Initiation à la génération, au déploiement et à la fiabilité des modèles
Pour commencer à générer, déployer et sécuriser des données, comprenez le flux de travaux global, choisissez un tutoriel et extrayez d'autres ressources d'apprentissage pour utiliser Watson Studio dans Cloud Pak for Data as a Service.
Prérequis Inscrivez-vous à Cloud Pak for Data as a Service
Présentation du flux de travaux de modèle
Le flux de travaux du modèle comporte trois étapes principales : génération d'un actif de modèle, déploiement du modèle et instauration de la confiance au modèle.
Génération d'un actif de modèle
- Créez un projet.
- Associez le service Watson Machine Learning au projet.
- Ajoutez des données au projet. Si nécessaire, préparez vos données.
- Choisissez un outil pour créer un modèle. Vous pouvez choisir parmi les éditeurs de code, les générateurs graphiques ou les outils automatiques.
Déploiement du modèle
- Créez un espace de déploiement et ajoutez y le modèle.
- Déployez le modèle et attribuez-lui un score, puis examinez les scores et analyses de prévision.
- Surveillez les travaux de déploiement dans un tableau de bord.
Instauration de la confiance à vos modèles
- Évaluez votre déploiement en cas de biais ou de dérive.
- Mettez à jour vos données et entraînez à nouveau le modèle jusqu'à ce que vous réalisiez vos objectifs de qualité.
- Mettez à jour les déploiements avec des modèles plus performants.
- Continuez d'évaluer, d'entraîner à nouveau et de mettre à jour le modèle déployé.
Tutoriels
Ce tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires :
Tutoriel | Description | Expertise pour le tutoriel |
---|---|---|
Génération et déploiement d'un modèle d'apprentissage automatique avec AutoAI | Créer automatiquement des candidats modèles à l'aide de l'outil AutoAI. | Générez, déployez et testez un modèle sans codage. |
Génération et déploiement d'un modèle d'apprentissage automatique dans un bloc-notes | Créez un modèle en mettant à jour et en exécutant un bloc-notes qui utilise le code Python et les API Watson Machine Learning. | Générez, déployez et testez un modèle scikit-learn à l'aide du code Python . |
Génération et déploiement d'un modèle d'apprentissage automatique avec SPSS Modeler | Générez un modèle C5.0 à l'aide de l'outil SPSS Modeler. | Déposez les données et les noeuds d'opération sur un canevas et sélectionnez les propriétés. |
Génération et déploiement d'un modèle Decision Optimization | Créer automatiquement des scénarios avec l'assistant de modélisation. | Résolvez et explorez des scénarios, puis déployez et testez un modèle sans codage. |
Ressources d'apprentissage
Tutoriels détaillés
Cliquez sur Suivez un tutoriel guidé dans la page d'accueil du service Cloud Pak for Data. Après avoir créé l'exemple de projet, choisissez un chemin :
- Choisissez Générer un modèle dans un bloc-notes pour créer un modèle avec le code Python.
- Choisissez Génération et déploiement d'un modèle pour automatiser la génération d'un modèle avec l'outil AutoAI.
Documentation
- Choix d'un outil
- Préparation des données
- Analyse des données et construction de modèles
- Déploiement et gestion de modèles
Vidéos
- Un ensemble complet de vidéos présentant de nombreuses tâches courantes d'apprentissage automatique dans Cloud Pak for Data as a Service.
Exemples
- Les modules d'accélération métier fournissent des exemples de projets avec des solutions de bout en bout qui permettent de résoudre des problèmes métier spécifiques.
- La galerie d'exemples fournit des exemples de bloc-notes, de fichiers et de projets que vous pouvez importer.
Apprentissage
- Watson Studio Methodology est un cours de formation en ligne IBM qui donne un aperçu approfondi de Watson Studio.
- Take control of your data with Watson Studio est un parcours pédagogique qui comprend des tutoriels détaillés expliquant le processus d'utilisation des données à l'aide de Watson Studio.
- Générer des modèles à l'aide de blocs-notes Jupyter dans IBM Watson Studio est un tutoriel qui explique comment configurer, exécuter et déployer des blocs-notes Jupyter.
Rubrique parent : Mise en route