Nota
Puede añadir varios conjuntos de datos para la formación. El cambio entre conjuntos de datos de formación se puede lograr mediante parámetros de plantilla.
Para formar un modelo, se debe proporcionar un conjunto de datos y ponerlo a disposición de SAP AI Core. Para ello, almacene los conjuntos de datos en un almacén de objetos de hiperescalador y proporcione los derechos de acceso necesarios para SAP AI Core.
Consejo
Paso 1
En el bloque de formación de modelo, conecta un almacén de objetos a SAP AI Core y carga el conjunto de datos de formación.
El paso 1 también separa los artefactos de IA, que se logra equilibrando la creación de instancias de SAP AI Core y grupos de recursos. Claramente, diferentes arrendatarios pueden aislar diferentes artefactos de IA, pero también es posible definir áreas de nombres para agrupar y segregar recursos relacionados dentro del alcance de un arrendatario de SAP AI Core.
Núcleo de IA: Registrar el conjunto de datos de entrada
Un ejemplo de un activo que se puede separar dentro de un grupo de recursos es el conjunto de datos de entrada utilizado para formar un modelo ML. El registro de un conjunto de datos en SAP AI Core asume la creación de un grupo de recursos. Ese grupo de recursos solo es visible para aquellas personas a las que se les permite acceder a ese grupo de recursos específico y lo consumen todos los componentes que pertenecen al mismo grupo de recursos.
Nota
Aunque la segregación de activos fijos mediante grupos de recursos es válida, el punto importante aquí es proporcionar diferentes conjuntos de datos que se inyectan en el mismo pipeline de formación en diferentes ejecuciones, lo que da como resultado diferentes modelos.
Esto se puede hacer periódicamente, o barajando un conjunto de datos grande en diferentes variantes para obtener el mejor modelo generalizador.
Núcleo de IA: Crear una configuración
Como se ha mencionado anteriormente, puede utilizar SAP AI Core para diseñar su propio pipeline de formación y especificarlo en una plantilla de formación, que se utiliza para definir un objeto ejecutable en SAP AI Core. En aras de la comodidad, se encuentra dentro del paraguas de un escenario específico que actúa como un área de nombres adicional y agrupa todos los ejecutables que necesita para resolver su desafío empresarial específico. Los ejecutables, junto con el conjunto de datos de entrada, son los componentes clave que debe vincular para crear una configuración de formación y, a continuación, para formar un modelo ML en SAP AI Core.
Nota
En aras de la comodidad, se encuentra bajo el paraguas de un "escenario" específico que actúa como un espacio de nombres adicional.
Lamentablemente, el escenario no es un área de nombres. Se utiliza para agrupar posiciones de un "proyecto" ML determinado.
Una configuración es un conjunto de parámetros que se pueden modificar para cada ejecución.
Núcleo de IA: Desencadenar la ejecución del flujo de trabajo
Un ejecutable incluye información sobre la entrada y salida de formación, los contenedores de pipeline que se utilizarán y los recursos de infraestructura necesarios. SAP AI Core proporciona varios paquetes de infraestructura preconfigurados llamados planes de recursos que difieren entre sí en función de la cantidad de CPU, GPU y cantidad de memoria. Por lo tanto, SAP AI Core puede lidiar de manera eficiente con cargas de trabajo exigentes.
Otro punto importante al trabajar con ML es evaluar la precisión del modelo. Los modelos ML se utilizan para decisiones empresariales prácticas, por lo que modelos más precisos pueden dar como resultado mejores decisiones. El coste de los errores puede ser enorme, pero el impacto de estos errores se puede mitigar optimizando la precisión del modelo. Dicho esto, un cliente que utiliza SAP AI Core podría preguntar: ¿cómo voy a evaluar el rendimiento de mi modelo? La respuesta es que SAP AI Core proporciona varias API para registrar sus métricas favoritas que se pueden recuperar e inspeccionar una vez completada la formación.
Rampa de lanzamiento AI: Verificar el estado de la ejecución y los logs
Cuando el modelo ha completado la formación y tiene métricas satisfactorias, el paso final del bloque de formación del modelo consiste en cosechar los resultados. Cuando SAP AI Core produce y almacena el modelo en el mismo almacén de objetos de hiperescalador conectado, se registra automáticamente en SAP AI Core y está listo para la implementación.