0 / 0
Zurück zur englischen Version der Dokumentation
Bewertung von AI-Modellen
Letzte Aktualisierung: 21. Nov. 2024
Bewertung von AI-Modellen

Mit Watsonx.governancekönnen Sie Eingabeaufforderungsvorlagen für abgeleitete KI-Modelle sowie Modelle für maschinelles Lernen in -Projekten und -Bereichenauswerten.

Sie können die Ergebnisse Ihrer KI-Modelle nachverfolgen und messen, um sicherzustellen, dass sie mit den Geschäftsprozessen konform sind, unabhängig davon, wo Ihre Modelle erstellt oder ausgeführt werden.

Erforderlicher Service
watsonx.ai Laufzeit
Format der Trainingsdaten
Relational: Tabellen in relationalen Datenquellen
Tabellarisch: Excel-Dateien (.xls oder .xlsx), CSV-Dateien
Text: In den unterstützten relationalen Tabellen oder Dateien
Verbundene Daten
Cloud Object Storage (infrastructure)
Db2
Data Size
Beliebig

Unternehmen verwenden Modellbewertungen als Teil von KI-Governance-Strategien, um sicherzustellen, dass Modelle in Implementierungsumgebungen etablierte Konformitätsstandards erfüllen, unabhängig von den Tools und Frameworks, die zum Erstellen und Ausführen der Modelle verwendet werden. Dieser Ansatz stellt sicher, dass KI-Modelle verzerrungsfrei sind, ohne großen Aufwand erklärt und von Geschäftsanwendern verstanden werden können und in Geschäftstransaktionen überprüfbar sind.

Sehen Sie sich dieses kurze Video an, um mehr über Modellevaluierungen zu erfahren.

Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Aufgaben in dieser Dokumentation.

Lernprogramm versuchen

Das Tutorial Evaluate a machine learning model (Ein Modell für maschinelles Lernen evaluieren ) bietet praktische Erfahrung mit der Konfiguration von Evaluierungen zur Überwachung von Fairness, Qualität und Erklärbarkeit.

Weitere Informationen

Übergeordnetes Thema: AI-Assets regulieren

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen