本日のセッション資料 https://ibm-developer.connpass.com/event/185134/
IBM Cloudアカウント作成&ログインはこちらから https://ibm.biz/dojo1202
IBM Dojo!"#$%&'()*+,Aya TokuraDeveloper AdvocateTokyo City Team2020/12/2
View Slide
@ayatokura-./0123/45,67"89:";<=<>[email protected]<9"+A=?BCD<5EFGHIJKLMNOPQRSTUVWSXYZ[\]^_`abcdMefgLhijKklmnop\qrGstuvAya TokurawIBM Sr. Developer Advocate(Be Equal Ambassador)xyzK{|}~5rÄÅ
タイムテーブル14:00-14:05(5min)オープニング資料ダウンロード、出席登録など14:05-15:00(55min)公平で説明可能なAI セッション15:00-15:15(15min)Q&Aクロージング
!"#$%&'(IBM Cloud )*+,-.'/0URL123456789ibm.biz/dojo1202! IBM Cloud :;"$+<=$%>?&@ABC*D'(EC212:;"$F56789! IBM Cloud G"%+<=$%HI+<=$%>ABC&J9D'(KLM>AN9FO?âä4l|ãåP
学習の⽬的とゴール⽬的AIの公平性、説明性の必要性を理解した上で、Watson OpenScaleの概要を理解するゴールWatson OpenScaleで何ができるかを実際に体験するこのコースを学ぶ⽅の想定スキル機械学習の初⼼者レベルの知識がある⽅
⽬次1. AIの課題とIBMの取り組み2. IBM Watson OpenScale ご紹介3. チュートリアルツアー体験4. おすすめ情報
1. +,l∏π
⽇本政府が策定した「⼈間中⼼のAI社会原則」6) 公平性、説明責任及び透明性の原則「AI-Readyな社会」においては、AIの利⽤によって、⼈々が、その⼈の持つ背景によって不当な差別を受けたり、⼈間の尊厳に照らして不当な扱いを受けたりすることがないように、公平性及び透明性のある意思決定とその結果に対する説明責任(アカウンタビリティ)が適切に確保されると共に、技術に対する信頼性(Trust)が担保される必要がある。・AIの設計思想の下において、⼈々がその⼈種、性別、国籍、年齢、政治的信念、宗教等の多様なバックグラウンドを理由に不当な差別をされることなく、全ての⼈々が公平に扱われなければならない。・AIを利⽤しているという事実、AIに利⽤されるデータの取得⽅法や使⽤⽅法、AIの動作結果の適切性を担保する仕組みなど、⽤途や状況に応じた適切な説明が得られなければならない。引用元:人間中心のAI社会原則https://www8.cao.go.jp/cstp/aigensoku.pdf今後、AIには公平性や説明性が求めらてくることが予想される
AIの信頼性につながるAIの説明性・公平性とは?
wxyz{|}{~zCAB Ä=>[email protected]ŃOGOgkH¬Kakd5PIJçéKLÑM∑NOà¨P:°ªLúåÑQRÜD:°ª58åÑS>CBUS?TàVWüXå VWüYåZ=klVWv[ó\lY˙àë–:°ªLú˙÷{P≥Kc]xlN^—_"YåVW\˘`flfl&'ì\#˘úù™?{*ål°a
説明性 (Explainability)想定シナリオ顧客に対する与信判断(融資を実施するかどうか)をする機械学習モデルを作ったとします。顧客 窓⼝担当者融資の申請を認められないという話だが、何が原因なのか︖︖︖︖当社の与信判断モデルは⾮常に精度が⾼いのですが、あいにくブラックボックスで理由はわからないのです…説明不可能なAI
説明性(Explainability)顧客 窓⼝担当者融資の申請を認められないという話だが、何が原因なのか︖︖︖︖お客様の融資が却下された⼀番の理由は年収で、寄与度は60%です。次の理由は年齢で、寄与度は20%になります。前ページのようなやりとりが起きた場合、今回説明するWatson OpenScaleがあるとこのように説明が可能になります。説明可能なAI
AIの公平性
