0 / 0
Volver a la versión inglesa de la documentación
Inicio rápido: Automatizar el ciclo de vida de un modelo con interconexiones

Inicio rápido: Automatizar el ciclo de vida de un modelo con interconexiones

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
Watson Studio
Watson Machine Learning

El flujo de trabajo básico incluye estas tareas:

  1. Abra el proyecto de recinto de seguridad. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
  2. Añada conexiones y datos al proyecto. Puede añadir archivos CSV o datos desde un origen de datos remoto mediante una conexión.
  3. Cree un conducto en el proyecto.
  4. Añada nodos a la interconexión para realizar tareas.
  5. 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.

Más información sobre pipelines

Información sobre otras formas de crear modelos

Vea un vídeo sobre las interconexiones

Ver vídeo 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:

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.

Hoja de cálculo del conjunto de datos de marketing del banco





Sugerencias para completar esta guía de aprendizajeEstas son algunas sugerencias para completar correctamente esta guía de aprendizaje.

Utilizar la imagen en imagen de vídeo

Sugerencia: Inicie el vídeo y, a continuación, a medida que se desplaza por el tutorial, el vídeo se desplaza al modo de imagen en imagen. Cierre la tabla de contenido de vídeo para obtener la mejor experiencia con la imagen en imagen. Puede utilizar el modo de imagen en imagen para poder seguir el vídeo mientras completa las tareas de este tutorial. Pulse las indicaciones de fecha y hora para cada tarea a seguir.

La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:

Cómo utilizar la imagen en la imagen y los capítulos

Obtener ayuda en la comunidad

Si necesita ayuda con esta guía de aprendizaje, puede formular una pregunta o encontrar una respuesta en el foro de discusión de la comunidad dewatsonx.

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.

Guía de aprendizaje en paralelo e interfaz de usuario

Sugerencia: Si encuentra una visita guiada al completar esta guía de aprendizaje en la interfaz de usuario, pulse Quizás más tarde.



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.

  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.

Icono de punto de comprobación Compruebe el 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.

Pantalla de inicio con el proyecto de recinto de pruebas listado.




Tarea 2: Crear un espacio de despliegue

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza 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 de watsonx Menú de navegación, elija 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.

Icono de punto de comprobación Compruebe el progreso

La imagen siguiente muestra el espacio de despliegue vacío:

La imagen siguiente muestra el espacio de despliegue vacío.




Tarea 3: Crear el conducto de ejemplo

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza 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.

    Lista desplegable de proyectos

  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.

Icono de punto de comprobación Compruebe el progreso

La imagen siguiente muestra el conducto de ejemplo.

La imagen siguiente muestra el conducto de ejemplo.




Tarea 4: Explorar el conducto existente

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo a partir de las 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. Pulse el icono Objetos globales Objetos globales para ver los parámetros de interconexión. 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.

Icono de punto de comprobación Compruebe el progreso

La imagen siguiente muestra las propiedades del nodo Crear servicio web. Ahora está preparado para ejecutar el conducto de ejemplo.

La imagen siguiente muestra las propiedades del nodo Crear servicio web.




Tarea 5: Ejecutar el conducto

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza 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.

Icono de punto de comprobación Compruebe el 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.

Ejecución completada de conducto




Tarea 6: Ver los activos, el modelo desplegado y el despliegue en línea

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo que empieza 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 de watsonx Menú de navegación, elija 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"
                                ]
                        ]
                }
        ]
      }
      

Icono de punto de comprobación Compruebe el 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.

Predicciones de resultados de prueba



Próximos pasos

Más información

Tema principal: Guías de aprendizaje de inicio rápido

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información