クイック・スタート: パイプラインを使用したモデルのライフサイクルの自動化

プロンプト・ラボの資産を保管するには、プロジェクトが必要です。

ビデオを視聴して、サンドボックス・プロジェクトを作成し、サービスを関連付ける方法を確認してください。 次に、ステップに従って、既存のプロジェクトがあることを確認するか、サンドボックス・プロジェクトを作成します。

1. watsonx のホーム画面で、 「プロジェクト」 セクションまでスクロールします。 プロジェクトがリストされている場合は、 タスク 2にスキップします。 プロジェクトが表示されない場合は、以下の手順に従ってプロジェクトを作成します。

2. 「サンドボックス・プロジェクトの作成」をクリックします。 プロジェクトが作成されると、 「プロジェクト」 セクションにサンドボックス・プロジェクトが表示されます。

詳しくは、またはビデオを視聴するには、 プロジェクトの作成を参照してください。

このタスクをプレビューするには、 00:16から始まるビデオをご覧ください。

デプロイメント・スペースは、入力データや環境などのサポート・リソースを編成したり、モデルや関数をデプロイして予測やソリューションを生成したり、デプロイメントの詳細を表示または編集したりするのに役立ちます。 デプロイメント・スペースを作成するには、以下の手順を実行します。

1. watsonx のナビゲーション・メニュー から、 「デプロイメント」を選択します。 既存のデプロイメント・スペースがある場合は、 タスク 2にスキップできます。

2. 新規デプロイメント・スペースをクリックしてください。

3. デプロイメント・スペースの名前を入力します。

4. リストからストレージ・サービスを選択します。

5. プロビジョンされた機械学習サービスをリストから選択します。

6. 「作成」 をクリックします。

このタスクをプレビューするには、 00:08から始まるビデオをご覧ください。

プロジェクトでパイプラインを作成して実行します。 プロジェクト内のサンプルに基づいてパイプラインを作成するには、以下の手順を実行します。

1. watsonx のホーム・ページで、ドロップダウン・リストからサンドボックスまたは別の既存のプロジェクトを選択します。

   

2. 「ジャーニーのカスタマイズ」をクリックし、 「すべてのタスクを表示」を選択します。

3. 「モデルのライフサイクルの自動化」を選択します。

4. 「リソース・ハブのサンプル」をクリックします。

5. 「Orchestrate an AutoAI エクスペリメント」を選択し、 「次へ」をクリックします。

6. オプション: パイプラインの名前を変更します。

7. 「作成」 をクリックします。 サンプル・パイプラインは、トレーニング・データを取得し、 AutoAI ツールを使用して機械学習モデルをトレーニングし、モデルとして保存する最適なパイプラインを選択します。 モデルがスペースにデプロイされます。

このタスクをプレビューするには、 00:30から始まるビデオをご覧ください。

サンプル・パイプラインには、資産を作成し、それらの資産を使用してモデルを作成するためのノードがいくつか含まれています。 ノードを表示するには、以下の手順を実行します。

1. パイプライン・パラメーターを表示するには、 「グローバル・オブジェクト」 アイコン をクリックします。 deployment_space パラメーターを展開します。 このパイプラインには、 AutoAI エクスペリメントの最適なモデルが保管およびデプロイされるデプロイメント・スペースを指定するパラメーターが含まれています。 「X」 をクリックしてウィンドウを閉じます。

2. 「データ・ファイルの作成」 ノードをダブルクリックして、エクスペリメントのデータ・セットにアクセスするように構成されていることを確認します。 「キャンセル」 をクリックして、プロパティー・ペインを閉じます。

3. 「 AutoAI エクスペリメントの作成」 ノードをダブルクリックします。 エクスペリメント名、エクスペリメントが保管されているスコープ、予測タイプ (二項分類、多項分類、または回帰)、予測列、および正のクラスを表示します。 残りのパラメーターはすべてオプションです。 「キャンセル」 をクリックして、プロパティー・ペインを閉じます。

