빠른 시작: watsonx.ai 엔드-투-엔드 유스 케이스 시도

진행 상황 확인

Copy link to section

다음 이미지는 프로젝트 자산 탭을 표시합니다. 이제 훈련 데이터를 시각화할 준비가 되었습니다.

작업 2a: 데이터를 시각화하세요

Copy link to section

이 작업을 미리 보려면 01:24부터 시작되는 비디오를 시청하십시오.

먼저, 데이터를 시각화하여 명백한 이상 징후가 있는지 확인합니다. 데이터를 시각화하려면 다음 단계를 따르십시오

1. 열기 bank-marketing-data.csv 데이터 세트. 이 열에는 잠재 고객에 대한 정보가 포함되어 있습니다.
2. 자산 정보 보기 아이콘 을 클릭하여 자산 정보 창을 닫습니다.
3. 시각화 탭을 클릭하십시오.
   1. 현재 결과 열을 시각화할 열로 선택합니다. 이 열은 연락한 사람이 현재 제안을 수락했는지 여부를 나타냅니다. 이 열은 모델을 구축할 때 목표 열입니다.
   2. 다른 열 추가를 클릭한 다음, previous_outcome 열을 선택합니다. 이 열은 연락을 받은 사람이 이전 제안을 수락했는지 여부를 나타냅니다. 파란색 점이 있는 차트 유형이 추천 차트입니다.
   3. 트리 차트 유형을 선택합니다. 이 차트는 이전 제안을 수락한 사람들과 현재 제안을 수락한 사람들 사이의 비교를 보여줍니다.
   4. 루트 노드에 마우스를 가져가면 데이터 세트에 있는 총 레코드 수를 볼 수 있습니다.
   5. 마찬가지로, '아니요 '와 '예' 노드 위에 마우스를 올려놓으면 총계를 볼 수 있습니다.
   6. 레이블이 없는 노드에 마우스를 가져다 대면 current_outcome 필드가 null인 데이터 세트에 있는 총 레코드 수를 확인할 수 있습니다.

작업 2b: 데이터 준비

Copy link to section

이 작업을 미리 보려면 02:40부터 시작되는 비디오를 시청하십시오.

Current_outcome이 목표 열이므로, null 값이 있는 행을 제거할 수 있도록 데이터 세트를 준비해야 합니다. 데이터 세트를 준비하려면 다음 단계를 따르십시오

1. 데이터 준비를 클릭하여 Data Refinery 를 엽니다.
2. 자산 정보 창 을 닫습니다.
3. Current_outcome 열을 선택합니다.
4. 새 단계 > 빈 행 제거를 클릭합니다.
5. 적용을 클릭하십시오.
6. 프로필 탭을 클릭하여 작업을 확인합니다.
7. Current_outcome 열로 스크롤하면 모든 값이 "yes" 또는 "no"임을 알 수 있습니다.

작업 2c: (작업) 정제된 데이터 저장

Copy link to section

이 작업을 미리 보려면 03:08부터 시작되는 비디오를 시청하십시오.

정제된 데이터를 저장하려면 대상 데이터 세트의 파일 이름을 지정한 다음 작업을 생성하고 실행합니다. 다음 단계에 따라 정제된 데이터를 저장하십시오

1. 파일 이름을 지정하세요:

   1. 설정 아이콘 을 클릭합니다.
   2. 대상 데이터 세트 페이지를 클릭합니다.
   3. 속성 편집을 클릭 합니다.
   4. 데이터 자산 이름*을 bank-marketing-data-prepared.csv클립보드에 복사됨 로 변경합니다.
   5. 저장 을 클릭하십시오.
   6. 적용을 클릭하십시오.

2. 작업을 생성하고 실행합니다:

   1. 툴바에서 작업 아이콘을 클릭하고, 작업 저장 및 생성을 선택합니다.
      

   2. Bank marketing data클립보드에 복사됨 라는 이름을 입력하고 다음을 클릭합니다.

   3. 설정 페이지에서 실행 환경을 선택하고 다음을 클릭합니다.

   4. 일정 페이지 에서 기본값을 수락하고 다음을 클릭합니다.

   5. 알림 페이지 에서 이 작업에 대한 알림을 끄고 다음 을 클릭합니다.

   6. 세부사항을 검토하고 작성 및 실행을 클릭하여 작업을 즉시 실행하십시오.

3. 작업이 작성되면 알림에서 작업 세부사항 링크를 클릭하여 프로젝트의 작업을 보십시오. 또는 프로젝트의 작업 탭으로 이동하여 작업 이름을 클릭하여 열 수 있습니다.

4. 작업 상태 가 완료로 표시 되면, 프로젝트 탐색 트레일을 사용하여 프로젝트의 자산 탭 으로 되돌아갑니다.

5. Data Refinery 흐름의 결과를 보려면 데이터 > 데이터 자산 섹션을 클릭하고 bank-marketing-data-prepared.csv 값을 검증합니다.

진행 상태 확인

Copy link to section

다음 이미지는 모델을 표시합니다.

작업 4a: 테스트 데이터를 배포 공간으로 이동

Copy link to section

이 작업을 미리 보려면 05:34부터 시작되는 비디오를 시청하십시오.

샘플 프로젝트에는 테스트 데이터가 포함되어 있습니다. 해당 테스트 데이터를 배치 영역으로 승격하므로 테스트 데이터를 사용하여 배치된 모델을 테스트할 수 있습니다. 다음 단계에 따라 테스트 데이터를 배치 영역으로 승격시키십시오.

1. 프로젝트의 자산 탭으로 돌아가십시오.

2. 오버플로우 메뉴 를 클릭하면 bank-marketing-test-data.csv 데이터 자산을 선택하고, 공간으로 승격하기를 선택 합니다.

