ওয়াটসন ওপেনস্কেলের মাধ্যমে অজুর মেশিন লার্নিং মনিটর করুন

সারাংশ

এই কোড প্যাটার্ন Azure ব্যবহার করে একটি লজিস্টিক রিগ্রেশন মডেল তৈরি করতে একটি জার্মান ক্রেডিট ডেটা সেট ব্যবহার করে। প্যাটার্নটি Azure ক্লাউডে স্থাপন করা মেশিন লার্নিং মডেলকে আবদ্ধ করতে, একটি সাবস্ক্রিপশন তৈরি করতে এবং পেলোড এবং প্রতিক্রিয়া লগিং করতে ওয়াটসন ওপেনস্কেল ব্যবহার করে।

বিবরণ

Watson OpenScale-এর মাধ্যমে, আপনি মডেলের গুণমান এবং লগ পেলোডগুলি নিরীক্ষণ করতে পারেন, মডেলটি যেখানে হোস্ট করা হোক না কেন। এই কোড প্যাটার্নটি একটি Azure মডেলের উদাহরণ ব্যবহার করে, যা ওয়াটসন ওপেনস্কেলের স্বাধীন এবং উন্মুক্ত প্রকৃতি প্রদর্শন করে। IBM Watson OpenScale হল একটি উন্মুক্ত পরিবেশ যা সংস্থাগুলিকে তাদের AI স্বয়ংক্রিয় এবং কার্যকরী করতে সক্ষম করে। এটি আইবিএম ক্লাউডে বা যেখানেই সেগুলি স্থাপন করা যেতে পারে সেখানে এআই এবং মেশিন লার্নিং মডেলগুলি পরিচালনা করার জন্য একটি শক্তিশালী প্ল্যাটফর্ম সরবরাহ করে এবং এই সুবিধাগুলি অফার করে:

ডিজাইন দ্বারা খুলুন: ওয়াটসন ওপেনস্কেল যেকোন ফ্রেমওয়ার্ক বা আইডিই ব্যবহার করে তৈরি এবং যেকোন মডেল-হোস্টিং ইঞ্জিনে স্থাপন করা মেশিন লার্নিং এবং ডিপ লার্নিং মডেলগুলির নিরীক্ষণ এবং পরিচালনার অনুমতি দেয়।

ন্যায্য ফলাফল ড্রাইভ করুন: ওয়াটসন ওপেনস্কেল ন্যায্যতার সমস্যাগুলি হাইলাইট করার জন্য মডেলের পক্ষপাতগুলি সনাক্ত করে এবং প্রশমিত করতে সহায়তা করে৷ প্ল্যাটফর্মটি ডেটা রেঞ্জের প্লেইন টেক্সট ব্যাখ্যা প্রদান করে যা মডেল এবং ভিজ্যুয়ালাইজেশনের পক্ষপাত দ্বারা প্রভাবিত হয়েছে যা ডেটা বিজ্ঞানী এবং ব্যবসায়িক ব্যবহারকারীদের ব্যবসার ফলাফলের উপর প্রভাব বুঝতে সাহায্য করে। পক্ষপাতগুলি সনাক্ত করা হলে, ওয়াটসন ওপেনস্কেল স্বয়ংক্রিয়ভাবে একটি ডি-বায়াসড কম্প্যানিয়ন মডেল তৈরি করে যা স্থাপন করা মডেলের পাশে চলে, যার ফলে আসলটি প্রতিস্থাপন না করে ব্যবহারকারীদের কাছে প্রত্যাশিত ন্যায্য ফলাফলের পূর্বরূপ দেখায়।

লেনদেন ব্যাখ্যা করুন: ওয়াটসন ওপেনস্কেল প্রতিটি অ্যাট্রিবিউটের ভবিষ্যদ্বাণী এবং ওজন নির্ধারণ করতে ব্যবহৃত বৈশিষ্ট্যগুলি সহ স্কোর করা পৃথক লেনদেনের জন্য ব্যাখ্যা তৈরি করে এআই-ইনফিউজড অ্যাপ্লিকেশনগুলিতে স্বচ্ছতা এবং নিরীক্ষাযোগ্যতা আনতে উদ্যোগগুলিকে সহায়তা করে৷

যখন আপনি এই কোড প্যাটার্নটি সম্পন্ন করেন, তখন আপনি বুঝতে পারবেন কিভাবে:

• ডেটা প্রস্তুত করুন, একটি মডেলকে প্রশিক্ষণ দিন এবং Azure ব্যবহার করে স্থাপন করুন
• নমুনা স্কোরিং রেকর্ড এবং স্কোরিং এন্ডপয়েন্ট ব্যবহার করে মডেলটি স্কোর করুন
• একটি ওয়াটসন ওপেনস্কেল ডেটা মার্ট সেট আপ করুন
• Azure মডেলটিকে ওয়াটসন ওপেনস্কেল ডেটা মার্টে আবদ্ধ করুন
• ডেটা মার্টে সাবস্ক্রিপশন যোগ করুন
• সাবস্ক্রাইব করা সম্পদ উভয়ের জন্য পেলোড লগিং এবং কর্মক্ষমতা নিরীক্ষণ সক্ষম করুন৷
• সাবস্ক্রিপশনের মাধ্যমে টেবিল ডেটা অ্যাক্সেস করতে ডেটা মার্ট ব্যবহার করুন

ফ্লো

1. বিকাশকারী থেকে ডেটা ব্যবহার করে একটি জুপিটার নোটবুক তৈরি করে৷ credit_risk_training.csv ফাইল.
2. জুপিটার নোটবুক একটি PostgreSQL ডাটাবেসের সাথে সংযুক্ত যা ওয়াটসন ওপেনস্কেল ডেটা সংরক্ষণ করে।
3. Azure মেশিন লার্নিং স্টুডিও ব্যবহার করে একটি মেশিন লার্নিং মডেল তৈরি করা হয় এবং ক্লাউডে স্থাপন করা হয়।
4. ওয়াটসন ওপেনস্কেল নোটবুক দ্বারা পেলোড লগ করতে এবং কর্মক্ষমতা নিরীক্ষণ করতে ব্যবহার করা হয়।

নির্দেশনা

এই প্যাটার্নটির জন্য বিশদ পদক্ষেপগুলি সন্ধান করুন readme ফাইল. ধাপগুলি আপনাকে দেখাবে কিভাবে:

1. সংগ্রহস্থলটি ক্লোন করুন।
2. একটি ওয়াটসন ওপেনস্কেল পরিষেবা তৈরি করুন।
3. Azure মেশিন লার্নিং স্টুডিওতে একটি মডেল তৈরি করুন।
4. নোটবুক চালান।

সূত্র: https://developer.ibm.com/patterns/monitor-azure-machine-learning-studio-models-with-ai-openscale/