Translation not up to date
Użyj opcji Watson Machine Learning , aby wdrożyć modele i rozwiązania, dzięki czemu można je wykorzystać do użytku produkcyjnego, a następnie monitorować wdrożone zasoby pod kątem rzetelności i wytłumaczalności. Można również zautomatyzować cykl życia AI, aby zachować bieżące zasoby uczenia maszynowego.
Kończenie cyklu życia AI
Po przygotowaniu danych i zbudowaniu modeli lub rozwiązaniach można zakończyć cykl życia AI, wdrażając i monitorując zasoby aplikacyjne.
Wdrożenie jest ostatnim etapem cyklu życia modelu lub skryptu, w którym uruchamiane są modele i kod. Produkt Watson Machine Learning udostępnia narzędzia potrzebne do wdrożenia zasobu, takiego jak model lub funkcja uczenia maszynowego, lub rozwiązanie Decision Optimization .
Po wdrożeniu można użyć narzędzi do zarządzania modelami w celu oceny modeli. Produkt IBM Watson OpenScale śledzi i mierzy wyniki z modeli AI i pomaga w zapewnieniu, że pozostają one sprawiedliwe, możliwe do wyjaśnienia i zgodne z wymaganiami. System Watson OpenScale wykrywa i pomaga w korygowaniu dokładności dryftu w przypadku, gdy model AI jest w produkcji.
Na koniec można użyć programu IBM Watson Pipelines do zarządzania procesami ModelOps . Utwórz potok, który automatyzuje części cyklu życia AI, takie jak szkolenie i wdrażanie modelu uczenia maszynowego.
Przypadki użycia i kursy
Watson Machine Learning to część kolekcji narzędzi i możliwości produktu IBMw zakresie zarządzania danymi i możliwości zarządzania cyklem życia danych i AI oraz automatyzowania ich. Zasoby te pokazują, w jaki sposób można zaplanować zarządzanie zasobami uczenia maszynowego oraz sposób budowania kluczowych elementów Data Fabric i rozwiązań do uczenia maszynowego.
Szczegółowe informacje na temat sposobu, w jaki sieć światłowodowa może obsługiwać cele i operacje uczenia maszynowego w praktyczny sposób, zawiera sekcja Przegląd rozwiązania dla sieci Fabric.
Następne kroki
Dowiedz się, jak zarządzać zasobami w obszarze wdrażania
Dowiedz się, jak wdrażać zasoby aplikacyjne z obszaru wdrażania
Wyświetl przykładowe notebooki demonstrujący wdrażanie, które używa Klient Python lub Interfejs REST API
Ocenianie wdrożonych modeli na potrzeby bias za pomocą narzędzia Watson OpenScale
Dowiedz się, jak wdrażać rozwiązania Decision Optimization
Automatyzacja przepływu zasobów uczenia maszynowego przez cykl życia AI, który korzysta z IBM Watson Pipelines .