Jeśli model AI jest wdrożony w mechanizmie uczenia maszynowego innym niż IBM Watson Machine Learning, należy włączyć rejestrowanie ładunku dla zewnętrznego mechanizmu uczenia maszynowego przy użyciu klienta Python .

Zapoznaj się z dodatkowymi informacjami w dokumentacji klienta Python, a także w przykładowym notatniku Python.

Zanim rozpoczniesz

Aby oszacować bias dla modelu, należy dysponować danymi uczniownymi modelu dostępnymi w Db2 lub IBM Cloud Object Storage . Wyjaśniania i dokładność nie są obsługiwane dla funkcji Python . Więcej informacji na temat danych treningowych można znaleźć w sekcji. Dlaczego ocena modelu wymaga dostępu do danych uczących? ](wos-szkolenia-dane-schemat.html)

• Importowanie i inicjowanie klienta ibm_watson_openscale

    from ibm_watson_openscale import APIClient
  
    aios_credentials = {
      "instance_guid": "***",
      "url": "https://api.aiopenscale.cloud.ibm.com",
      "apikey": "***"
    }
  
    client = APIClient(service_credentials)
  

  Informacje autoryzacyjne można znaleźć, wykonując kroki przedstawione w temacieTworzenie referencji.

• Utwórz nazwę schematu w bazie danych PostgreSQL

• Konfigurowanie tematycznej hurtowni danych

    client.data_mart.setup(db_credentials=postgres_credentials, schema=schemaName)
  
    client.data_mart.get_details()
  

Dalsze kroki

• Aby kontynuować ocenę modelu, należy zapoznać się z informacjami znajdującymi się w sekcji Konfigurowanie oceny jakości.
• Aby kontynuować działanie z biblioteką komend Python , należy zapoznać się z dokumentacją klienta Python.

Temat nadrzędny: Skonfiguruj Watson OpenScale