0 / 0
Retourner à la version anglaise de la documentation
Initiation à la génération, au déploiement et à la fiabilité des modèles
Initiation à la génération, au déploiement et à la fiabilité des modèles

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.

Présentation du flux de travaux de modèle

Génération d'un actif de modèle

  1. Créez un projet.
  2. Associez le service Watson Machine Learning au projet.
  3. Ajoutez des données au projet. Si nécessaire, préparez vos données.
  4. 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

  1. Créez un espace de déploiement et ajoutez y le modèle.
  2. Déployez le modèle et attribuez-lui un score, puis examinez les scores et analyses de prévision.
  3. Surveillez les travaux de déploiement dans un tableau de bord.

Instauration de la confiance à vos modèles

  1. Évaluez votre déploiement en cas de biais ou de dérive.
  2. Mettez à jour vos données et entraînez à nouveau le modèle jusqu'à ce que vous réalisiez vos objectifs de qualité.
  3. Mettez à jour les déploiements avec des modèles plus performants.
  4. 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

Vidéos

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

Rubrique parent : Mise en route

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus