Erste Schritte mit dem Erstellen, Bereitstellen und Vertrauen von Modellen
Um Modelle erstellen, bereitstellen und vertrauen zu können, sollten Sie zunächst den gesamten Workflow verstehen, ein Lernprogramm auswählen und sich weitere Lernressourcen zur Arbeit mit Watson Studio in Cloud Pak for Data as a Service ansehen.
Voraussetzung Für Cloud Pak for Data as a Service
Übersicht über den Modellworkflow
Der Modellworkflow umfasst drei Hauptschritte: Erstellung eines Modellassets, Bereitstellung des Modells und Aufbau von Vertrauen in das Modell.
Modellasset erstellen
- Sie erstellen ein Projekt.
- Ordnen Sie den Watson Machine Learning-Service dem Projekt zu.
- Sie fügen dem Projekt Daten hinzu. Bereiten Sie bei Bedarf Ihre Daten vor.
- Wählen Sie ein Tool zum Erstellen eines Modells aus. Sie können Codeeditoren, grafische Erstellungsprogramme oder automatische Tools auswählen.
Modell bereitstellen
- Erstellen Sie einen Bereitstellungsbereich und fügen Sie das Modell hinzu.
- Stellen Sie das Modell bereit und bewerten Sie es. Überprüfen Sie dann die Vorhersagebewertungen und -einblicke.
- Überwachen Sie Bereitstellungsjobs in einem Dashboard.
Vertrauen in Ihre Modelle aufbauen
- Evaluieren Sie Ihre Bereitstellung in Bezug auf Verzerrung und Drift.
- Aktualisieren Sie Ihre Daten und trainieren Sie das Modell so lange, bis Sie Ihre Qualitätsziele erreichen.
- Aktualisieren Sie Bereitstellungen mit leistungsfähigeren Modellen.
- Bewerten Sie das bereitgestellte Modell, trainieren Sie es erneut und aktualisieren Sie es.
Lernprogramme
Dieses Lernprogramm enthält eine Beschreibung des Tools, ein Video, entsprechende Anweisungen und zusätzliche Lernressourcen:
Lernprogramm | Beschreibung | Fachkenntnisse für das Lernprogramm |
---|---|---|
Modell für maschinelles Lernen mit AutoAI erstellen und bereitstellen | Automatisches Erstellen von Modellkandidaten mit dem AutoAI-Tool. | Erstellen, implementieren und testen Sie ein Modell ohne Codierung. |
Modell für maschinelles Lernen in einem Notebook erstellen und bereitstellen | Sie erstellen ein Modell, indem Sie ein Notebook aktualisieren und ausführen, das Python-Code und die Watson Machine Learning-APIs verwendet. | Erstellen, implementieren und testen Sie ein scikit-learn-Modell mit Python -Code. |
Modell für maschinelles Lernen mit SPSS Modeler erstellen und bereitstellen | Sie Erstellen ein C5.0-Modell mit dem Tool SPSS Modeler. | Daten-und Operationsknoten in einem Erstellungsbereich ablegen und Eigenschaften auswählen. |
Decision Optimization-Modell erstellen und bereitstellen | Automatische Erstellung von Szenarios mit Modeling Assistant. | Lösen und untersuchen Sie Szenarios, implementieren und testen Sie dann ein Modell ohne Codierung |
Lernressourcen
Geführte Lernprogramme
Klicken Sie auf der Startseite von Cloud Pak for Data as a Service auf Geführtes Lernprogramm absolvieren. Nachdem Sie das Beispielprojekt erstellt haben, wählen Sie einen Pfad aus:
- Wählen Sie Modell in einem Notebook erstellen aus, um ein Modell mit Python-Code zu erstellen.
- Wählen Sie Modell erstellen und bereitstellen aus, um die Erstellung eines Modells mit dem AutoAI-Tool zu automatisieren.
Dokumentation
- Tool auswählen
- Daten vorbereiten
- Daten analysieren und Modelle erstellen
- Modelle bereitstellen und verwalten
Videos
- Eine umfassende Gruppe von Videos, die viele allgemeine Tasks zu maschinellem Lernen in Cloud Pak for Data as a Service veranschaulichen.
Beispiele
- Industry Accelerators stellen Beispielprojekte mit End-to-End-Lösungen bereit, mit denen bestimmte Geschäftsprobleme gelöst werden können.
- Die Beispielsammlung stellt Beispielnotebooks, Dateien und Projekte bereit, die Sie importieren können.
Training
- Watson Studio Methodology ist ein IBM Training e-Learning-Kurs, der einen eingehenden Blick auf Watson Studio bietet.
- Übernehmen Sie die Steuerung Ihrer Daten mit Watson Studio ist ein Lernpfad, der aus schrittweisen Lernprogrammen besteht, die den Prozess der Arbeit mit Daten mithilfe von Watson Studio erklären.
- Erstellen von Modellen mit Jupyter Notebooks in IBM Watson Studio ist ein Lernprogramm, das erläutert, wie Jupyter Notebooks eingerichtet, ausgeführt und implementiert werden.
Übergeordnetes Thema: Einführung