Démarrage rapide : Génération, exécution et déploiement d'un modèle Decision Optimization

Vous pouvez utiliser l'outil Decision Optimization pour générer des modèles Decision Optimization pour décider de la meilleure approche pour résoudre les problèmes métier en fonction des ensembles de données. Lisez à propos de l'outil Decision Optimization, puis regardez une vidéo et prenez un tutoriel qui convient aux utilisateurs avec une certaine connaissance des analyses prescriptives, mais n'a pas besoin de coder.

Services requis Watson Studio Watson Machine Learning

Votre flux de travaux de base inclut les tâches suivantes :

  1. Créez un projet. Les projets sont l'endroit où vous collaborez avec d'autres personnes sur les données.
  2. Ajoutez une expérience Decision Optimization au projet. Vous pouvez ajouter des fichiers compressés ou des données à partir d'exemples de fichiers.
  3. Associez un Watson Machine Learning Service au projet.
  4. Créez un espace de déploiement à associer au Watson Machine Learning Servicedu projet.
  5. Passez en revue les données, les objectifs du modèle et les contraintes dans l'assistant de modélisation.
  6. Exécutez un ou plusieurs scénarios pour tester votre modèle et examiner les résultats.
  7. Déployez votre modèle.

En savoir plus sur Decision Optimization

Decision Optimization peut analyser des données et créer un modèle d'optimisation (avec l'assistant de modélisation) basé sur un problème métier. Tout d'abord, un modèle d'optimisation est dérivé en convertissant un problème métier en une formulation mathématique qui peut être comprise par le moteur d'optimisation. La formulation consiste en des objectifs et des contraintes qui définissent le modèle sur lequel repose la décision finale. Le modèle, avec vos données d'entrée, forme un scénario. Le moteur d'optimisation résout le scénario en appliquant les objectifs et les contraintes pour limiter des millions de possibilités et fournit la meilleure solution. Cette solution satisfait la formulation du modèle ou assouplie certaines contraintes si le modèle est infaisable. Vous pouvez tester des scénarios en utilisant des données différentes, ou en modifiant les objectifs et les contraintes, puis en les ré-exécutant et en visualisant les solutions. Une fois satisfait, vous pouvez déployer votre modèle.

En savoir plus sur Decision Optimization

Visionnez une vidéo sur la création d'un modèle Decision Optimization

Regarder une vidéo Regardez cette vidéo pour voir comment exécuter un exemple d'expérimentation Decision Optimization pour créer, résoudre et déployer un modèle à l'aide de Decision Optimization Experiment Builder avec Watson Studio et Watson Machine Learning.

Cette vidéo constitue une alternative visuelle aux procédures figurant dans cette documentation.

Essayez un tutoriel pour créer un modèle qui utilise Decision Optimization

Dans ce tutoriel, vous :

  • Créez un projet.
  • Associez le service Watson Machine Learning au projet.
  • Créez une expérience Decision Optimization dans le projet.
  • Générez et enregistrez un modèle Decision Optimization .
  • Déployez le modèle Decision Optimization.
  • Testez le modèle Decision Optimization.

Ce tutoriel dure environ 30 minutes.

Etape 1 : Création d'un projet et association du service Watson Machine Learning

{: #step1} Vous avez besoin d'un projet pour stocker l'expérimentation AutoAI.

  1. Si vous avez un projet existant, ouvrez-le. Si vous ne disposez pas d'un projet existant, cliquez sur Créer un projet sur la page d'accueil ou sur Nouveau projet sur votre page Projets.
  2. Sélectionnez Créer un projet vide.
  3. Dans l'écran Créer un projet, entrez un nom et une description facultative pour le projet.
  4. Choisissez un Instance de service de stockage d'objets existant ou en créer un nouveau.
  5. Cliquez sur Créer.
  6. Lorsque le projet s'ouvre, cliquez sur l'onglet Gérer.
  7. Sur la page Services et intégrations, cliquez sur Associer le service > Watson.
  8. Si vous ne disposez pas encore d'une instance de service Watson Machine Learning mise à disposition, cliquez sur Nouveau service, sélectionnez Machine Learning et cliquez sur Créer.
  9. Sélectionnez votre instance Watson Machine Learning et cliquez sur Associer le service.
  10. Fermez la boîte de dialogue Associer le service.

Pour plus d'informations ou pour regarder une vidéo, voir Création d'un projet.
Pour plus d'informations sur les services associés, voir Ajout de services associés.

Étape 2: Création d'une expérimentation Decision Optimization

{: #step2} Créez l'expérimentation.

