

  

  
  Początek strony
  

• Czynność 2: tworzenie eksperymentu Decision Optimization
  
  

  Aby wyświetlić podgląd tego zadania, należy obejrzeć film wideo o godzinie 00:20.

  Teraz wykonaj następujące kroki, aby utworzyć eksperyment Decision Optimization w projekcie:

  1. W nowym projekcie kliknij opcję Nowe zadanie > Rozwiąż problemy z optymalizacją.

  2. Wybierz opcję Plik lokalny.

  3. Kliknij opcję Pobierz pliki przykładowe , aby wyświetlić repozytorium GitHub zawierające pliki przykładowe.

     1. W repozytorium DO-Samples otwórz folder Watson Studio Public .

     2. Kliknij plik HouseConstructionScheduling.zip zawierający przykładowe pliki budowy domu.

     3. Kliknij przycisk Pobierz , aby zapisać plik zip na komputerze.

  4. Wróć do strony Tworzenie eksperymentu Decision Optimization i kliknij przycisk Przeglądaj.

     1. Wybierz plik HouseConstructionScheduling.zip na komputerze.

     2. Kliknij przycisk Otwórz.

  5. Jeśli z tym projektem nie jest jeszcze powiązana usługa Watson Machine Learning , kliknij opcję Dodaj usługę Machine Learning.

     1. Przejrzyj instancje usługi Watson Machine Learning . Można użyć istniejącej usługi lub utworzyć nową instancję usługi, klikając opcję Nowa usługa, wybierając opcję Machine Learningi klikając opcję Utwórz.

     2. Wybierz z listy instancję usługi Watson Machine Learning i kliknij przycisk Powiąż.

     3. W razie potrzeby kliknij przycisk Anuluj , aby wrócić do strony Usługi i integracje .

        Więcej informacji na temat powiązanych usług zawiera sekcja Dodawanie powiązanych usług.

  6. Wybierz obszar wdrażania, który ma zostać powiązany z tym eksperymentem. Jeśli nie masz istniejącego obszaru wdrażania, utwórz go:

     1. W sekcji Wybierz obszar wdrażania kliknij opcję Nowy obszar wdrażania.

     2. W polu Nazwa wpisz House sample , aby podać nazwę obszaru wdrażania.

     3. Kliknij makro Create.

     4. Gdy obszar będzie gotowy, kliknij przycisk Zamknij , aby powrócić do strony Utwórz eksperyment dotyczący Decision Optimization . Wybrano nowy obszar wdrażania.

  7. Kliknij przycisk Utwórz , aby otworzyć eksperyment Decision Optimization .

  Sprawdź postęp

  Na poniższym obrazku przedstawiono eksperyment z plikami przykładowymi.
  
  

  

  
  Początek strony
  

• Czynność 3: Budowanie modelu i wizualizowanie wyniku scenariusza
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo rozpoczynający się od strony 01:47.

  Wykonaj poniższe kroki, aby zbudować model i zwizualizować wynik przy użyciu Modeling Assistant Decision Optimization .

  1. W panelu po lewej stronie kliknij opcję Buduj model , aby otworzyć Modeling Assistant. Ten model został zbudowany za pomocą Modeling Assistant , dzięki czemu można zauważyć, że cele i ograniczenia są w języku naturalnym, ale można również sformułować model w języku Python, OPL lub zaimportować modele CPLEX i CPO.

  2. Kliknij przycisk Uruchom , aby uruchomić scenariusz w celu rozwiązania modelu i zaczekać na zakończenie wykonywania.

  3. Po zakończeniu wykonywania zostanie wyświetlony widok Eksploruj rozwiązanie . Na karcie Wyniki kliknij opcję Zasoby rozwiązania , aby wyświetlić wynikowe (najlepsze) wartości dla zmiennych decyzyjnych. Te tabele rozwiązań są domyślnie wyświetlane w kolejności alfabetycznej.

  4. W lewym panelu wybierz opcję Wizualizacja.

  5. Na karcie Rozwiązania wybierz opcję Wykres Gantta , aby wyświetlić scenariusz z optymalnym harmonogramem.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono stronę Wizualizacja z wykresem Gantta.
  
  

  

  
  Początek strony
  

• Czynność 4: zmiana celów i ograniczeń modelu
  
  

  Aby wyświetlić podgląd tego zadania, należy obejrzeć film wideo począwszy od wersji 03:01.

  Teraz chcesz dokonać zmian w sformułowaniu modelu, aby rozważyć dodatkowy cel. Aby zmienić cele i ograniczenia modelu, wykonaj następujące kroki:

  1. Kliknij opcję Buduj model.

  2. W panelu po lewej stronie kliknij menu Przepełnienie obok opcji Scenariusz 1i wybierz opcję Duplikuj.

  3. Jako nazwę wpisz Scenario 2i kliknij przycisk Utwórz.

  4. W Scenariuszu 2dodaj cel do modelu, aby zoptymalizować jakość pracy na podstawie wiedzy specjalistycznej każdego wykonawcy.

     1. W sekcji Dodaj do modeluw polu wyszukiwania wpisz overall qualityi naciśnij klawisz Enter.

     2. Rozwiń sekcję Cel .

     3. Kliknij opcję Maksymalizuj ogólną jakość przypisań podwykonawcy-działania zgodnie z tabelą wartości przypisań , aby dodać je jako cel strategiczny. Ten nowy cel strategiczny jest teraz wyświetlany w sekcji Cele wraz z celem Minimalizuj czas do zakończenia wszystkich działań .

     4. Dla właśnie dodanego celu strategicznego kliknij opcję Tabela wartości przypisaniai wybierz opcję Ekspertyz. Zostanie wyświetlona lista parametrów Expertise .

     5. Z tej listy kliknij opcję definition (definicja), aby zmienić pole definiujące wiedzę specjalistyczną wykonawcy, a następnie wybierz opcję Skill Level(Poziom umiejętności).

  5. Kliknij przycisk Uruchom , aby uruchomić scenariusz w celu zbudowania modelu i oczekiwania na zakończenie wykonywania.

  6. Wróć do strony Eksploracja rozwiązania , aby wyświetlić Cele i zasoby rozwiązania.

  7. W lewym panelu wybierz opcję Wizualizacja.

  8. Na karcie Rozwiązania wybierz opcję Wykres Gantta , aby wyświetlić scenariusz z optymalnym harmonogramem.

  9. Kliknij opcję Przegląd w lewym panelu, aby porównać statystyki między scenariuszem 1 i scenariuszem 2.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono stronę Wizualizacja z nowym wykresem Gantta.
  
  

  

  
  Początek strony
  

• Czynność 5: wdrażanie modelu
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo począwszy od wersji 04:07.

  Następnie wykonaj następujące kroki, aby awansować model do obszaru wdrażania i utworzyć wdrożenie:

  1. Kliknij menu Przepełnienie obok opcji Scenariusz 1i wybierz opcję Zapisz do wdrożenia.

  2. W polu Nazwa modelu wpisz House Constructioni kliknij przycisk Dalej.

  3. Przejrzyj informacje o modelu i kliknij przycisk Zapisz.

  4. Po pomyślnym zapisaniu modelu zostanie wyświetlony pasek powiadomień z odsyłaczem do modelu. Kliknij opcję Wyświetl w projekcie.

     1. Jeśli powiadomienie nie zostanie wysłane, należy kliknąć nazwę projektu w ścieżce nawigacyjnej.

     2. Kliknij kartę Zasoby w projekcie.

     3. Kliknij model Budownictwo domów .

  5. Kliknij opcję Awansuj do obszaru wdrażania.

     1. W polu Przestrzeń docelowawybierz z listy opcję Próbka domu (lub obszar wdrażania).

     2. Zaznacz opcję Idź do modelu w obszarze po jego wdrożeniu.

     3. Kliknij opcję Awansuj.

  6. Po pomyślnym awansowaniu modelu w obszarze wdrażania zostanie wyświetlony model Budownictwo domów .

  7. Kliknij opcję Nowe wdrożenie.

     1. Jako nazwę wdrożenia wpisz House deployment.

     2. W polu Definicja sprzętuwybierz z listy opcję 2 procesory i 8 GB pamięci RAM .

     3. Kliknij makro Create.

  8. Poczekaj na zmianę statusu wdrożenia na Wdrożone.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono wdrożenie aplikacji House.
  
  

  

  
  Początek strony
  

• Czynność 6: Testowanie modelu
  
  

  Aby wyświetlić podgląd tej czynności, należy obejrzeć film wideo począwszy od wersji 04:55.

  Aby przetestować model przy użyciu scenariusza, należy przesłać pliki danych z komputera do obszaru wdrażania. Wykonaj następujące kroki, aby przetestować model, tworząc zadanie przy użyciu plików CSV dołączonych do przykładowego pliku zip:

  1. Kliknij opcję Próbka domu (lub obszar wdrażania) w ścieżce nawigacyjnej, aby powrócić do obszaru wdrażania.

  2. Kliknij kartę Zasoby.

     1. W pliku HouseConstructionScheduling.zip na komputerze znajduje się kilka plików CSV w folderze .containers > Scenariusz 1 .

     2. Kliknij ikonę Prześlij zasób , aby otworzyć panel Dane .

     3. Przeciągnij pliki Subcontractor.csv, Activity.csvi Expertise.csv do obszaru Upuść pliki w tym miejscu lub wyszukaj pliki do przesłania w panelu Dane .