「AIの公平性」の問題• 被告の再犯可能性を予測するAIシステム「Compas」• ⽶国で実際に本番利⽤されている機械学習モデル• 137問の質問への回答を⼊⼒に、再び犯罪を犯す危険性を10段階の点数として算出• 調査報道サイト「プロパブリカ」により、以下の調査結果が判明し⼤きな社会問題となりました。出典: https://kaztaira.wordpress.com/2018/09/22/aiのバイアス問題、求められる「公平」とは何/偽陽性(再犯の疑いありの判定で実際には再犯なし)偽陰性(再犯の疑いなしの判定で実際には再犯あり)⽩⼈ 23.5% 47.7%⿊⼈ 44.9% 28.0%
アルゴリズムは公平か︖アルゴリズムは公平ではなく、作成者の意図やバイアスが紛れ込むl アルゴリズムは過去の⾏為や⾏動パターンを繰りかえし、⾃動的に現状を維持するだけl 判定の最適化とは、過去データの特徴からセグメントを抽出した後に、判定対象を特定のセグメントに分類すること• セグメントの境界を決める重要な特徴データ以外の個々⼈の属性や事情は考慮されないl バイアスが紛れ込む要因の例• 過去のデータ(実績)の偏り• データの選択を⾏うのは⼈間• 有効かもしれないが存在しないデータ• 代理データを無意識に利⽤• 成功要因を恣意的に設定
Bµ∂Z∑∏π∫ Ä!Å! -./é1 áàªyàª{ÇCºäyà}ä|~|z|ÇÉCºyàªÇ¥∞lÿè5ΩªæäÇC{}øCǪ{}äy{ª}¿Éü∂ªS+,5Núù… ì5ŸÀ! -./01†3-/4–AB¡¬ZTgZ√∞2÷úù [email protected]"!ûûQQQ:ÜSÖ:B?ÖûS>?⁄"ûDRÜáUû€@—€Cû<=<9”AC”——ÜáD<>>Ü⁄
IBMの取り組み (2)IBMでは以上の全社的な⽅針を受けて、次の2つの製品・サービスを提供Watson OpenScaleWatson StudioやWatson Machine Learningと同じIBM Cloud上のサービス。ただし、他のサービスと異なり、他社AIも管理対象に含む。AI Fairness 360 / AI Explainability 360Python APIをOSSとして公開。ライブラリだけでなく、API Reference、チュートリアル、デモアプリなども⼀般に利⽤可能。ユーザーは⾃分でPythonコーディングを⾏うことが前提。AIF360: http://aif360.mybluemix.net/AIX360: http://aix360.mybluemix.net/
2. IBM Watson OpenScale æø¿https://www.ibm.com/jp-ja/cloud/watson-openscale
Watson OpenScaleここで 3.チュートリアルツアー体験の事前準備「3.チュートリアルツアー体験」の3番まで準備する1. IBM Cloudへのログイン2. Watson OpenScaleサービスの作成・起動3. ⾃動セットアップの実施(10分前後の待ち時間)
[email protected]!ûûÜSÖ:SÜüûA?€?.0-©5ƒ`H®ò_z6MOò_8r˙åGú%5¥∞lúÛQÙ%z6MOıΩlÅÇ{Sz6MO‚ï%úGz6MO∫lˆ5b¬vKcü˜¯˙˚_åù˘˙\˜¯˙˚_|å_8r˙åG! IBM Cloud :;"$+<=$%>?&@ABC*D'(EC212:;"$F56789! IBM Cloud G"%+<=$%HI+<=$%>ABC&J9D'(KLM>AN9FO?äMNOPö¡%{https://cloud.ibm.com/login°Ïz6MO()%ú!ÃCIBM Cloud◊Z1,∞+
ƒÃCWatson OpenScaleÿ(Ÿ±Z™´u⁄€-—/: –ÙÇz6÷\`√5`úù
-—-: ¸˝v5`®5ÑCD"?á"Ö@–ÑCD"?á"Ö@
-—ç: √K˛OlÃÕ–ˆa®÷Sˇ!òaOlÃÕ–aMPÑ‘ˇà÷üÃÕ˙˚_åù¶ë\¯pò_–A’÷vÇO\`√5`úù
-—©: ÑCD"?á"Ö@–Áñ÷\`√5`úù
-—2: –ƒò√#Kb˛OlÄ[÷vÇO\`√5`ò_ÑCD"?á"Ö@
…Ë€DEœ£E)Z›fiç—/: –±[H5Pƒ5ò÷\`√5`úùÑ$æ5Ÿ⁄_Ê*ªkúüS%/.ºlÚË\ïòkúà
ç—-: %¨&'k%Òflç—ç:"–%¨ü&'òkòôÅ÷똯ü(:⁄ôÏS–)≈kò*r÷vÇO\`√5`úù¶¶5+qUEü˜¯˙˚ù
Watson OpenScaleの特徴Watson OpenScaleのハイレベルな特徴として以下のことがあげられます。Open (オープン):代表的な機械学習・深層学習フレームワーク・他社AIサービス(MS AzureやAmazon Sagemaker)を管理対象とすることが可能Scale (拡張性):パブリック、プライベート、ハイブリッド・クラウド、どの環境でも提供可能Explainability (説明性):AIモデルの評価結果において、その判断理由を説明Fairness (公平性):AIモデルの導出した結果の公平性をチェックし、是正する
