0 / 0
Zurück zur englischen Version der Dokumentation
Modellrisikomanagement und Modellgovernance in Watson OpenScale
Letzte Aktualisierung: 04. Okt. 2024
Modellrisikomanagement und Modellgovernance in Watson OpenScale

Verwenden Sie Watson OpenScale , um Risiken aus Modellen für maschinelles Lernen zu verwalten und die Einhaltung von Governance-Standards zu gewährleisten.

Planung für Modellrisikomanagement und Governance

Planen Sie Ihre Risikomanagement-und Governance-Strategie, indem Sie überlegen, welche Modelle für maschinelles Lernen Sie in Ihrem Unternehmen implementieren, und Ihre Governance-Anforderungen berücksichtigen.

Governance mit Watson OpenScale

Verwenden Sie Watson OpenScale als eigenständige Lösung. Aktivieren Sie die Funktionen des Modellrisikomanagements, um Vorproduktions- und Produktionsrepositorys zu erstellen und um Modelle zu vergleichen. Überwachen Sie Ihre implementierten Modelle hinsichtlich der folgenden Aspekte:

  • Abweichung: Jede Änderung der Angaben (auch als Abweichung bezeichnet) kann dazu führen, dass das Modell ungenaue Entscheidungen trifft, die sich auf geschäftliche KPIs auswirken.
  • Verzerrung: Trainingsdaten können bereinigt werden, um Verzerrungen (Bias) zu entfernen, aber Laufzeitdaten könnten ein verzerrtes Modellverhalten auslösen.
  • Erklärbarkeit: Konventionelle statistische Modelle sind einfacher zu interpretieren und zu erklären.
  • Fehlende Validierungs- oder Testdaten: Die Trainingsdatensätze für das Modell können möglicherweise den Bereich der Daten oder Kombinationen von Daten, die in der Laufzeit aufgetreten sind, nicht erfassen. Neben der Regulierung und Verwaltung des Risikos sind eine Validierung und Überwachung von KI-Modellen erforderlich.

Weitere Informationen

Übergeordnetes Thema: KI-Modelle mit Watson OpenScale