¡Participa de la Maratón Behind the Code, la competencia de programación más desafiante! Inscríbete aqui

Monitoreo del modelo con Watson OpenScale

Módulos de esta ruta de aprendizaje

# Tipo Titulo Descripción
1 Artículos Introducción a IBM Cloud Pak for Data Conoce los conceptos básicos de IBM Cloud Pak for Data
2 Artículos Introducción a IBM Cloud Pak for Data (Parte 2) Comprende sus funciones y adquiere conocimientos prácticos de los diferentes pasos y tareas
3 Tutoriales Virtualización de datos en IBM Cloud Pak for Data Utiliza la virtualización de datos en IBM Cloud Pak for Data para realizar consultas en varios orígenes de datos
4 Tutoriales Visualización de datos con Data Refinery Utilice IBM Cloud Pak for Data para filtrar, limpiar y visualizar datos
5 Tutoriales Buscar, preparar y comprender datos con Watson Knowledge Catalog Resuelve los problemas de gobernanza de datos empresariales utilizando Watson Knowledge Catalog en la plataforma IBM Cloud Pak for Data
6 Tutoriales Automatizar la creación de modelos con AutoAI Aprende cómo se pueden manejar los problemas de regresión y clasificación sin necesidad de código
7 Tutoriales Crea un modelo predictivo de machine learning de manera rápida y sencilla con IBM SPSS Modeler Aprovecha los activos de datos y las aplicaciones modernas con algoritmos y modelos listos para usar
8 Code Pattern Cómo resolver un problema de negocio y pronosticar la rotación de clientes utilizando un conjunto de datos de pérdida de clientes Utiliza Watson Machine Learning y Jupyter Notebooks en IBM Cloud Pak for Data para pronosticar la pérdida de clientes
9 Code Pattern Monitoreo del modelo con Watson OpenScale Entrena, crea y despliega un modelo de machine learning con IBM Watson Machine Learning en IBM Cloud Pak for Data

Resumen

En este code pattern para desarrolladores, usaremos datos de crédito alemán para entrenar, crear y desplegar un modelo de machine learning utilizando Watson Machine Learning en IBM Cloud Pak® for Data. Crearemos un mercado de datos para este modelo con Watson OpenScale™ y configuraremos OpenScale para supervisar ese despliegue. A continuación, incorporaremos mediciones y registros históricos de siete días para su visualización en el panel de instrumentos de OpenScale Insights.

Descripción

El conjunto de datos utilizado para este patrón contiene información sobre las solicitudes de crédito de diversos usuarios. Podemos utilizar una red neuronal profunda para crear un modelo de machine learning utilizando Watson Machine Learning y desplegar este modelo para usarlo en la predicción del riesgo futuro de impago. Debido a la naturaleza sensible de la puntuación de crédito, este es un caso de uso ideal para la solución on-premises que ofrece IBM Cloud Pak for Data. Ahora el modelo de machine learning desplegado se puede supervisar con IBM Watson® OpenScale™. El uso continuado generará datos que permitan a los administradores asegurar la calidad del modelo y ofrecer explicaciones sobre qué características del conjunto de datos son más influyentes en la creación de la puntuación de riesgo. La detección de sesgos se configurará para permitir más insights sobre la imparcialidad de las predicciones del modelo. Toda esta información está disponible en el panel de instrumentos de OpenScale y con mucho detalle.

Después de completar este code pattern, comprenderás cómo:

  • Entrenar, crear y desplegar un modelo de machine learning con Watson Machine Learning en IBM Cloud Pak for Data.

  • Configurar un mercado de datos de Watson OpenScale.

  • Vincular Watson Machine Learning al mercado de datos de Watson OpenScale.

  • Añadir suscripciones al mercado de datos.

  • Habilitar el registro cronológico de la carga útil y la supervisión del rendimiento de activos suscritos.

  • Habilitar la supervisión de la calidad (precisión).

  • Habilitar la supervisión de la imparcialidad.

  • Calificar el modelo de crédito alemán con Watson Machine Learning.

  • Incorporar cargas útiles históricas, así como métricas de imparcialidad y de calidad en el mercado de datos.

  • Usar el mercado de datos para acceder a los datos de las tablas mediante suscripción.

Flujo

Diagrama de flujo del modelo de machine learning desplegado

  1. El desarrollador crea un Jupyter Notebook en IBM Cloud Pak for Data.
  2. OpenScale en IBM Cloud Pak for Data se conecta a una base de datos Db2®, que se usa para almacenar datos de Watson OpenScale.
  3. El notebook se conecta a Watson Machine Learning para entrenar y desplegar un modelo.
  4. El notebook utiliza Watson OpenScale para registrar la carga útil y supervisar el rendimiento, la calidad y la imparcialidad.
  5. OpenScale supervisará el modelo de Watson Machine Learning para comprobar el rendimiento, la imparcialidad, la calidad y la capacidad de explicación.

Instrucciones

¿Listo para poner en práctica este code pattern? Los detalles completos sobre cómo empezar a ejecutar se encuentran en el archivo README. Los pasos muestran cómo:

  1. Clonar el repositorio
  2. Crear un nuevo proyecto y espacio de despliegue
  3. Configurar OpenScale en un Jupyter Notebook
  4. Utilizar el panel de instrumentos de OpenScale

Conclusión

Este code pattern mostró como entrenar, crear y desplegar un modelo de machine learning usando Watson Machine Learning en IBM Cloud Pak for Data.