Per avere un'anteprima di questo compito, guardate il video a partire da 00:04.

È necessario un progetto per memorizzare l'esperimento di ottimizzazione. Guarda un video per vedere come creare un progetto sandbox e associare un servizio. Quindi, seguire la procedura per verificare di disporre di un progetto esistente o creare un progetto.

Per vedere un'anteprima di questo compito, guardate il video a partire da 00:19.

È possibile verificare il modello ottimizzato in Prompt Lab. Seguire questi passi per verificare il modello ottimizzato:

1. Torna alla schermata home di watsonx .

2. Verificare che il progetto sandbox sia selezionato.

   

3. Fare clic sul riquadro Aprire il prompt del laboratorio.

4. Selezionare il modello ottimizzato.

   1. Fare clic sull'elenco a discesa del modello e selezionare Visualizza tutti i modelli di fondazione.
   2. Selezionare il modello granite-13b-instruct-v2.
   3. Fare clic su Seleziona modello.

5. Fare clic sulla scheda Strutturato.

6. Per l'Istruzione, digitare:

   Summarize customer complaints
   

7. Fornire gli esempi e l'input di test.

   Input e output di esempio

   Input di esempio	Output di esempio
   Ho dimenticato nella mia data iniziale che stavo usando il Capital One e questo debito era nelle loro mani e non è mai stato fatto.	Recupero crediti, sotto - prodotto: debito della carta di credito, emissione: intrapresa o minacciata di intraprendere un'azione negativa o legale sotto - emissione
   Sono vittima di un furto di identità e questo debito non mi appartiene. Si prega di consultare il rapporto sul furto di identità e l'affidavit legale.	Recupero crediti, sottoprodotto, non so, problema. tentativi di recupero del debito non dovuto. Il debito sotto - emissione era il risultato di un furto di identità

   
   

8. Nel campo di testo Prova , copia e incolla la seguente richiesta:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

9. Fare clic su Generaed esaminare i risultati. Prendere nota del risultato del modello di base, in modo da poterlo confrontare con il risultato del modello messo a punto.

10. Fare clic su Salva lavoro> Salva con nome.

11. Selezionare Modello di prompt.

12. Per il nome, immettere Base model prompt.

13. Per l'attività, selezionare Riassunto.

14. Selezionare Visualizza nel progetto dopo il salvataggio.

15. Fare clic su Salva.

Per avere un'anteprima di questo compito, guardate il video a partire da 01:12.

Devi aggiungere i dati di formazione al tuo progetto. Nella pagina hub della risorsa, è possibile trovare il dataset dei reclami del cliente. Questo dataset include dati fittizi di reclami tipici dei clienti relativi ai report di credito. Attenersi alla seguente procedura per aggiungere il dataset dall'hub di risorse al progetto:

1. Accedere al set di dati sui reclami dei clienti nella pagina dell'hub delle risorse.
2. Fare clic su Aggiungi al progetto.
3. Selezionare il progetto sandbox.
4. Fare clic su Aggiungi.
5. Fare clic su Visualizza progetto per visualizzare l'asset nel progetto.

Per vedere l'anteprima di questo compito, guardate il video a partire da 01:32.

Ora si è pronti a creare un esperimento di ottimizzazione nel progetto sandbox che utilizza il dataset appena aggiunto al progetto. Attenersi alla seguente procedura per creare un esperimento di ottimizzazione:

1. Torna alla schermata home di watsonx .

2. Verificare che il progetto sandbox sia selezionato.

   

3. Fare clic su Sintonizza un foundation model con dati etichettati.

4. Per il nome, immettere:

   Summarize customer complaints tuned model
   

5. Per la descrizione, immettere:

   Tuning Studio experiment to tune a foundation model to handle customer complaints.
   

6. Fare clic su Crea. Viene visualizzato Tuning Studio .

Per vedere un'anteprima di questo compito, guardate il video a partire da 01:47.

In Tuning Studio, è possibile configurare l'esperimento di ottimizzazione. Il foundation model da sintonizzare viene completato per voi. Attenersi alla seguente procedura per configurare l'esperimento di ottimizzazione:

1. Per il foundation model da sintonizzare, fare clic su Seleziona un foundation model.

   1. Selezionare granite-13b-instruct-v2.

   2. Fare clic su Seleziona.

2. Selezionare Testo per il metodo di inizializzazione del prompt. Ci sono due opzioni:

   • Testo: utilizza il testo specificato.
   • Casuale: utilizza valori generati per l'utente come parte dell'esperimento di ottimizzazione.

3. Per il campo Testo , immettere:

   Summarize the complaint provided into one sentence.
   

