IBM Developer Japan Webサイトは2021年3月15日をもって終了となり、日本語コンテンツの一部は、オープンソースとして、提供予定です。 URLはこちら

Watson OpenScale を利用して Watson Machine Learning サービスの機械学習モデルをモニタリングする

概要

このコード・パターンでは、Watson Machine Learning を利用して、ドイツのクレジット・データで機械学習モデルをトレーニングして作成し、デプロイする方法を説明します。また、[Watson OpenScale] を使用して、このモデルのデータマートを作成し、モデルのデプロイメントをモニタリングするように OpenScale を構成してから、7 日分の履歴レコードと測定値を注入し、OpenScale Insights ダッシュボードで確認します。

説明

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 サービスを利用して機械学習モデルを作成してデプロイする
  • Watson OpenScale データマートをセットアップする
  • Watson Machine Learning を Watson OpenScale データマートにバインドする
  • サブスクリプションをデータマートに追加する
  • サブスクライブした資産のペイロード・ロギングとパフォーマンス・モニターを有効にする
  • 品質 (精度) モニタリングを有効にする
  • 公平性モニタリングを有効にする
  • Watson Machine Learning を利用してドイツのクレジット・モデルを採点する
  • 履歴ペイロード、公平性指標、品質指標をデータマートに挿入する
  • サブスクリプションを介し、データマートを使用してテーブル・データにアクセスする

フロー

フロー

  1. 開発者が Watson Studio 上で Jupyter Notebook を作成します。
  2. Jupyter Notebook を PostgreSQL データベースに接続します。このデータベースは、Watson OpenScale データを保管するために使用されるものです。
  3. Notebook を Watson Machine Learning に接続し、モデルをトレーニングしてデプロイします。
  4. Notebook では Watson OpenScale を使用してペイロードをログに記録し、パフォーマンス、品質、公平性をモニタリングします。

手順

詳しい手順については、README を参照してください。