强大的开放式平台

IBM Watson OpenScale 是一个开放式平台,使组织能够在 AI 的整个生命周期内实现 AI 的自动化和运作。Watson OpenScale 可提供一个强大的环境,用于在 IBM Cloud、IBM Cloud Private 或其他平台上管理 AI 和 ML(机器学习)模型。 它提供了以下优势:

开放式设计:利用 Watson OpenScale,您可以深入了解使用任意框架或 IDE 构建且部署在任意模型托管式引擎上的 ML 和 DL(深度学习) 模型的运行状况,包括性能以及结果的准确性和公平性。

提高结果公平性:Watson OpenScale 可检测并帮助减小模型偏差,标记可能的公平问题。该平台提供了受模型偏差影响的数据范围的纯文本解释,以及可视化功能,帮助数据科学家和业务用户了解对业务成果的影响。在检测到偏差时,Watson OpenScale 会自动创建一个在已部署模型之外运行的去偏差伴随模型,从而在不替换原始模型的情况下预览用户期望的更公平的结果。

对事务加以解释:Watson OpenScale 通过为单个事务生成解释,帮助企业为注入 AI 的应用程序带来透明度和可审计性,包括用于对每个属性进行预测和加权的属性。

自动创建 AI:此次更新中作为测试版提供的神经网络合成 (NeuNetS) 通过从根本上为给定数据集构建定制设计来自动合成神经网络。在测试版中,NeuNetS 将支持图像和文本分类模型。NeuNetS 缩短了定制神经网络的设计和训练所需的时间,并降低了最低技能要求。这样,非技术主题专家可以更容易访问这些网络,并且有助于提高数据科学家的工作效率。

培养机器学习技能

使用 Watson OpenScale 监视 WML 模型 Code Pattern 是基于使用 Watson Machine Learning 开展预测 Code Pattern 构建的。它以先前的 Code Pattern 中创建的模型为例,展示了如何使用 Watson OpenScale 进行管理。

使用 Watson OpenScale 监视定制机器学习引擎 Code Pattern 展示了如何使用 Watson OpenScale 和定制机器学习模型服务引擎。它解释了如何使用 Watson OpenScale Python SDK 来记录定制模型服务引擎上部署的模型的有效负载,以及如何使用 Keras 构建深度学习 REST API 并使用 Watson OpenScale 进行监视。

我们希望您使用这些 Code Pattern 来快速提升自己的 AI 和机器学习技能。试用这些 Code Pattern,并让我们知道您的想法。

有关 Watson OpenScale 的更多信息,可访问以下页面:

本文翻译自:Configure, monitor, and understand machine learning models(2018-12-20)

加入讨论