   La tabella riportata di seguito mostra un testo di esempio per ciascun tipo di attività:

   titolo

   Tipo di attività	Esempio
   Classificazione	Classificare se l'opinione di ciascun commento è positiva o negativa
   Generazione	Permetti ai dipendenti di lavorare da casa qualche giorno alla settimana
   Riepilogo	Riepiloga i punti principali di una trascrizione di una riunione

   
   

4. Selezionare Riepilogo per il tipo di attività che corrisponde più strettamente a quello che si desidera che il modello esegua. Esistono tre tipi di attività:

   • Riepilogo genera un testo che descrive le idee principali espresse in un corpo di testo.
   • Generazione genera testo, ad esempio un'email promozionale.
   • Classificazione prevede le etichette di categoria dalle funzioni. Ad esempio, data una serie di commenti del cliente, è possibile etichettare ogni istruzione come una domanda o un problema. Quando si utilizza l'attività di classificazione, è necessario elencare le etichette di classe che si desidera vengano utilizzate dal modello. Specificare le stesse etichette utilizzate nei dati di training di ottimizzazione.

5. Selezionare i dati di addestramento dal progetto.

   1. Fare clic su Seleziona da progetto.
   2. Fare clic su Asset dati.
   3. Seleziona il file customer reclami training data.json .
   4. Fai clic su Select asset.
   5. Fare clic su Avvia ottimizzazione.

Per avere un'anteprima di questo compito, guardate il video a partire da 03:17.

Una volta completata l'esecuzione dell'esperimento, viene visualizzato il modello ottimizzato e il grafico della funzione Perdita. La funzione di perdita misura la differenza tra i risultati previsti e quelli effettivi con ogni esecuzione di addestramento. Attenersi alla seguente procedura per visualizzare il grafico della funzione di perdita e il modello ottimizzato:

1. Rivedere il grafico della funzione Perdita. Una curva di inclinazione verso il basso indica che il modello sta migliorando nella generazione dell'output previsto.

   

2. Sotto il grafico, fare clic sul modello ottimizzato Riepiloga reclami cliente .

3. Scorrere i dettagli del modello.

4. Fare clic su Distribuisci.

5. Per il nome, digitare: Summarize customer complaints tuned model

6. Per il contenitore di distribuzione, selezionare spazio di distribuzione.

7. Per lo Spazio di distribuzione di destinazione, selezionare uno spazio di distribuzione esistente. Se non si dispone di uno spazio di distribuzione esistente, attenersi alla seguente procedura:

   1. Per lo Spazio di distribuzione di destinazione, selezionare Crea un nuovo spazio di distribuzione.
   2. Per il nome dello spazio di distribuzione, digitare: Foundation models deployment space
   3. Selezionare un servizio di archiviazione dall'elenco.
   4. Selezionare il servizio di machine learning di cui è stato eseguito il provisioning dall'elenco.
   5. Fare clic su Crea.
   6. Fare clic su Chiudi.
   7. Per lo Spazio di distribuzione di destinazione, verifica che sia selezionata l'opzione Spazio di distribuzione dei modelli Foundation .

8. Selezionare l'opzione Visualizza distribuzione nello spazio di distribuzione dopo la creazione .

9. Fare clic su Crea.

10. Nella pagina Distribuzioni , fare clic sulla distribuzione Riepiloga modello ottimizzato per i reclami dei clienti per visualizzare i dettagli.

Per avere un'anteprima di questo compito, guardate il video a partire da 04:04.

È possibile verificare il modello ottimizzato in Prompt Lab. Seguire questi passi per verificare il modello ottimizzato:

1. Dalla pagina di distribuzione del modello, fare clic su Apri nel laboratorio prompt, quindi selezionare il progetto sandbox. Viene visualizzato il prompt Lab.

2. Selezionare il modello ottimizzato.

   1. Fare clic sull'elenco a discesa del modello e selezionare Visualizza tutti i modelli di fondazione.
   2. Selezionare il modello Modello ottimizzato per il riepilogo dei reclami del cliente .
   3. Fare clic su Seleziona modello.

3. Nella pagina Modalità strutturata , immettere Istruzione: Summarize customer complaints

4. Nella pagina Modalità strutturata , fornire gli esempi e verificare l'input.

   Input e output di esempio

   Input di esempio	Output di esempio
   Ho dimenticato nella mia data iniziale che stavo usando il Capital One e questo debito era nelle loro mani e non è mai stato fatto.	Recupero crediti, sotto - prodotto: debito della carta di credito, emissione: intrapresa o minacciata di intraprendere un'azione negativa o legale sotto - emissione
   Sono vittima di un furto di identità e questo debito non mi appartiene. Si prega di consultare il rapporto sul furto di identità e l'affidavit legale.	Recupero crediti, sottoprodotto, non so, problema. tentativi di recupero del debito non dovuto. Il debito sotto - emissione era il risultato di un furto di identità

   
   

5. Nel campo di testo Prova , copia e incolla la seguente richiesta:

   After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
   

6. Fare clic su Generaed esaminare i risultati. Confrontare il risultato del modello di base con quello del modello sintonizzato.