Utilisez IBM watsonx.ai Runtime pour déployer et gérer les actifs d'IA, et les mettre dans des environnements de pré-production et de production. Gérer et mettre à jour les actifs déployés. Vous pouvez également automatiser une partie du cycle de vie de l'IA à l'aide de IBM Orchestration Pipelines.
Déploiement d'actifs d'IA et orchestration de pipelines
Copy link to section
Le déploiement d'un bien permet de le tester ou de l'utiliser de manière productive via un point d'accès.
Le graphique suivant décrit le processus de déploiement de votre modèle, d'automatisation du chemin d'accès à la production et de surveillance et de gestion du cycle de vie de l'intelligence artificielle après la génération de votre modèle:
Déploiement des actifs
Vous pouvez déployer des actifs à partir de votre espace de déploiement en utilisant watsonx.ai Runtime. Pour déployer vos ressources, vous devez les promouvoir d'un projet vers votre espace de déploiement ou les importer directement dans votre espace de déploiement " space.You. Vous pouvez également utiliser " watsonx.ai pour déployer des modèles de fondation et des modèles d'invite adaptés.
Vous pouvez automatiser le passage à la production en créant un pipeline pour automatiser certaines parties du cycle de vie de l'IA, de la création du modèle au déploiement, à l'aide des pipelines d'orchestration.
Les ressources suivantes montrent comment planifier la gestion des actifs d'apprentissage automatique et comment créer des éléments clés de vos solutions.
Tutoriels de démarrage rapide connexes
Copy link to section
Consultez les tutoriels de démarrage rapide pour apprendre à générer et à déployer des modèles d'apprentissage automatique:
Générez un modèle d'apprentissage automatique en utilisant une approche sans code avec un outil automatisé, AutoAI. Déployez le modèle entraîné en créant un déploiement par lots. Evaluez votre déploiement par lots en créant un travail par lots.
Générez un modèle d'apprentissage automatique en utilisant du code dans un bloc-notes Jupyter pour préparer des données, générer votre modèle et le déployer.
Générez un modèle d'apprentissage automatique à l'aide d'une approche sans code à l'aide d'un flux SPSS Modeler . Déployez le modèle entraîné en créant un déploiement en ligne et testez le modèle en temps réel.
Créez et exécutez un pipeline pour automatiser la génération et le déploiement d'un modèle d'apprentissage automatique.
Cas d'utilisation connexes
Copy link to section
Le tutoriel suivant utilise le scénario de la Golden Bank, qui a besoin d'un modèle pour effectuer une analyse des anomalies des actions afin d'augmenter la productivité et la précision du travail d'un analyste d'actions dans la banque d'investissement.
Construisez votre modèle à l'aide de l'un des outils, tels que AutoAI, SPSS Modeler ou les carnets Jupyter, puis déployez et testez votre modèle. En outre, transformez vos données et optimisez votre site foundation model en utilisant watsonx.ai.