4. 「 AutoAI エクスペリメントの実行」 ノードをダブルクリックします。 このノードは、 AutoAI エクスペリメントの onboarding-bank-marketing-prediction を実行し、パイプラインをトレーニングしてから、最適なモデルを保存します。 最初の 2 つのパラメーターは必須です。 最初のパラメーターは、 「 AutoAI エクスペリメントの作成」 ノードからの出力を、エクスペリメントを実行するための入力として取得します。 2 番目のパラメーターは、 「データ・ファイルの作成」 ノードからの出力を、エクスペリメントのトレーニング・データ入力として受け取ります。 残りのパラメーターはすべてオプションです。 「キャンセル」 をクリックして、プロパティー・ペインを閉じます。

5. 「 Web サービスの作成 」ノードをダブルクリックします。 このノードは、 onboarding-bank-marketing-prediction-deploymentという名前のデプロイメントを作成します。 最初のパラメーターは、指定された名前でデプロイメントを作成するための入力として、「 AutoAI エクスペリメントの実行」ノードからの最適なモデル出力を取得します。 残りのパラメーターはすべてオプションです。 「キャンセル」 をクリックして、プロパティー・ペインを閉じます。

このタスクをプレビューするには、 03:43から始まるビデオをご覧ください。

パイプラインが完了したら、以下のステップに従ってパイプラインを実行します。

1. ツールバーから、 「パイプラインの実行」>「トライアル実行」をクリックします。

2. 「パイプライン・パラメーターの値 (Values for pipeline parameters)」 セクションで、デプロイメント・スペースを選択します。

   1. 「スペースの選択」をクリックします。

   2. 「スペース」をクリックします。

   3. タスク 1からデプロイメント・スペースを選択します。

   4. 「選択」をクリックします。

3. 今回初めてパイプラインを実行する場合は、API キーを指定します。 パイプライン資産は、個人用の IBM Cloud API キーを使用して、中断することなく安全に操作を実行します。

   • 既存の API キーがある場合は、 「既存の API キーを使用 (Use existing API key)」をクリックし、API キーを貼り付け、 「保存」をクリックします。

   • 既存の API キーがない場合は、 「新規 API キーの生成」をクリックし、名前を指定して、 「保存」をクリックします。 API キーをコピーして、後で使用するために保存します。 完了したら、 「閉じる」をクリックします。

4. 「実行」 をクリックして、パイプラインの実行を開始します。

5. パイプラインの進行状況をモニターします。

   1. パイプラインの実行中に統合ログをスクロールします。 試用版の実行が完了するまでに最大 10 分かかる場合があります。

   2. 各操作が完了したら、キャンバス上でその操作のノードを選択します。

   3. 「ノード・インスペクター」 タブで、操作の詳細を表示します。

   4. 「ノード出力」 タブをクリックして、各ノード操作の出力の要約を表示します。

このタスクをプレビューするには、 04:27から始まるビデオをご覧ください。

パイプラインは、デプロイメント・スペース内にいくつかの資産を作成しました。 資産を表示するには、以下の手順を実行します。

1. watsonx のナビゲーション・メニュー から、 「デプロイメント」を選択します。

2. デプロイメント・スペースの名前をクリックします。

3. 「アセット」 タブで、 「すべてのアセット」を表示します。

4. bank-marketing-data.csv データ資産をクリックします。 「データ・ファイルの作成」 ノードがこの資産を作成しました。

5. onboarding-bank-marketing-predictionという名前で始まるモデルをクリックします。 「 AutoAI エクスペリメントの実行」 ノードは、いくつかのモデル候補を生成し、これを最適なモデルとして選択しました。

6. 「モデルの詳細」 タブをクリックし、モデルおよびトレーニング情報をスクロールします。

7. 「デプロイメント」 タブをクリックし、 onboarding-bank-marketing-prediction-deploymentを開きます。

   1. 「テスト」 タブをクリックします。

   2. 「JSON 入力」 タブをクリックします。

   3. サンプル・テキストを以下の JSON テキストに置き換えて、 「予測」をクリックします。

      {
        "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"
                                ]
                        ]
                }
        ]
      }