È possibile tracciare e misurare i risultati dei modelli di intelligenza artificiale per garantire che siano conformi ai processi aziendali, indipendentemente dal luogo in cui i modelli sono costruiti o in esecuzione.
- Servizio richiesto
- runtime watsonx.ai
- Formato dati di addestramento
- Relazionale: tabelle in origini dati relazionali
- Tabulare: file Excel (.xls o .xlsx), file CSV
- Testuale: in tabelle o file relazionali supportati
- Dati connessi
- Cloud Object Storage (infrastructure)
- Db2
- Dimensione dati
- Qualsiasi
Le aziende utilizzano le valutazioni del modello come parte delle strategie di governance AI per garantire che i modelli negli ambienti di distribuzione soddisfino gli standard di conformità stabiliti, indipendentemente dagli strumenti e dai framework utilizzati per creare ed eseguire i modelli. Questo approccio garantisce che i modelli di AI siano privi di distorsione, che siano facilmente illustrati e compresi dagli utenti aziendali e che siano verificabili nelle transazioni aziendali.
Guardate questo breve video per saperne di più sulle valutazioni dei modelli.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Prova un'esercitazione
L'esercitazione Valutare un modello di apprendimento automatico fornisce un'esperienza pratica sulla configurazione delle valutazioni per monitorare l'equità, la qualità e la spiegabilità.
Ulteriori informazioni
- Opzioni di configurazione per Watson OpenScale
- Glossario
- Domande frequenti
- Motori, framework e modelli di machine learning supportati
- Preparazione alla valutazione dei modelli
- Gestione dei dati per le valutazioni del modello
- Configurazione delle valutazioni del modello
- Configurazione dell'esplicabilità
- Esame delle intuizioni del modello
- Gestione del rischio del modello e governance del modello