Démarrage rapide: Automatisation du cycle de vie d'un modèle avec des pipelines

Vous avez besoin d'un projet pour stocker les ressources Prompt Lab.

Regardez une vidéo pour voir comment créer un projet de bac à sable et associer un service. Suivez ensuite les étapes pour vérifier que vous disposez d'un projet existant ou créez un projet de bac à sable.

1. A partir de l'écran d'accueil watsonx , faites défiler l'écran jusqu'à la section Projects . Si vous voyez des projets répertoriés, passez à la Tâche 2. Si vous ne voyez aucun projet, procédez comme suit pour créer un projet.

2. Cliquez sur Créer un projet de bac à sable. Une fois le projet créé, vous verrez le projet de bac à sable dans la section Projets .

Pour plus d'informations ou pour regarder une vidéo, voir Création d'un projet.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:16.

Les espaces de déploiement vous aident à organiser les ressources de support telles que les données d'entrée et les environnements, à déployer des modèles ou des fonctions pour générer des prévisions ou des solutions et à afficher ou éditer les détails du déploiement. Procédez comme suit pour créer un espace de déploiement.

1. Dans le menu de navigation watsonx , sélectionnez Déploiements. Si vous disposez d'un espace de déploiement existant, vous pouvez passer à la Tâche 2.

2. Cliquez sur Nouvel espace de déploiement.

3. Entrez un nom pour votre espace de déploiement.

4. Sélectionnez un service de stockage dans la liste.

5. Sélectionnez votre service d'apprentissage automatique mis à disposition dans la liste.

6. Cliquez sur Créer.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:08.

Vous créez et exécutez des pipelines dans un projet. Procédez comme suit pour créer un pipeline basé sur un exemple dans un projet:

1. Sur la page d'accueil watsonx , sélectionnez votre bac à sable ou un autre projet existant dans la liste déroulante.

   

2. Cliquez sur Personnaliser mon parcours, puis sélectionnez Afficher toutes les tâches.

3. Sélectionnez Automatiser le cycle de vie du modèle.

4. Cliquez sur Exemple de concentrateur de ressources.

5. Sélectionnez Orchestration d'une expérimentation AutoAIet cliquez sur Suivant.

6. Facultatif: modifiez le nom du pipeline.

7. Cliquez sur Créer. L'exemple de pipeline obtient des données d'entraînement, entraîne un modèle d'apprentissage automatique à l'aide de l'outil AutoAI et sélectionne le meilleur pipeline à enregistrer en tant que modèle. Le modèle est déployé dans un espace.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:30.

L'exemple de pipeline inclut plusieurs noeuds pour créer des actifs et les utiliser pour générer un modèle. Pour afficher les noeuds, procédez comme suit:

1. Cliquez sur l'icône Objets globaux pour afficher les paramètres de pipeline. Développez le paramètre deployment_space . Ce pipeline inclut un paramètre permettant de spécifier un espace de déploiement dans lequel le meilleur modèle de l'expérimentation AutoAI est stocké et déployé. Cliquez sur le X pour fermer la fenêtre.

2. Cliquez deux fois sur le noeud Créer un fichier de données pour voir s'il est configuré pour accéder au jeu de données de l'expérimentation. Cliquez sur Annuler pour fermer la sous-fenêtre des propriétés.

3. Cliquez deux fois sur le noeud Créer une expérimentation AutoAI . Affichez le nom de l'expérimentation, la portée, où l'expérimentation est stockée, le type de prévision (classification binaire, classification multiclasse ou régression), la colonne de prévision et la classe positive. Les autres paramètres sont tous facultatifs. Cliquez sur Annuler pour fermer la sous-fenêtre des propriétés.

