Puede crear un conducto de extremo a extremo para entregar datos concisos, preprocesados y actualizados almacenados en un origen de datos externo. Lea acerca de Orchestration Pipelines y, a continuación, vea un vídeo y realice un tutorial.
- Servicios necesarios
- estudio watsonx.ai
- tiempo de ejecución de watsonx.ai
El flujo de trabajo básico incluye estas tareas:
- Abra el proyecto de recinto de seguridad. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
- Añada conexiones y datos al proyecto. Puede añadir archivos CSV o datos desde un origen de datos remoto mediante una conexión.
- Cree un conducto en el proyecto.
- Añada nodos a la interconexión para realizar tareas.
- Ejecute el conducto y vea los resultados.
Lea acerca de las interconexiones
El editor de interconexiones proporciona una interfaz gráfica para orquestar un flujo global de activos desde la creación hasta el despliegue. Ensamble y configure una interconexión para crear, entrenar, desplegar y actualizar modelos de aprendizaje automático y scripts Python. Poner un modelo en producción es un proceso de varios pasos. Los datos deben cargarse y procesarse, los modelos deben entrenarse y ajustarse antes de desplegarse y probarse. Los modelos de aprendizaje requieren observación, evaluación y actualización en el tiempo para evitar el sesgo o la desviación.
Vea un vídeo sobre las interconexiones
Vea este vídeo para obtener una vista preliminar de los pasos de esta guía de aprendizaje. Es posible que observe ligeras diferencias en la interfaz de usuario que se muestra en el vídeo. El vídeo está pensado para ser un compañero del tutorial escrito.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Pruebe una guía de aprendizaje para crear un modelo con interconexiones
Esta guía de aprendizaje le guía a través de la exploración y ejecución de un conducto de IA para crear y desplegar un modelo. El modelo predice si es probable que un cliente se suscriba a un depósito a plazo basado en una campaña de marketing.
En esta guía de aprendizaje, realizará estas tareas:
- Tarea 1: Abrir un proyecto.
- Tarea 2: Crear un espacio de despliegue.
- Tarea 3: Crear el conducto de ejemplo.
- Tarea 4: Explorar un conducto existente.
- Tarea 5: Ejecutar el conducto.
- Tarea 6: Ver los activos, el modelo desplegado y el despliegue en línea.
Esta guía de aprendizaje tarda aproximadamente 30 minutos en completarse.
Datos de ejemplo
Los datos de ejemplo que se utilizan en la experiencia guiada son UCI: Datos de marketing de banco utilizados para predecir si un cliente se inscribe en una promoción de marketing.
Sugerencias para completar esta guía de aprendizaje
Estas son algunas sugerencias para completar correctamente esta guía de aprendizaje.
Utilizar la imagen en imagen de vídeo
La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:
Obtener ayuda en la comunidad
Si necesitas ayuda con este tutorial, puedes hacer una pregunta o encontrar una respuesta en el foro de debate de la Comunidadwatsonx.
Configurar las ventanas del navegador
Para obtener la experiencia óptima al completar esta guía de aprendizaje, abra Cloud Pak for Data en una ventana de navegador y mantenga abierta esta página de la guía de aprendizaje en otra ventana de navegador para conmutar fácilmente entre las dos aplicaciones. Considere la posibilidad de organizar las dos ventanas del navegador una al lado de la otra para que sea más fácil de seguir.
Tarea 1: Abrir un proyecto
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.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
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.
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.
' Comprueba tu progreso
La imagen siguiente muestra la pantalla de inicio con el recinto de seguridad listado en la sección Proyectos. Ahora está preparado para abrir Prompt Lab.
Tarea 2: Crear un espacio de despliegue
' 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.
En el menú de navegación watsonx ' , seleccione Despliegues. Si tiene un espacio de despliegue existente, puede saltar a la Tarea 2.
Pulse Nuevo espacio de despliegue.
