クイックスタートパイプラインでモデルのライフサイクルを自動化する

Prompt Labのアセットを保存するプロジェクトが必要です。

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ビデオでご覧ください。 次に、既存のプロジェクトを確認するか、サンドボックス・プロジェクトを作成する手順に従ってください。

1. watsonx 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。 プロジェクトが表示されている場合は、タスク2に進んでください。 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てください。

2. サンドボックスプロジェクトを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。

詳細やビデオについては、プロジェクトの作成をご覧ください。

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見てください。

デプロイメントスペースでは、入力データや環境などのサポートリソースを整理したり、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、デプロイの詳細を表示または編集したりすることができます。 以下の手順に従って、配置スペースを作成してください。

1. watsonx のナビゲーション・メニュー から、Deployments を選択します。 既存の展開領域がある場合は、タスク 2 に進むことができます。

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. 配置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. プロビジョニングされた機械学習サービスをリストから選択する。

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見てください。

プロジェクト内でパイプラインを作成し、実行する。 以下の手順に従って、プロジェクトのサンプルを基にパイプラインを作成してください：

1. watsonx 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. 旅をカスタマイズするをクリックし、すべてのタスクを表示するを選択します。

3. モデルのライフサイクルを自動化を選択します。

4. リソースハブサンプルをクリックします。

5. Orchestrate an AutoAI experimentを選択し、Next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する。

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、最適なパイプラインを選択してモデルとして保存します。 モデルは空間に配置される。

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見てください。

サンプルパイプラインには、アセットを作成し、それらのアセットを使用してモデルを構築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、以下の手順に従ってください：

1. グローバルオブジェクトアイコンをクリックすると、パイプラインのパラメータが表示されます。 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 実験の最良のモデルが格納され、デプロイされるデプロイメント空間を指定するパラメータがあります。 Xをクリックしてウィンドウを閉じる。

2. Create data file ノードをダブルクリックして、実験用のデータセットにアクセスするように設定されていることを確認する。 キャンセルをクリックしてプロパティペインを閉じます。

3. Create AutoAI実験ノードをダブルクリックします。 実験名、スコープ（実験が保存されている場所）、予測タイプ（バイナリ分類、マルチクラス分類、回帰）、予測カラム、ポジティブ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ある。 キャンセルをクリックしてプロパティペインを閉じます。

4. Run AutoAI experimentノードをダブルクリックします。 このノードはAutoAI実験onboarding-bank-marketing-predictionを実行し、パイプラインを訓練し、最適なモデルを保存します。 最初の2つのパラメータは必須である。 最初のパラメータは、Create AutoAI実験ノードの出力を入力として実験を実行する。 2番目のパラメータは、データファイルの作成ノードからの出力を実験のトレーニングデータ入力として使用します。 残りのパラメーターはすべてオプションである。 Cancelをクリックしてプロパティペインを閉じます。

5. Webサービスを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。 最初のパラメータは、Run AutoAI実験ノードからの最良のモデル出力を入力として、指定された名前のデプロイメントを作成します。 残りのパラメーターはすべてオプションである。 キャンセルをクリックしてプロパティペインを閉じます。

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見てください。

パイプラインが完成したので、以下の手順に従ってパイプラインを実行します：

1. ツールバーから、Run pipeline > Trial runをクリックします。

2. パイプラインパラメータの値セクションで、デプロイメントスペースを選択します：

   1. セレクトスペースをクリックします。

   2. スペースをクリックします。

   3. タスク1から配置スペースを選択します。

   4. 選択をクリックします。

3. 初めてパイプラインを実行する場合は、APIキーを入力してください。 パイプライン アセットは、個人の IBM Cloud API キーを使用して、業務を中断することなく安全に実行します。

   • 既存のAPIキーをお持ちの場合は、Use existing API keyをクリックし、APIキーを貼り付け、Saveをクリックします。

   • 既存のAPIキーがない場合は、Generate new API keyをクリックして名前を入力し、Saveをクリックします。 APIキーをコピーし、将来の使用のためにAPIキーを保存する。 終わったら、閉じるをクリックする。

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. パイプラインの進捗状況を監視する。

   1. パイプラインの実行中に連結ログをスクロールする。 試運転には10分ほどかかる場合がある。

   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する。

   3. Node Inspector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すると、各ノード操作の出力の概要が表示されます。

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。

パイプラインは配備スペースにいくつかの資産を生み出した。 資産を見るには、以下の手順に従ってください：

1. watsonx のナビゲーション・メニュー から、Deployments を選択します。

2. 配置スペースの名前をクリックします。

3. 資産タブで、すべての資産を表示します。

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アセットを作成しました。

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。 Run AutoAI実験ノードはいくつかのモデル候補を生成し、これを最良のモデルとして選んだ。

6. モデルの詳細タブをクリックし、モデルとトレーニング情報をスクロールします。

7. Deployments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、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"
                                ]
                        ]
                }
        ]
      }