3. 기존 배치 영역을 선택하십시오. 배치 영역이 없는 경우:

   1. 새 배치 영역 작성을 클릭하십시오.

   2. 이름을 입력하려면 다음을 입력하십시오: Bank marketing promotion space클립보드에 복사됨

   3. 스토리지 서비스를 선택하십시오.

   4. 기계 학습 서비스를 선택하십시오.

   5. 작성을 클릭하십시오.

   6. 공간이 준비되면 알림을 닫으십시오.

4. 목록에서 새 배치 영역을 선택하십시오.

5. 승격을 클릭하십시오.

6. 닫기를 클릭하면 프로젝트의 자산 탭 으로 돌아갑니다.

진행 상황 확인

Copy link to section

다음 이미지는 완료된 노트북을 표시합니다. 이제 기초 모델을 프롬프트하는 데 사용할 덩어리 텍스트가 생겼습니다.

6a: 작업 요약 작업

Copy link to section

이 작업을 미리 보려면 09:32부터 시작되는 비디오를 시청하십시오.

먼저, 요약 프롬프트 템플릿을 사용해 보세요.

1. 프로젝트의 자산 탭으로 돌아가십시오.

2. 은행 프로모션 요약 프롬프트 템플릿을 클릭합니다. 그러면 Prompt Lab 에서 프롬프트 템플릿이 열립니다.

3. 편집 을 클릭하여 편집 모드에서 프롬프트 템플리트를 여십시오.

   요약 작업의 경우, 입력 예제로는 챕터로 구분된 뉴스 기사 텍스트를 사용하고, 출력 예제로는 마케팅 전문가가 일반적으로 프로모션 제안을 설명하기 위해 직접 작성하는 노트를 사용합니다. 이는 마케팅 팀이 직접 작성한 것과 유사한 결과를 얻기 위한 것입니다.

4. 이 프롬프트에 사용된 기초 모델이 XX 임을 확인하십시오.

5. 요약 결과를 보려면 생성 을 클릭하십시오.

6. 노트북에 있는 청크된 뉴스 기사의 다른 입력 및 출력 텍스트를 사용하여 실험하십시오.

작업 6b: 질문 답변 작업

Copy link to section

이 작업을 미리 보려면 10:15부터 시작되는 비디오를 시청하십시오.

다음으로, 질문 답변 프롬프트 템플릿을 사용해보세요.

1. 저장된 프롬프트 보기 를 클릭하면 프로젝트의 저장된 프롬프트를 볼 수 있습니다.

2. 저장된 프롬프트 목록에서 질문 답변 은행 프로모션 프롬프트 템플릿을 클릭합니다.

3. 편집 을 클릭하여 편집 모드에서 프롬프트 템플리트를 여십시오.

   질문에 응답하는 태스크의 경우 질문을 입력 예제로 사용하고 필요한 세부사항 레벨의 응답을 출력 예제로 사용합니다.

4. 이 프롬프트에 사용된 기초 모델은 flan-t5-xxl-11b.

5. 요약 결과를 보려면 생성 을 클릭하십시오.

6. 다른 입력 및 출력 텍스트를 사용하여 실험하십시오.

작업 6c: 모델 매개 변수 조정

Copy link to section

이 작업을 미리 보려면 10:37부터 시작되는 비디오를 시청하십시오.

Prompt Lab 에서 디코딩 설정을 조정하여 특정 작업에 대한 모델의 출력을 최적화할 수 있습니다

• 디코딩
  • 그리디: 항상 확률이 가장 높은 단어 선택
  • 샘플링: 단어 선택의 가변성 사용자 정의
• 반복 페널티: 얼마나 많은 반복이 허용되는지
• 중지 기준: 생성된 경우 텍스트 생성이 중지되도록 하는 하나 이상의 문자열

이러한 유연성은 높은 수준의 맞춤 설정을 가능하게 해, 작업의 요구 사항과 제약 조건에 가장 적합한 매개 변수로 모델을 작동할 수 있도록 해줍니다.

Prompt Lab 에서 토큰 제한을 설정하여 작업이 모델의 운영 범위 내에 있도록 할 수 있습니다. 이 설정은 모델의 기술적 한계와 응답의 포괄성을 조화시켜 작업의 효율적이고 효과적인 처리를 가능하게 합니다.

작업 6d: 문서 채팅

Copy link to section

이 작업을 미리 보려면 10:45부터 시작되는 비디오를 시청하십시오.

또한 채팅 모드를 사용하여 사실을 제공하는 샘플 PDF 문서를 사용하여 기초 모델을 요청할 수 있습니다. 하나 이상의 문서를 추가하면 기초 모델이 질문에 답하는 데 사용할 인메모리 벡터 인덱스가 생성됩니다.

1. 새 프롬프트를 클릭합니다.
2. 채팅을 클릭합니다.
3. 선택 사항: 예를 들어, 모델을 선택합니다 llama-3-1-8b-instruct.
4. 문서 업로드 아이콘 을 클릭하고 문서 추가를 선택합니다.
5. 프로젝트에서 선택을 클릭합니다.
   1. 은행 CD Rates.pdf 를 선택합니다.
   2. 선택을 클릭하십시오.
6. Back on the Ground gen AI with vectorized documents 페이지로 돌아가서, 이름을 확인하고, 만들기 버튼을 클릭합니다.
7. Type something 필드 에 Which bank has the best APY for a term deposit and what is the rate?클립보드에 복사됨 를 입력하고 보내기 아이콘 을 클릭하면 답을 볼 수 있습니다.

진행 상황 확인

Copy link to section

다음 이미지는 노즈비 언어 팩( Prompt Lab )을 보여줍니다.