  3. Kliknij kartę Deployments (Wdrożenia).

  4. Kliknij opcję Wdrażanie domu.

  5. Aby wprowadzić zadanie w celu oceny modelu, kliknij opcję Nowe zadanie.

  6. Jako nazwę zadania wpisz House construction job.

  7. Kliknij przycisk Dalej.

  8. Wybierz wartości domyślne na stronie Konfigurowanie i kliknij przycisk Dalej.

  9. Wybierz wartości domyślne na stronie Harmonogram i kliknij przycisk Dalej.

  10. Wybierz wartości domyślne na stronie Powiadom i kliknij przycisk Dalej.

  11. Na stronie Wybór danych w sekcji Dane wejściowe wybierz odpowiednie zasoby danych, które zostały wcześniej załadowane do obszaru dla każdego identyfikatora wejściowego.

  12. W sekcji Dane wyjściowe należy podać nazwę dla każdej tabeli rozwiązania, która ma zostać utworzona.

      1. W polu Identyfikator danych wyjściowych ScheduledActivities.csvkliknij opcję Wybierz źródło danych > Utwórz nowe, wpisz nazwę ScheduledActivities.csv i kliknij opcję Potwierdź.

      2. W polu Identyfikator danych wyjściowych NotScheduledActivities.csvkliknij opcję Select data source > Create new(Wybierz źródło danych > Utwórz nowe), wpisz NotScheduledActivities.csv jako nazwę i kliknij przycisk Confirm(Potwierdź).

      3. W polu Identyfikator wyjściowy stats.csvkliknij opcję Wybierz źródło danych > Utwórz nowe, wpisz nazwę stats.csv i kliknij przycisk Potwierdź.

      4. W polu Identyfikator wyjściowy kpis.csvkliknij opcję Wybierz źródło danych > Utwórz nowe, wpisz nazwę kpis.csv , a następnie kliknij opcję Potwierdź.

      5. W polu Identyfikator wyjściowy solution.jsonkliknij opcję Wybierz źródło danych > Utwórz nowe, wpisz solution.json jako nazwę, a następnie kliknij opcję Potwierdź.

      6. W polu Identyfikator wyjściowy log.txtkliknij opcję Wybierz źródło danych > Utwórz nowe, wpisz log.txt jako nazwę, a następnie kliknij przycisk Potwierdź.

  13. Przejrzyj informacje na stronie Wybierz dane , a następnie kliknij przycisk Dalej.

  14. Przejrzyj informacje na stronie Przegląd i tworzenie , a następnie kliknij opcję Utwórz i uruchom.

  15. Na stronie modelu Wdrażanie domu kliknij utworzone zadanie o nazwie Zadanie budowy domu , aby wyświetlić jego status.

  16. Po zakończeniu wykonywania zadania kliknij opcję Przykład domu (lub obszar wdrażania), aby powrócić do obszaru wdrażania.

  17. Na karcie Zasobyzostaną wyświetlone pliki wyjściowe:

      • ScheduledActivities.csv

      • NotScheduledactivities.csv

      • stats.csv

      • kpis.csv

      • solution.json

      • log.txt

  18. Dla każdego z tych zasobów kliknij ikonę Pobierz , a następnie wyświetl każdy z tych plików.

  Sprawdź postęp

  Na poniższym obrazku przedstawiono zakończone zadanie wsadowe.
  
  

  

  
  Początek strony
  

Następne kroki

Teraz można użyć tego zestawu danych do dalszej analizy. Na przykład użytkownik lub inni użytkownicy mogą wykonywać dowolne z następujących czynności:

• Dowiedz się, jak zbudować ten model od podstaw za pomocą Modeling Assistant
• Wykorzystanie tego wdrożonego modelu w aplikacji użytkownika końcowego przy użyciu interfejsu REST API Watson Machine Learning
• Wdrażanie modeli Decision Optimization za pomocą klienta Watson Machine Learning Python

Zasoby dodatkowe

• Wypróbuj inne metody budowania modeli:

  • Tworzenie i wdrażanie modelu uczenia maszynowego przy użyciu narzędzia AutoAI
  • Budowanie i wdrażanie modelu uczenia maszynowego za pomocą programu SPSS Modeler
  • Budowanie i wdrażanie modelu Decision Optimization
  • Wysyłanie zadań przy użyciu interfejsu API Watson Machine Learning

• Budowanie i uruchamianie eksperymentów Decision Optimization

• Wdrażanie modeli Decision Optimization z interfejsem użytkownika

• Wyświetl więcej filmów wideo.

• Znajdź przykładowe zestawy danych, projekty, modele, pytania i notatniki w przykładach, aby uzyskać praktyczne doświadczenie:

  Notebooki , które można dodać do projektu, aby rozpocząć analizę danych i budowanie modeli.

  Projekty , które można zaimportować zawierające notatniki, zestawy danych, pytania i inne zasoby.

  Zestawy danych , które można dodać do projektu w celu uszczegółowienia, analizowania i budowania modeli.

  Pytania , których można użyć w laboratorium pytań w celu wyświetlenia pytania o model podstawowy.

  Modele Foundation , których można używać w laboratorium podpowiedzi.

• Udział w społeczności Decision Optimization

Temat nadrzędny: Kursy szybkiego startu