Participe da Maratona Behind the Code! A competição de programação que mais te desafia! Inscreva-se aqui

Classifique imagens com o Watson Machine Learning Accelerator

Este artigo faz parte da série Linha de aprendizado: introdução ao Watson Machine Learning Accelerator.

Introdução

O Watson Machine Learning Accelerator é uma infraestrutura de IA corporativa para tornar o aprendizado de máquina e o deep learning mais acessíveis, levando os benefícios de IA para os negócios. Isso inclui o gerenciamento completo do ciclo de vida, desde a instalação e a configuração; a ingestão e a preparação de dados; o desenvolvimento, a otimização e a distribuição do modelo de treinamento; até a transferência do modelo para a produção.

Descrição

Neste artigo, usamos um Jupyter Notebook para oferecer uma visão geral da experiência de ciência de dados no Watson Machine Learning Accelerator. Também mostraremos como é possível aumentar a produtividade com um conjunto de ferramentas robusto, começando com a ingestão de dados, o ajuste de hiperparâmetros, o treinamento do modelo e a inferência.

Instruções

As etapas detalhadas deste artigo podem ser encontradas no Jupyter Notebook associado. Nesse notebook, você vai:

  • Fazer upload deste notebook para o ambiente do Watson ML Accelerator.
  • Fazer download do conjunto de dados e do modelo.
  • Importar o conjunto de dados.
  • Desenvolver o modelo.
  • Ajustar o hiperparâmetro.
  • Executar o treinamento.
  • Inspecionar a execução do treinamento.
  • Criar um modelo de inferência.
  • Testar.

Conclusão

Este artigo ofereceu uma visão geral da experiência de ciência de dados no Watson Machine Learning Accelerator e de como ele ajuda o cientista de dados a acelerar os resultados e a precisão. O artigo faz parte da série Linha de aprendizado: Introdução ao Watson Machine Learning Accelerator. Continue a série com o próximo artigo, Treinamento distribuído elástico no Watson Machine Learning Accelerator.

Aviso

O conteúdo aqui presente foi traduzido da página IBM Developer US. Caso haja qualquer divergência de texto e/ou versões, consulte o conteúdo original.