Utilizzate IBM watsonx.ai Runtime per distribuire e gestire le risorse di intelligenza artificiale e metterle in ambienti di pre-produzione e produzione. Gestire e aggiornare gli asset distribuiti. È inoltre possibile automatizzare parte del ciclo di vita dell'IA utilizzando IBM Orchestration Pipelines.
Distribuzione degli asset AI e orchestrazione delle pipeline
Copy link to section
Il deploy di una risorsa la rende disponibile per i test o per l'uso produttivo tramite un endpoint.
Il seguente grafico descrive il processo di distribuzione del modello, il percorso di automazione della produzione e il monitoraggio e la gestione del ciclo di vita AI dopo la creazione del modello:
Distribuisci risorse
È possibile distribuire le risorse dal proprio spazio di distribuzione utilizzando watsonx.ai Runtime. Per distribuire le risorse, è necessario promuoverle da un progetto al proprio spazio di distribuzione o importare queste risorse direttamente nel proprio spazio di distribuzione 'space.You può anche usare 'watsonx.ai per distribuire i modelli di fondazione sintonizzati e i modelli di prompt.
È possibile automatizzare il percorso verso la produzione creando una pipeline per automatizzare parti del ciclo di vita dell'IA, dalla creazione del modello alla distribuzione, utilizzando le pipeline di orchestrazione.
Crea un modello di machine learning utilizzando un approccio senza codice con uno strumento automatizzato, AutoAI. Distribuire il modello sottoposto a training creando una distribuzione batch. Calcola il punteggio della tua distribuzione batch creando un lavoro batch.
Crea un modello di machine learning utilizzando un approccio senza codice utilizzando il flusso SPSS Modeler . Distribuisci il modello preparato creando una distribuzione online e verifica il modello in tempo reale.
Creare ed eseguire una pipeline per automatizzare la creazione e la distribuzione di un modello di machine learning.
Casi d'uso correlati
Copy link to section
La seguente esercitazione utilizza lo scenario di Golden Bank, che ha bisogno di un modello per eseguire l'analisi delle anomalie dei titoli per aumentare la produttività e la precisione del lavoro di un analista azionario nell'investment banking.
Costruite il vostro modello utilizzando uno qualsiasi degli strumenti, come AutoAI, SPSS Modeler, o i taccuini Jupyter, quindi distribuite e testate il modello. Inoltre, trasformate i vostri dati e ottimizzate il vostro foundation model utilizzando watsonx.ai.