Escriba un nombre para el espacio de despliegue.
Seleccione un servicio de almacenamiento de la lista.
Seleccione el servicio de aprendizaje automático suministrado en la lista.
Pulse Crear.
' Comprueba tu progreso
La imagen siguiente muestra el espacio de despliegue vacío:
Tarea 3: Crear el conducto de ejemplo
' 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:
En la página de inicio de watsonx , seleccione el recinto de seguridad o un proyecto existente diferente en la lista desplegable.
Pulse Personalizar mi recorridoy, a continuación, seleccione Ver todas las tareas.
Seleccione Automatizar ciclo de vida de modelo.
Pulse Ejemplo de concentrador de recursos.
Seleccione Orquestar un experimento de AutoAIy pulse Siguiente.
Opcional: Cambie el nombre de la interconexión.
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.
' Comprueba tu progreso
La imagen siguiente muestra el conducto de ejemplo.
Tarea 4: Explorar el conducto existente
' 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:
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.
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.
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.
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.
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.
' Comprueba tu progreso
La imagen siguiente muestra las propiedades del nodo Crear servicio web. Ahora está preparado para ejecutar el conducto de ejemplo.
Tarea 5: Ejecutar el conducto
' 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:
En la barra de herramientas, pulse Ejecutar conducto > Ejecutar prueba.
En la sección Valores para parámetros de interconexión , seleccione el espacio de despliegue:
Pulse Seleccionar espacio.
Pulse Espacios.
Seleccione el espacio de despliegue en la Tarea 1.
Pulse Elegir.
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.
Pulse Ejecutar para iniciar la ejecución del conducto.
Supervise el progreso de la interconexión.
Desplácese por los registros consolidados mientras se ejecuta la interconexión. La ejecución de prueba puede tardar hasta 10 minutos en completarse.
A medida que se completa cada operación, seleccione el nodo para dicha operación en el lienzo.
En la pestaña Inspector de nodo , vea los detalles de la operación.
Pulse la pestaña Salida de nodo para ver un resumen de la salida para cada operación de nodo.
' Comprueba tu progreso
La imagen siguiente muestra el conducto después de completar la ejecución de prueba. Ahora está preparado para revisar los activos que ha creado el conducto.
Tarea 6: Ver los activos, el modelo desplegado y el despliegue en línea
' 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:
En el menú de navegación watsonx ' , seleccione Despliegues.
Pulse el nombre del espacio de despliegue.
En la ficha Activos , vea Todos los activos.
Pulse el activo de datos bank-marketing-data.csv . El nodo Crear archivo de datos ha creado este activo.
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.
Pulse la pestaña Detalles de modelo y desplácese por la información de modelo y entrenamiento.
Pulse la pestaña Despliegues y abra onboarding-bank-marketing-prediction-deployment.
Pulse el separador Probar.
Pulse la pestaña Entrada JSON .
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" ] ] } ] }
' Comprueba tu progreso
La imagen siguiente muestra los resultados de la prueba; la predicción es aprobar al solicitante. Las puntuaciones de confianza para la prueba pueden ser diferentes de las puntuaciones que se muestran en la imagen.
Próximos pasos
Pruebe estos otros métodos para crear modelos:
Ver más vídeos.
Busque conjuntos de datos de ejemplo, proyectos, modelos, solicitudes y cuadernos en el concentrador de recursos para obtener experiencia práctica:
cuadernos ' que puedes añadir a tu proyecto para empezar a analizar datos y construir modelos.
' Proyectos que puede importar y que contienen cuadernos, conjuntos de datos, avisos y otros recursos.
' Conjuntos de datos que puedes añadir a tu proyecto para refinar, analizar y construir modelos.
' Avisos que puede utilizar en el Laboratorio de avisos para avisar a un foundation model.
Modelos de la Fundación que puede utilizar en el Prompt Lab.
Más información
Tema principal: Guías de aprendizaje de inicio rápido