0 / 0
資料の 英語版 に戻る
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

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

エンドツーエンド・パイプラインを作成して、外部データ・ソースに保管されている簡潔なデータ、前処理されたデータ、および最新のデータを配信できます。 オーケストレーション・パイプラインについてお読みになり、ビデオをご覧になり、チュートリアルを始めてください。

必須のサービス
Watson Studio
Watson Machine Learning

基本的なワークフローには、以下のタスクが含まれます:

  1. サンドボックス・プロジェクトを開きます。 プロジェクトは、データを処理するために他のユーザーと共同作業できる場所です。
  2. 接続とデータをプロジェクトに追加します。 接続を介してリモート・データ・ソースからの CSV ファイルまたはデータを追加できます。
  3. プロジェクト内にパイプラインを作成します。
  4. タスクを実行するためのノードをパイプラインに追加します。
  5. パイプラインを実行し、結果を表示します。

パイプラインについて読む

パイプライン・エディターは、作成からデプロイメントまでの資産のエンドツーエンド・フローを調整するためのグラフィカル・インターフェースを提供します。 機械学習モデルおよび Python スクリプトを作成、トレーニング、デプロイ、および更新するためのパイプラインをアセンブルおよび構成します。 モデルを実動に移すことは、複数のステップからなるプロセスです。 データをロードして処理する必要があります。モデルをデプロイしてテストする前に、モデルをトレーニングしてチューニングする必要があります。 機械学習モデルでは、バイアスやドリフトを回避するために、時間の経過に伴い、さらに観測、評価、および更新が必要になります。

パイプラインについての詳細

モデルを構築する他の方法について説明します

パイプラインに関するビデオを見る

< このチュートリアルのステップをプレビューするには、このビデオをご覧ください。 ビデオに表示されているユーザー・インターフェースに若干の違いがあることに気付く場合があります。 このビデオは、作成されたチュートリアルと一緒に使用することを目的としています。

このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。


パイプラインを使用してモデルを作成するチュートリアルを試す

このチュートリアルでは、モデルを作成してデプロイするための AI パイプラインの探索と実行について説明します。 このモデルは、顧客がマーケティング・キャンペーンに基づいて定期預金をサブスクライブする可能性があるかどうかを予測します。

このチュートリアルでは、以下のタスクを実行します:

このチュートリアルを完了するには、約 30 分かかります。

サンプルデータ

ガイド付きエクスペリエンスで使用されるサンプル・データは、UCI: 顧客がマーケティング・プロモーションに登録するかどうかを予測するために使用される銀行マーケティング・データです。

銀行マーケティング・データ・セットのスプレッドシート





このチュートリアルを完了するためのヒントこのチュートリアルを正常に完了するためのヒントを以下に示します。

ビデオ・ピクチャー・イン・ピクチャーの使用

ヒント: ビデオを開始してから、チュートリアルをスクロールすると、ビデオはピクチャー・イン・ピクチャー・モードに移行します。 ピクチャー・イン・ピクチャーを最大限に活用するには、ビデオの目次を閉じます。 ピクチャー・イン・ピクチャー・モードを使用して、このチュートリアルのタスクを完了する際にビデオをフォローすることができます。 後続の各タスクのタイム・スタンプをクリックします。

以下のアニメーション・イメージは、ビデオ・ピクチャー・イン・ピクチャーおよび目次機能の使用方法を示しています。

ピクト・イン・ピクチャーおよび章の使用法

コミュニティーでのヘルプの利用

このチュートリアルでヘルプが必要な場合は、 watsonx コミュニティー・ディスカッション・フォーラムで質問したり、回答を見つけたりすることができます。

ブラウザー・ウィンドウのセットアップ

このチュートリアルを最適に実行するには、1 つのブラウザー・ウィンドウで Cloud Pak for Data を開き、このチュートリアル・ページを別のブラウザー・ウィンドウで開いたままにして、2 つのアプリケーションを簡単に切り替えることができます。 2 つのブラウザー・ウィンドウを横並びに配置して、見やすくすることを検討してください。

横並びのチュートリアルと UI

ヒント: ユーザー・インターフェースでこのチュートリアルを完了するときにガイド・ツアーが表示された場合は、 「後で行うこともあります」をクリックします。



タスク 1: プロジェクトを開く

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。

このビデオは、本書の概念とタスクを学習するためのビジュアル・メソッドを提供します。

  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。

チェックポイント・アイコン 進行状況を確認してください

以下のイメージは、「プロジェクト」セクションにサンドボックスがリストされているホーム画面を示しています。 これで、プロンプト・ラボを開く準備ができました。

サンドボックス・プロジェクトがリストされたホーム画面。




タスク 2: デプロイメント・スペースの作成

プレビュー・チュートリアル・ビデオ 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 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。

チェックポイント・アイコン 進行状況を確認してください

次のイメージは、空のデプロイメント・スペースを示しています。

以下のイメージは、空のデプロイメント・スペースを示しています。




タスク 3: サンプル・パイプラインの作成

プレビュー・チュートリアル・ビデオ 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。

    プロジェクト・リスト・ドロップダウン

  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。

チェックポイント・アイコン 進行状況を確認してください

次の図は、サンプル・パイプラインを示しています。

以下の図は、サンプル・パイプラインを示しています。




タスク 4: 既存のパイプラインの探索

プレビュー・チュートリアル・ビデオ 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 グローバル・オブジェクト 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。

チェックポイント・アイコン 進行状況を確認してください

以下の図は、Web サービスの作成ノードのプロパティーを示しています。 これで、サンプル・パイプラインを実行する準備ができました。

以下のイメージは、Web サービスの作成ノードのプロパティーを示しています。




タスク 5: パイプラインの実行

プレビュー・チュートリアル・ビデオ 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。

チェックポイント・アイコン 進行状況を確認してください

以下のイメージは、試用版の実行が完了した後のパイプラインを示しています。 これで、パイプラインによって作成された資産を確認する準備ができました。

パイプラインの実行が完了しました




タスク 6: 資産、デプロイ済みモデル、およびオンライン・デプロイメントの表示

プレビュー・チュートリアル・ビデオ 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 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"
                                ]
                        ]
                }
        ]
      }
      

チェックポイント・アイコン 進行状況を確認してください

以下のイメージは、テストの結果を示しています。予測では、応募者を承認します。 テストの信頼度スコアは、画像に表示されているスコアとは異なる場合があります。

テスト結果の予測



次のステップ

詳細情報

親トピック: クイック・スタート・チュートリアル

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細