  1. A partir de votre nouveau projet, cliquez sur Nouvelle ressource d'actif > Decision Optimization.
  2. Sélectionnez l'onglet Du fichier.
  3. Cliquez sur Obtenir des exemples de fichiers pour télécharger les fichiers exemple de construction de la maison sur votre ordinateur pour ce tutoriel.
  4. Cliquez sur Ajouter un fichier, puis sélectionnez le fichier HouseConstructionScheduling.zip à partir de votre ordinateur.
  5. Choisissez un espace de déploiement à associer à cette expérimentation. Si vous ne disposez pas d'un espace de déploiement existant, créez-vous :

    1. Dans la section Espace de déploiement, cliquez sur Création d'un espace de déploiement.
    2. Dans la zone Nom, entrez échantillon de la maison pour fournir un nom à l'espace de déploiement.

    3. Sélectionnez un service de stockage à utiliser pour l'espace de déploiement.

    4. Cliquez sur Créer.

    5. Lorsque l'espace est prêt, puis cliquez sur Fermer pour revenir à l'écran Nouvelle expérience Decision Optimization.
  6. Cliquez maintenant sur Créer pour ouvrir l'interface utilisateur de Decision Optimization Experiment.

Etape 3: Générer un modèle et visualiser un résultat de scénario

{: #step3} Créez un modèle et visualisez le résultat à l'aide de l'assistant de modélisation Decision Optimization.

  1. Dans la sous-fenêtre de gauche, sélectionnez Modèle de génération pour ouvrir l'assistant de modélisation.
  2. Cliquez sur Exécuter pour exécuter le scénario pour résoudre le modèle et attendre la fin de l'exécution.
  3. Une fois l'exécution terminée, la vue Explorer la solution s'affiche. Sous l'onglet Résultats, cliquez sur Solutions pour afficher les valeurs (meilleures) résultant pour les variables de décision. Ces tables de solution sont affichées par défaut dans l'ordre alphabétique.
  4. Dans la sous-fenêtre de gauche, sélectionnez Visualisation.
  5. Sous l'onglet Entrée, sélectionnez Gantt pour afficher le scénario avec le planning optimal.

Etape 4: Modification des objectifs et des contraintes du modèle

{: #step4} Suivant, modifiez les objectifs et les contraintes du modèle.

  1. Cliquez sur Modèle de génération.
  2. Dans la sous-fenêtre de gauche, cliquez sur l'icône à trois points en regard de Scénario 1, puis sélectionnez Dupliquer.
  3. Pour le nom, entrez Scenario 2et cliquez sur Créer.
  4. Pour Scénario 2, ajoutez un objectif au modèle afin d'optimiser la qualité du travail en fonction de l'expertise de chaque entrepreneur.
    1. Cliquez dans la zone de recherche Entrez ici pour trouver d'autres suggestions, tapez overall qualityet appuyez sur Enter.
    2. Développez la section Objectif.
    3. Cliquez sur Maximiser la qualité globale du sous-traitant-Affectations d'activités selon le tableau des valeurs d'affectation pour l'ajouter comme objectif. Ce nouvel objectif est maintenant répertorié sous la section Objectifs avec l'objectif Réduction du temps nécessaire à l'exécution de toutes les activités.
    4. Pour l'objectif que vous venez d'ajouter, cliquez sur Table des valeurs d'affectation, puis sélectionnez Expertise. Une liste de paramètres Expertise s'affiche.
    5. Dans cette liste, cliquez sur Définition pour modifier la zone qui définit l'expertise de l'entrepreneur, puis sélectionnez Niveau de compétence.
  5. Cliquez sur Exécuter pour exécuter le scénario pour générer le modèle et attendre la fin de l'exécution.
  6. Cliquez sur Aperçu pour comparer les statistiques entre Scénario 1 et Scénario 2.

Étape 5 : Déployer le modèle

{: #step5} Ensuite, promouvez le modèle vers un espace de déploiement, et créez un déploiement.

