IBM Cloud Pak for Data 内の Watson OpenScale を使用して機械学習モデルをモニタリングする

概要

このコード・パターンは、IBM Cloud Pak for Data、データ仮想化、Watson OpenScale、および Cognos Analytics を利用して、通信中断を予測する方法を詳しく説明するシリーズの一部となっています。

説明

この先数年間にわたって業界の進化を推進する力となるのは AI であると確信する企業が増えてきています。製品やソリューションに AI を効果的に注入するためには、期待する結果を達成するためにビジネスに幅広く AI を採用することを困難にしている多くの課題に対処しなければなりません。こうした課題には次のものがあります。

• 信頼の構築 – 組織や企業では AI について懐疑的な姿勢を取る傾向があります。それは、AI は「ブラック・ボックス」であるためです。このことが、多くの有望なモデルを本番環境に移行する際の障害となっています。

• アルゴリズムのバイアス – AI システム固有の問題としては、モデルの品質がモデルのトレーニングに使用されたデータの品質の良し悪しによって決定されることも挙げられます。入力データが人種、性別、集団、民族に関するバイアスで溢れていると、モデルの精度はいつまでたっても向上しないでしょう。

• 意思決定の説明を可能にする – モデルが行う意思決定の根拠は、どのようにして証明できるでしょうか？AI 対応のアプリケーションでは入力と出力のすべてを追跡して、AI の結果を完全に説明できるようにすることが極めて重要です。

このコード・パターンでは、IBM Cloud Pak for Data に含まれる Watson OpenScale を使用して、アプリケーションに組み込まれた AI モデルをモニタリングする方法を説明します。例として使用するのは、通信中断を予測するモデルです。このコード・パターンを完了すると、以下の方法がわかるようになります。

• Watson Machine Learning 上のオープンソース・テクノロジーを使用してカスタム・モデルを保管する
• IBM Cloud 上にモデルをデプロイし、モデルのデプロイメントを IBM Cloud Pak for Data 上の Watson OpenScale に接続する
• Python Notebook を使用して、IBM Cloud Pak for Data および IBM Cloud 上の Watson OpenScale でモデルの公平性モニターおよびモデル品質モニターをセットアップする
• IBM Cloud Pak for Data 上でプロジェクトを作成して Python Notebook をセットアップする

フロー

1. データは Cloud Pak for Data の内部データベース内に保管されています。
2. 結合されたデータが IBM Cloud Pak for Data の内部データベース内に再び保管され、現在の作業プロジェクトに割り当てられます。
3. Jupyter Python Notebook を使用して、一度に 1 つの基地局で通信中断を予測する機械学習モデルを作成します。
4. Watson OpenScale でモデルをトレーニングし、同じく Watson OpenScale に接続されている Watson Machine Learning 内に保管するか、Watson Machine Learning 内でモデルをトレーニングして保管します。
5. 基地局のモデルごとに公平性、品質、説明可能性の各モニターを構成し、IBM Cloud Pak for Data 内または (マルチクラウド・アーキテクチャーの場合は) 他の外部クラウド内で表示します。

手順

このパターンの詳細な手順については、README を参照してください。手順の概要は以下のとおりです。

1. Watson Machine Learning サービスのインスタンスを作成します。
2. IBM Cloud Pak for Data 内で新しいプロジェクトを作成します。
3. データ・セットを IBM Cloud Pak for Data にアップロードします。
4. Notebook を IBM Cloud Pak for Data にインポートします。
5. Notebook 内で手順に従います。
6. Watson OpenScale 内でデプロイメントを表示します。
7. Watson OpenScale のその他の使用ケースを確認します。