クイック・スタートwatsonx.ai エンドツーエンドのユースケースを試す

進捗状況を確認する

Copy link to section

次の図は、プロジェクトの「資産」タブを示しています。 これでトレーニングデータを視覚化する準備が整いました。

タスク 2a: データの可視化

Copy link to section

このタスクをプレビューするには、 1:24 から始まるビデオをご覧ください。

まず、データに明らかな異常がないかを確認するために可視化します。 データを可視化するには、以下の手順に従います

1. データセットを開きます。 bank-marketing-data.csv データセットを開きます。 列には潜在的な顧客に関する情報が含まれています。
2. 資産を表示 アイコン をクリックして、 資産について ウィンドウを閉じます。
3. ビジュアライゼーションタブをクリックします。
   1. current_outcome 列を可視化する列として選択します。 この列は、連絡した相手が現在のオファーを受け入れたかどうかを示します。この列は、モデルを構築する際のターゲット列となります。
   2. 「別の列を追加 」をクリックし、次に 「previous_outcome」列を選択します。 この欄には、連絡した相手が以前のオファーを受け入れたかどうかを示します。 青いドットが付いたチャートタイプが推奨チャートです。
   3. ツリーチャートの種類を選択します。 このグラフは、以前のオファーを受諾した人々と、それらの同じ人々が現在のオファーを受諾したかどうかを比較したものです。
   4. ルートノードにカーソルを合わせると、データセット内のレコードの総数を確認できます。
   5. 同様に 、「いいえ」 と「はい」のノードにカーソルを合わせると、それらの合計が表示されます。
   6. ラベルのないノードにカーソルを合わせると、 current_outcomeフィールドがnullであるデータセット内のレコードの総数を確認できます。

タスク 2b: データの準備

Copy link to section

このタスクのプレビューを見るには、 2分40秒から始まるビデオをご覧ください。

current_outcome が対象の列であるため、null値の行を削除するデータセットを用意する必要があります。 データセットを準備するには、以下の手順に従います

1. 「データの準備 」をクリックすると、 Data Refinery が開きます。
2. 資産について のウィンドウを閉じます。
3. current_outcome 列を選択します。
4. [新しいステップ] > [空の行を削除] をクリックします。
5. 「適用」をクリックします。
6. [プロファイル] タブをクリックして、アクションを確認します。
7. current_outcomeの列までスクロールすると、すべての値が「はい」または「いいえ」のいずれかであることがわかります。

タスク 2c: 精製されたデータを保存する

Copy link to section

このタスクをプレビューするには、 3分8秒から始まるビデオをご覧ください。

精製したデータを保存するには、ターゲットデータセットのファイル名を指定し、ジョブを作成して実行します。 以下の手順に従って、精製したデータを保存してください

1. ファイル名を指定してください：

   1. 設定アイコン をクリックします。
   2. ターゲットデータセットページをクリックします。
   3. プロパティの編集をクリックします。
   4. データ資産*を bank-marketing-data-prepared.csvクリップボードにコピーされました に変更してください。
   5. 保存 をクリックします。
   6. 「適用」をクリックします。

2. ジョブを作成して実行します

   1. ツールバーから 「ジョブ」アイコンをクリックし 、「保存してジョブを作成」 を選択します。
      

   2. 次の名前を入力し、 Bank marketing dataクリップボードにコピーされました をクリックして次へをクリックします。

   3. 「Configure（設定）」ページで、実行環境を選択し 、「Next（次へ）」 をクリックします。

   4. スケジュールページで、デフォルト値を受け入れ 、「次へ」 をクリックします。

   5. 通知ページで、このジョブの通知をオフにしたままにし 、「次へ」 をクリックします。

   6. 詳細を確認し、 作成して実行 をクリックしてジョブを即時に実行してください。

3. ジョブが作成されたら、通知内の ジョブの詳細 リンクをクリックして、プロジェクト内のジョブを表示します。 あるいは、プロジェクトの ジョブ タブにナビゲートし、ジョブ名をクリックして開くこともできます。

4. ジョブの 状態 が 完了 の場合、プロジェクト内の 資産 タブに戻るには、プロジェクトのナビゲーション履歴を使用します。

5. データ > データ資産 のセクションをクリックすると、 Data Refinery フローの出力が表示されます。 bank-marketing-data-prepared.csv を開いて値を確認します。

進捗状況を確認する

Copy link to section

以下の画像はモデルを示している

Task 4a: Promote the test data to a deployment space

Copy link to section

このタスクをプレビューするには、 5分34秒から始まるビデオをご覧ください。

サンプルプロジェクトにはテストデータが含まれています。 そのテストデータをデプロイメントスペースに昇格させ、デプロイされたモデルをテストするためにテストデータを使用できるようにします。 テスト データを配置スペースに昇格させるには、次の手順に従います：

