AI 자산 배치 및 관리 | IBM Cloud Pak for Data as a Service

영어 버전 문서로 돌아가기

AI 자산 배치 및 관리

마지막 업데이트 날짜: 2024년 11월 28일

AI 자산 배치 및 관리

IBM watsonx.ai Runtime을 사용하여 AI 자산을 배포 및 관리하고, 사전 프로덕션 및 운영 환경에 적용하세요. 배포된 자산을 관리하고 업데이트합니다. 또한 IBM 오케스트레이션 파이프라인을 사용하여 AI 라이프사이클의 일부를 자동화할 수도 있습니다.

AI 자산 배치 및 파이프라인 조정

에셋을 배포하면 엔드포인트를 통해 테스트 또는 생산적인 용도로 사용할 수 있습니다.

다음 그래픽에서는 모델을 배치하고, 프로덕션 경로를 자동화하고, 모델을 빌드한 후 AI 라이프사이클을 모니터링하고 관리하는 프로세스를 설명합니다.

AI 라이프사이클

자산 배치

watsonx.ai Runtime을 사용하여 배포 공간에서 에셋을 배포할 수 있습니다. 에셋을 배포하려면 프로젝트에서 배포 공간으로 에셋을 승격하거나 배포 공간으로 직접 에셋을 가져와야 합니다.

자세한 정보는 AI 자산 배치를 참조하십시오.

파이프라인 자동화

오케스트레이션 파이프라인을 사용하여 모델 구축부터 배포까지 AI 라이프사이클의 일부를 자동화하는 파이프라인을 구축하여 프로덕션으로 가는 경로를 자동화할 수 있습니다.

자세한 정보는 파이프라인으로 태스크 조정을 참조하십시오.

AI 라이프사이클의 개발, 테스트 및 프로덕션 단계를 통해 자산을 구성하고 관리할 수 있습니다.

다음 자원은 기계 학습 자산 관리를 계획하는 방법과 솔루션의 주요 부분을 빌드하는 방법을 보여줍니다.

빠른 시작 학습서를 검토하여 기계 학습 모델을 빌드하고 배치하는 방법을 학습하십시오.

빠른 시작 학습서
Tutorial	설명
기계 학습 모델 빌드 및 배치	자동화된 도구인 AutoAI를 사용하여 코드가 없는 접근 방식으로 기계 학습 모델을 빌드합니다. 일괄처리 배치를 작성하여 훈련된 모델을 배치하십시오. 일괄처리 작업을 작성하여 일괄처리 배치를 스코어링하십시오.
Jupyter Notebook에서 머신 러닝 모델 빌드 및 배포	데이터를 준비하고, 모델을 빌드하고, 모델을 배포하기 위해 Jupyter 노트북의 코드를 사용하여 머신 러닝 모델을 구축하세요.
SPSS Modeler를 사용하여 머신 러닝 모델을 빌드하고 배치	SPSS Modeler 플로우를 사용하여 코드가 없는 접근 방식으로 기계 학습 모델을 빌드합니다. 온라인 배치를 작성하여 훈련된 모델을 배치하고 실시간으로 모델을 테스트하십시오.
Decision Optimization 모델 빌드 및 배치	Decision Optimization을 사용하여 기계 학습 모델을 빌드하십시오.

AI 거버넌스

다음 학습서는 고객이 은행의 애플리케이션 처리 비용을 줄이기 위해 모기지 자격이 있는지 여부를 식별하는 모델이 필요한 Golden Bank에 대한 시나리오를 사용합니다.

AI 거버넌스 유스 케이스
유스 케이스	설명
모델 빌드 및 배치	모델을 훈련시키고 배치 영역에 프롬프트를 표시한 후 모델을 배치하십시오.
모델 테스트 및 검증	품질, 공정성, 드리프트 및 설명 가능성에 대해 모델을 평가합니다.

데이터 사이언스 및 MLOps

다음 학습서는 모든 모기지 신청자에 대한 최신 데이터를 전달하는 데이터 파이프라인을 자동화해야 하는 Golden Bank에 대한 시나리오를 사용합니다. 이 데이터 파이프라인은 대출자가 의사결정을 하는 데 사용할 수 있습니다.

데이터 사이언스 및 MLOps 유스 케이스
유스 케이스	설명
모델 모니터링으로 AI 파이프라인 조정	데이터를 변환하고 모델을 훈련하는 엔드-투-엔드 파이프라인을 작성합니다.
데이터 통합으로 AI 파이프라인 조정	엔드-투-엔드 파이프라인을 작성하여 데이터를 준비하고, 모델을 훈련시키고, 모델의 유효성을 검증하십시오.

상위 주제: 데이터 분석 및 모델에 대한 작업