Cómo empezar con la creación, el despliegue y la confianza de modelos
Para empezar a crear, desplegar y confiar en modelos, comprenda el flujo de trabajo global, seleccione una guía de aprendizaje y seleccione otros recursos de aprendizaje para trabajar con Watson Studio en Cloud Pak for Data as a Service.
Requisito previo Regístrese en Cloud Pak for Data as a Service
Visión general del flujo de trabajo del modelo
El flujo de trabajo del modelo tiene tres pasos principales: crear un activo de modelo, desplegar el modelo y generar confianza en el modelo.
Crear un activo de modelo
- Cree un proyecto.
- Asocie el servicio Watson Machine Learning al proyecto.
- Añada datos al proyecto. Si es necesario, prepare sus datos.
- Seleccione una herramienta para crear un modelo. Puede elegir entre editores de código, constructores gráficos o herramientas automáticas.
Despliegue el modelo
- Cree un espacio de despliegue y añada el modelo.
- Despliegue y puntúe el modelo, y revise las puntuaciones de predicción y los conocimientos.
- Supervisar trabajos de despliegue en un panel de control.
Crear confianza en los modelos
- Evalúe el despliegue para sesgo o desviación.
- Actualice los datos y vuelva a entrenar el modelo hasta que alcance sus objetivos de calidad.
- Actualice el despliegue con los modelos de mejor rendimiento.
- Pase a evaluar, volver a entrenar y actualizar el modelo desplegado.
Guías de aprendizaje
Esta guía de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y los recursos de aprendizaje adicionales:
Guía de aprendizaje | Descripción | Experiencia para guía de aprendizaje |
---|---|---|
Crear y desplegar un modelo de aprendizaje automático con AutoAI | Crear automáticamente candidatos de modelo con la herramienta AutoAI. | Crear, desplegar y probar un modelo sin codificación. |
Crear y desplegar un modelo de aprendizaje automático en un cuaderno | Crear un modelo actualizando y ejecutando un cuaderno que utilice el código Python y las API de Watson Machine Learning. | Cree, despliegue y pruebe un modelo scikit-learn utilizando código Python . |
Crear y desplegar un modelo de aprendizaje automático con SPSS Modeler | Crear un modelo C5.0 utilizando la herramienta SPSS Modeler. | Soltar datos y nodos de operación en un lienzo y seleccionar propiedades. |
Crear y desplegar un modelo de Decision Optimization | Crear escenarios automáticamente con Modeling Assistant. | Resuelva y explore escenarios y, a continuación, despliegue y pruebe un modelo sin codificación. |
Recursos de aprendizaje
Tutoriales guiados
Pulse Seguir una guía de aprendizaje guiada en la página de inicio de Cloud Pak for Data as a Service. Después de crear el proyecto de ejemplo, seleccione una vía de acceso:
- Elija Crear un modelo en un cuaderno para crear un modelo con el código Python.
- Elija Crear y desplegar un modelo para automatizar la creación de un modelo con la herramienta AutoAI.
Documentación
- Elección de una herramienta
- Preparación de datos
- Análisis de datos y creación de modelos
- Despliegue y gestión de modelos
Vídeos
- Un conjunto completo de vídeos que muestran muchas tareas de aprendizaje de máquina en Cloud Pak for Data as a Service.
Ejemplos
- Los aceleradores del sector proporcionan proyectos de ejemplo con soluciones de inicio a fin que resuelven problemas empresariales específicos.
- Galería de muestras proporciona cuadernos de ejemplo, conjuntos de datos y proyectos que puede importar.
Formación
- Métodología de Watson Studio es un curso de IBM Training e-Learning que permite profundizar en Watson Studio.
- Tomar control de los datos con Watson Studio es una vía de acceso de aprendizaje que consta de tutoriales paso a paso que describen el proceso de trabajar con Watson Studio.
- Crear modelos utilizando Jupyter Notebooks en IBM Watson Studio es una guía de aprendizaje que explica cómo configurar, ejecutar y desplegar Jupyter Notebooks.
Tema principal: Cómo empezar