Новый шаблон кода Мониторинг моделей WML с помощью AI OpenScale показывает, как получить представление о модели машинного обучения с помощью IBM AI OpenScale. Шаблон содержит примеры настройки службы AI OpenScale. Затем вы можете включить и изучить модель, развернутую с помощью Watson Machine Learning, а также создать меры достоверности и точности для модели.
Открытая мощная платформа
IBM AI OpenScale — это открытая платформа, которая позволяет организациям автоматизировать и управлять своим ИИ на протяжении всего его жизненного цикла. AI OpenScale предоставляет мощную среду для управления моделями AI и ML в IBM Cloud, IBM Cloud Private или других платформах. Он предлагает следующие преимущества:
Открытость по замыслу: AI OpenScale предоставляет информацию о состоянии моделей машинного и машинного обучения — производительности, а также точности и достоверности результатов — созданных с использованием любых платформ или IDE и развернутых на любом механизме размещения моделей. .
Более справедливые результаты: AI OpenScale обнаруживает и помогает смягчить предвзятость модели, чтобы выявить возможные проблемы с справедливостью. Платформа предоставляет простые текстовые пояснения к диапазонам данных, на которые повлияла предвзятость в модели, а также визуализации, помогающие специалистам по данным и бизнес-пользователям понять влияние на результаты бизнеса. При обнаружении предвзятости AI OpenScale автоматически создает сопутствующую модель без предвзятости, которая работает рядом с развернутой моделью, тем самым предваряя ожидаемые более справедливые результаты для пользователей, не заменяя исходную модель.
Объяснение транзакций. AI OpenScale помогает предприятиям обеспечить прозрачность и возможность аудита приложений с искусственным интеллектом, создавая объяснения для отдельных транзакций, включая атрибуты, которые использовались для прогнозирования и веса каждого атрибута.
Автоматическое создание ИИ. Синтез нейронных сетей (NeuNetS), доступный в этом обновлении в виде бета-версии, автоматически синтезирует нейронные сети путем фундаментальной разработки пользовательского дизайна для заданного набора данных. В бета-версии NeuNetS будет поддерживать модели классификации изображений и текста. NeuNetS сокращает время и снижает уровень навыков, необходимых для проектирования и обучения пользовательских нейронных сетей. Это делает эти сети более доступными для специалистов, не являющихся техническими специалистами, и помогает специалистам по данным работать более продуктивно.
Прочтите полную запись в блоге здесь.
Первоначально опубликовано на сайте developer.ibm.com 20 декабря 2018 г.
