Necesita un proyecto para almacenar activos de Prompt Lab.

Vea un vídeo para ver cómo crear un proyecto de recinto de pruebas y asociar un servicio. A continuación, siga los pasos para verificar que tiene un proyecto existente o cree un proyecto de recinto de pruebas.

1. En la pantalla de inicio de watsonx , desplácese a la sección Proyectos . Si ve algún proyecto listado, vaya a la Tarea 2. Si no ve ningún proyecto, siga estos pasos para crear un proyecto.

2. Pulse Crear un proyecto de recinto de pruebas. Cuando se cree el proyecto, verá el proyecto de recinto de seguridad en la sección Proyectos .

Para obtener más información o ver un vídeo, consulte Creación de un proyecto.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:16.

Los espacios de despliegue le ayudan a organizar recursos de soporte como, por ejemplo, datos de entrada y entornos; a desplegar modelos o funciones para generar predicciones o soluciones; y a ver o editar detalles de despliegue. Siga estos pasos para crear un espacio de despliegue.

1. En el menú de navegación watsonx ' , seleccione Despliegues. Si tiene un espacio de despliegue existente, puede saltar a la Tarea 2.

2. Pulse Nuevo espacio de despliegue.

3. Escriba un nombre para el espacio de despliegue.

4. Seleccione un servicio de almacenamiento de la lista.

5. Seleccione el servicio de aprendizaje automático suministrado en la lista.

6. Pulse Crear.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:08.

Puede crear y ejecutar interconexiones en un proyecto. Siga estos pasos para crear un conducto basado en un ejemplo en un proyecto:

1. En la página de inicio de watsonx , seleccione el recinto de seguridad o un proyecto existente diferente en la lista desplegable.

   

2. Pulse Personalizar mi recorridoy, a continuación, seleccione Ver todas las tareas.

3. Seleccione Automatizar ciclo de vida de modelo.

4. Pulse Ejemplo de concentrador de recursos.

5. Seleccione Orquestar un experimento de AutoAIy pulse Siguiente.

6. Opcional: Cambie el nombre de la interconexión.

7. Pulse Crear. La interconexión de ejemplo obtiene datos de entrenamiento, entrena un modelo de aprendizaje automático utilizando la herramienta AutoAI y selecciona la mejor interconexión para guardarla como modelo. El modelo se despliega en un espacio.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:30.

El conducto de ejemplo incluye varios nodos para crear activos y utilizarlos para crear un modelo. Siga estos pasos para ver los nodos:

1. Haga clic en el icono de objetos globales ' ' para ver los parámetros de la tubería. Expanda el parámetro deployment_space . Esta interconexión incluye un parámetro para especificar un espacio de despliegue donde se almacena y despliega el mejor modelo del experimento AutoAI . Pulse la X para cerrar la ventana.

2. Efectúe una doble pulsación en el nodo Crear archivo de datos para ver que está configurado para acceder al conjunto de datos para el experimento. Pulse Cancelar para cerrar el panel de propiedades.

3. Efectúe una doble pulsación en el nodo Crear experimento de AutoAI . Vea el nombre del experimento, el ámbito, que es donde se almacena el experimento, el tipo de predicción (clasificación binaria, clasificación de varias clases o regresión), la columna de predicción y la clase positiva. El resto de los parámetros son opcionales. Pulse Cancelar para cerrar el panel de propiedades.

4. Efectúe una doble pulsación en el nodo Ejecutar experimento de AutoAI . Este nodo ejecuta el experimento AutoAI onboarding-bank-marketing-predicción, entrena las interconexiones y, a continuación, guarda el mejor modelo. Los dos primeros parámetros son necesarios. El primer parámetro toma la salida del nodo Crear experimento de AutoAI como entrada para ejecutar el experimento. El segundo parámetro toma la salida del nodo Crear archivo de datos como entrada de datos de entrenamiento para el experimento. El resto de los parámetros son opcionales. Pulse Cancelar para cerrar el panel de propiedades.