  1. Dans la sous-fenêtre de gauche, cliquez sur l'icône de menu à trois points située en regard de Scénario 1, puis sélectionnez Sauvegarder pour le déploiement.
  2. Dans la zone Nom du modèle, entrez House Constructionet cliquez sur Sauvegarder.
  3. Une fois le modèle sauvegardé, une barre de notification s'affiche avec un lien vers le modèle. Cliquez sur Vue dans le projet.
  4. Dans l'onglet Actifs du projet, sélectionnez le modèle Construction de maisons dans la section Expérience Decision Optimization.
    1. Cliquez sur Promouvoir vers un espace de déploiement.
    2. Pour Espace cible, sélectionnez échantillon de la maison dans la liste.
    3. Cliquez sur Promouvoir.
  5. Une fois le modèle promu, une notification s'affiche avec un lien vers l'espace de déploiement. Cliquez sur Espace de déploiement. L'espace de déploiement échantillon de la maison s'affiche.
  6. Pour tester le modèle avec un scénario, vous devez télécharger des fichiers de données depuis votre ordinateur vers l'onglet Actifs.
    1. Dans le fichier HouseConstructionScheduling.zip de votre ordinateur, vous trouverez plusieurs fichiers CSV dans le dossier .containers > Scénario 1.
    2. Faites glisser les fichiers Subcontractor.csv, Activity.csvet Expertise.csv dans la zone Supprimer les fichiers ici ou rechercher les fichiers à télécharger du panneau Données.
  7. Dans la section Modèles , sélectionnez le modèle Construction de maisons pour afficher les informations du modèle.
  8. Cliquez sur Nouveau déploiement.
    1. Pour le nom de déploiement, entrez House deployment.
    2. Pour Définition du matériel, sélectionnez 2 UC et 8 Go de RAM dans la liste.
    3. Cliquez sur Créer.

Étape 6 : Test d'un modèle

{: #step6} Enfin, teste le modèle en créant un travail à l'aide des fichiers CSV que vous avez précédemment téléchargés dans l'espace de déploiement.

  1. Cliquez sur Nouveau travail.
  2. Pour le nom du travail, entrez House job 1.
  3. Cliquez sur Suivant.
  4. Sélectionnez les valeurs par défaut sur la page Configurer , puis cliquez sur Suivant.
  5. Sélectionnez les valeurs par défaut sur la page Planification, puis cliquez sur Suivant.
  6. Sélectionnez les valeurs par défaut sur la page Notifier, puis cliquez sur Suivant.
  7. Sur la page Choisir les données , dans la section Entrée, sélectionnez les actifs de données correspondants que vous avez précédemment chargés dans votre espace pour chaque ID d'entrée.
    1. Pour ID d'entrée Subcontractor.csv, cliquez sur Sélectionnez la source de données > Data asset > Subcontractor.csv > Confirmer.
    2. Pour ID d'entrée Activity.csv, cliquez sur Sélectionnez la source de données > Data asset > Activity.csv > Confirmer.
    3. Pour ID d'entrée Expertise.csv, cliquez sur Sélectionnez la source de données > Data asset > Expertise.csv > Confirmer.
  8. Dans la section Sortie, vous devez indiquer le nom de chaque table de solution à créer.
    1. Pour ID de sortie ScheduledActivities.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez ScheduledActivities.csv pour le nom et cliquez sur Confirmer.
    2. Pour ID de sortie NotScheduledActivities.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez NotScheduledActivities.csv pour le nom et cliquez sur Confirmer.
    3. Pour ID de sortie stats.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez stats.csv pour le nom et cliquez sur Confirmer.
    4. Pour ID de sortie kpis.csv, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez kpis.csv pour le nom et cliquez sur Confirmer.
    5. Pour ID de sortie solution.json, cliquez sur Sélectionnez la source de données > Créer une nouvelle, entrez solution.json pour le nom et cliquez sur Confirmer.
  9. Consultez les informations de la page Choisir les données, puis cliquez sur Suivant.
  10. Consultez les informations de la page Réviser et créer, puis cliquez sur Créer.
  11. Dans la page du modèle Déploiement de la maison, cliquez sur le travail que vous avez créé nommé Travail à la maison 1 pour afficher son statut.
  12. Une fois l'exécution du travail terminée, cliquez sur échantillon de la maison pour revenir à l'espace de déploiement.
  13. Sur le Onglet Actifs, vous verrez les cinq fichiers de sortie :
    • ScheduledActivities.csv
    • NotScheduledactivities.csv
    • Stats.csv
    • Kpis.csv
    • Solution.json
  14. Pour chacun de ces actifs, cliquez sur l'icône Télécharger, puis affichez chacun de ces fichiers.

Vous pouvez également Soumettre des travaux à l'aide de l'API Watson Machine Learning.

En savoir plus

Génération et exécution de Decision Optimization Experiments

Déploiement de modèles Decision Optimization avec l'interface utilisateur

Rubrique parent : Initiation à la génération, au déploiement et à la confiance