1. プロジェクトの 資産 タブに戻ります。

2. Click the 溢れる menu for the bank-marketing-test-data.csv data asset, and choose スペースへのプロモートへ.

3. 既存のデプロイメント・スペースを選択してください。 もし配置スペースがなければ：

   1. 新しい配置スペースを作成をクリックします。

   2. 名前を入力し、タイプします。 Bank marketing promotion spaceクリップボードにコピーされました

   3. ストレージ・サービスを選択してください。

   4. 機械学習サービスを選択してください。

   5. 「作成」 をクリックします。

   6. スペースの準備ができたら通知を閉じる。

4. リストから新しい配置スペースを選択します。

5. プロモートをクリックします。

6. 閉じる をクリックすると、プロジェクトの 資産 タブに戻ります。

進捗状況を確認する

Copy link to section

次の画像は完成したノートブックです。 You now have the chunked text to use to prompt the foundation model.

タスク 6a: 要約タスク

Copy link to section

このタスクのプレビューを見るには、 9分32秒から始まるビデオをご覧ください。

まず、要約プロンプトテンプレートをお試しください。

1. プロジェクトの 資産 タブに戻ります。

2. 銀行プロモーションの要約プロンプトテンプレートをクリックします。 これにより、 Prompt Lab でプロンプトテンプレートが開きます。

3. Editをクリックすると、プロンプトテンプレートが編集モードで開きます。

   要約作業では、チャンク化されたニュース記事のテキストを入力例として使用し、マーケティング担当者が通常、販促オファーを説明する内容を手動で作成することを出力例として示します。 これは、マーケティングチームが自ら書くであろう内容に近いアウトプットを確保するためです。

4. Notice the foundation model used for this prompt is XX.

5. Generateをクリックすると、要約結果が表示されます。

6. ノートブックのチャンクされたニュース記事から、さまざまな入力と出力のテキストを試す。

タスク 6b: 質問応答タスク

Copy link to section

このタスクのプレビューを見るには、 10:15 から始まるビデオをご覧ください。

次に、質問応答プロンプトテンプレートをお試しください。

1. 保存したプロンプトをクリックすると、 プロジェクトから保存したプロンプトを確認できます。

2. 保存したプロンプトのリストから 「Question Answer Bank Promotions」 のプロンプトテンプレートをクリックします。

3. Editをクリックすると、プロンプトテンプレートが編集モードで開きます。

   質問と回答のタスクでは、入力例として質問を使い、出力例として要求される詳細レベルと望ましい形式の回答を使います。

4. Notice the foundation model used for this prompt is flan-t5-xxl-11b.

5. Generateをクリックすると、要約結果が表示されます。

6. 入力と出力のテキストを変えて実験する。

タスク 6c: モデルパラメータを調整する

Copy link to section

このタスクをプレビューするには、 10:37 から始まるビデオをご覧ください。

Prompt Lab では、特定のタスクに合わせてモデルの出力を最適化するために、デコード設定を調整することができます

• デコード
  • 貪欲：常に最も確率の高い単語を選択する
  • サンプリング：単語選択のばらつきをカスタマイズする
• 反復ペナルティ：どの程度の反復が許されるか
• 停止基準：生成された場合にテキスト生成を停止させる1つ以上の文字列

この柔軟性により高度なカスタマイズが可能となり、モデルがタスクの要件と制約に最適なパラメータで動作するようにすることができます。

Prompt Lab では、タスクがモデルの運用範囲内に収まるようにトークン制限を設定することができます。 この設定により、モデルの技術的限界と応答の包括性のバランスが取れ、タスクの効率的かつ効果的な処理が可能になります。

タスク 6d: ドキュメントとのチャット

Copy link to section

このタスクのプレビューを見るには、 10:45 から始まるビデオをご覧ください。

You can also use チャット mode to prompt a foundation model using a sample PDF document that provides facts. 1つまたは複数のドキュメントを追加すると、 基盤モデル質問に回答するために使用するインメモリベクトルインデックスが作成されます。

1. 「新規」 をクリックします。
2. チャットをクリックします。
3. オプション：モデルを選択します。例えば、 llama-3-1-8b-instruct。
4. 「アップロード」 アイコン をクリックし 、「ドキュメントを追加」 を選択します。
5. プロジェクトから選択をクリックします。
   1. Bank CD Rates.pdf を選択します。
   2. 「選択」をクリックします。
6. Back on the Ground gen AI with vectorized documents ページに戻り、名前を確認して 、Create をクリックします。
7. 「何かを入力」の欄に Which bank has the best APY for a term deposit and what is the rate?クリップボードにコピーされました と入力し 、「送信」アイコン をクリックすると、回答が表示されます。

進捗状況を確認する

Copy link to section

次の画像は Prompt Lab を示しています。