5. Efectúe una doble pulsación en el nodo Crear servicio web . Este nodo crea un despliegue con el nombre onboarding-bank-marketing-prediction-deployment. El primer parámetro toma la mejor salida de modelo del nodo de experimento Ejecutar AutoAI como entrada para crear el despliegue con el nombre especificado. El resto de los parámetros son opcionales. Pulse Cancelar para cerrar el panel de propiedades.

' Para previsualizar esta tarea, vea el vídeo que comienza en 03:43.

Ahora que la interconexión se ha completado, siga estos pasos para ejecutar la interconexión:

1. En la barra de herramientas, pulse Ejecutar conducto > Ejecutar prueba.

2. En la sección Valores para parámetros de interconexión , seleccione el espacio de despliegue:

   1. Pulse Seleccionar espacio.

   2. Pulse Espacios.

   3. Seleccione el espacio de despliegue en la Tarea 1.

   4. Pulse Elegir.

3. Proporcione una clave de API si esta es la primera vez que ejecuta un conducto. Los activos de conducto utilizan su clave de API personal de IBM Cloud para ejecutar operaciones de forma segura sin interrupciones.

   • Si tiene una clave de API existente, pulse Utilizar clave de API existente, pegue la clave de API y pulse Guardar.

   • Si no tiene una clave de API existente, pulse Generar nueva clave de API, proporcione un nombre y pulse Guardar. Copie la clave de API y, a continuación, guarde la clave de API para utilizarla en el futuro. Cuando haya terminado, pulse Cerrar.

4. Pulse Ejecutar para iniciar la ejecución del conducto.

5. Supervise el progreso de la interconexión.

   1. Desplácese por los registros consolidados mientras se ejecuta la interconexión. La ejecución de prueba puede tardar hasta 10 minutos en completarse.

   2. A medida que se completa cada operación, seleccione el nodo para dicha operación en el lienzo.

   3. En la pestaña Inspector de nodo , vea los detalles de la operación.

   4. Pulse la pestaña Salida de nodo para ver un resumen de la salida para cada operación de nodo.

' Para previsualizar esta tarea, vea el vídeo que comienza en 04:27.

El conducto ha creado varios activos en el espacio de despliegue. Siga estos pasos para ver los activos:

1. En el menú de navegación watsonx ' , seleccione Despliegues.

2. Pulse el nombre del espacio de despliegue.

3. En la ficha Activos , vea Todos los activos.

4. Pulse el activo de datos bank-marketing-data.csv . El nodo Crear archivo de datos ha creado este activo.

5. Pulse el modelo que empieza con el nombre onboarding-bank-marketing-predicción. El nodo Ejecutar experimento de AutoAI ha generado varios candidatos de modelo y lo ha elegido como el mejor modelo.

6. Pulse la pestaña Detalles de modelo y desplácese por la información de modelo y entrenamiento.

7. Pulse la pestaña Despliegues y abra onboarding-bank-marketing-prediction-deployment.

   1. Pulse el separador Probar.

   2. Pulse la pestaña Entrada JSON .

   3. Sustituya el texto de ejemplo por el siguiente texto JSON y pulse Predecir.

      {
        "input_data": [
                {
                        "fields": [
                                "age",
                                "job",
                                "marital",
                                "education",
                                "default",
                                "balance",
                                "housing",
                                "loan",
                                "contact",
                                "day",
                                "month",
                                "duration",
                                "campaign",
                                "pdays",
                                "previous",
                                "poutcome"
                        ],
                        "values": [
                                [
                                        35,
                                        "management",
                                        "married",
                                        "tertiary",
                                        "no",
                                        0,
                                        "yes",
                                        "no",
                                        "cellular",
                                        1,
                                        "jun",
                                        850,
                                        10,
                                        -1,
                                        4,
                                        "unknown"
                                ]
                        ]
                }
        ]
      }