4. Cliquez deux fois sur le noeud Exécuter l'expérimentation AutoAI . Ce noeud exécute l'expérimentation AutoAI onboarding-bank-marketing-prediction, entraîne les pipelines, puis sauvegarde le meilleur modèle. Les deux premiers paramètres sont obligatoires. Le premier paramètre prend la sortie du noeud Créer une expérimentation AutoAI comme entrée pour exécuter l'expérimentation. Le second paramètre prend la sortie du noeud Créer un fichier de données comme entrée de données d'apprentissage pour l'expérimentation. Les autres paramètres sont tous facultatifs. Cliquez sur Annuler pour fermer la sous-fenêtre des propriétés.

5. Cliquez deux fois sur le noeud Créer un service Web . Ce noeud crée un déploiement nommé onboarding-bank-marketing-prediction-deployment. Le premier paramètre utilise la meilleure sortie de modèle du noeud d'expérimentation Exécuter AutoAI comme entrée pour créer le déploiement avec le nom spécifié. Les autres paramètres sont tous facultatifs. Cliquez sur Annuler pour fermer la sous-fenêtre des propriétés.

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 03:43.

Maintenant que le pipeline est terminé, procédez comme suit pour l'exécuter:

1. Dans la barre d'outils, cliquez sur Exécuter le pipeline > Exécuter l'essai.

2. Dans la section Valeurs des paramètres de pipeline , sélectionnez votre espace de déploiement:

   1. Cliquez sur Sélectionner un espace.

   2. Cliquez sur Espaces.

   3. Sélectionnez votre espace de déploiement dans la Tâche 1.

   4. Cliquez sur Choisir.

3. Fournissez une clé d'API si c'est la première fois que vous exécutez un pipeline. Les actifs de pipeline utilisent votre clé d'API IBM Cloud personnelle pour exécuter des opérations en toute sécurité sans interruption.

   • Si vous disposez d'une clé d'API existante, cliquez sur Utiliser une clé d'API existante, collez la clé d'API, puis cliquez sur Sauvegarder.

   • Si vous ne disposez pas d'une clé d'API existante, cliquez sur Générer une nouvelle clé d'API, indiquez un nom et cliquez sur Sauvegarder. Copiez la clé d'API, puis sauvegardez-la pour une utilisation ultérieure. Lorsque vous avez terminé, cliquez sur Fermer.

4. Cliquez sur Exécuter pour lancer l'exécution du pipeline.

5. Surveillez la progression du pipeline.

   1. Faites défiler les journaux consolidés pendant que le pipeline est en cours d'exécution. L'exécution de l'essai peut prendre jusqu'à 10 minutes.

   2. A mesure que chaque opération se termine, sélectionnez le noeud correspondant à cette opération dans l'espace de travail.

   3. Dans l'onglet Inspecteur de noeud , affichez les détails de l'opération.

   4. Cliquez sur l'onglet Sortie de noeud pour afficher un récapitulatif de la sortie de chaque opération de noeud.

Pour prévisualiser cette tâche, regardez la vidéo qui commence à 04:27.

Le pipeline a créé plusieurs actifs dans l'espace de déploiement. Pour afficher les actifs, procédez comme suit:

1. Dans le menu de navigation watsonx , sélectionnez Déploiements.

2. Cliquez sur le nom de votre espace de déploiement.

3. Dans l'onglet Actifs , affichez Tous les actifs.

4. Cliquez sur l'actif de données bank-marketing-data.csv . Le noeud Créer un fichier de données a créé cet actif.

5. Cliquez sur le modèle commençant par le nom onboarding-bank-marketing-prediction. Le noeud Exécuter l'expérimentation AutoAI a généré plusieurs modèles candidats et a choisi ce modèle comme meilleur modèle.

6. Cliquez sur l'onglet Détails du modèle et faites défiler les informations sur le modèle et l'entraînement.

7. Cliquez sur l'onglet Déploiements et ouvrez onboarding-bank-marketing-prediction-deployment.

   1. Cliquez sur l'onglet Tester.

   2. Cliquez sur l'onglet Entrée JSON .

   3. Remplacez l'exemple de texte par le texte JSON suivant, puis cliquez sur Prévoir.

      {
        "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"
                                ]
                        ]
                }
        ]
      }