Watson OpenScaleの主要機能Payload Logging機能がベースの機能となっています。Payload Loggingを使って説明性(Explainability) と公平性(Fairness) を実現しています。それぞれの拡張機能としてContrastive ExplanationとBias mitigationがあります。それ以外にモニタリング機能や、ドリフト・モニタリング機能がなどがあります。Payload Logging説明性(Explainability)公平性(Fairness)ContrastiveExplanationBias mitigation ・Monitoring・Performance・Drift monitoringWatson OpenScale 主要機能
≈{Çäà}C∆y}«¿{zC/EFŒÎ(2ÑCD"?á"Ö@˘˙\78ê5˜ª9∞ù¶ëü%†kúG#$ì 8\:¨
Â{Ézà{øCÊàÁÁ|}ÁÈC”>?CA"‚?⁄⁄Üá⁄ë{SÁñÛªlÆØçéZ=k5Ûúù;úòÚlìî=KÇSúîÒÚ\ÇMÉ®ÇOòëÎHK`,;Ñ"B?9Üá⁄úùÆ)%úGÖ@ïÆ)%∂ù&'ìë#[ì{SÈC”>?CA"‚?⁄⁄Üá⁄5Ÿª=Ù˙˚ô=KÇlº?\ú[email protected]¢≤˙˚_åkúG
Payload Logging (Watson Machine Learningの場合)Watson ML上に登録されたモデルに対してPayload Loggingを⾏う場合は、OpenScale側で管理対象の指定をするだけで⾃動的に記録されます。この場合、アプリ側の改修は不要です。Watson Machine LearningdeploymentApplicationAPI CallOpenScalePayload
Payload Logging (他社 Machine Learningの場合)MS AzureやAmazon Sagemakerなどの他社APIの場合は、アプリケーションはモデルのAPIを呼び出した後で、⼊⼒データとその結果を引数に、OpenScale側で⽤意したPayload Logging APIを呼び出すようにします。他社 Machine LearningApplicationAPI CallOpenScalePayloadPayload Logging API
説明性(Explainability)顧客 窓⼝担当者年収が⾜りないのはわかったが、いくらあればよかたのか︖お客様の場合、年収があと200万円あれば、当⾏でも融資できます。説明性の拡張機能 (Contrastive Explanation)説明性の拡張機能まで使うと、次のような突っ込んだやりとりにも対応可能です。
=>dÄwxyz{|}{~|z|ÇÉÅ[email protected]>CÜáCSÜ>ÜD”Ñ&'ìàë{SÆØçéZ=kü∂¨lPaOG`b˛O5Ûò_*J›lÒK5Lòô°l&'\ÒÚÛÙmZıˆ˜È?"ÜDÜ=—_"Ö@M—_"Ö@¥Nê*ÆØçéZ=klÒKë¯˝W—_"Z=k°Ï:°ù∆«
=>dÄwxyz{|}{~|z|ÇÉÅ&'ìÑ[email protected]>CÜáCSÜ>ÜD”àÆ)l¢≤™?‚,74Ñ‚?BC>",áD<[email protected]—C⁄á?"DÜB"[email protected]>CáCDÜ?á"àëår™?\NK®5ò_åkúG$flRZèêëíZ˘˙\ó?òôåÅÇS›l˚¸ZÒî(˝<4ÒP9˛8k®\ïOkúG$Pk⁄ô=KÇ\@⁄_Sìîïöˇ!"b˚#õk$%ìîï\AªkúG$QRZ=k{STüQU*ô≈S{eW\£≈ù¶ëü()%úG¶lƒòzK¡%∂˚;SÛªü&'ëíìîïZ(˛8)*8ìîïúù!"[email protected]"!ûûC9TÜ=:?9⁄ûCS"û/».-:.©†ç0ìî(O/lVìî(O-lVW ïñÛªlPaOÏ`b˛OX ïñÛªlYZV%läãÒÚ\ïOù[ æø\Ñ[¯5{M—/∑]^$˙àl_\\£≈ù
=>dZ·‚è@ Äáà}Ǫ{äÇ|ËCwxyz{}{Ç|à}Ũ`=KÇüìîlZ=klÅÇ[email protected]>CÜáCSÜ>ÜD”l˘˙öa5{Bµ∂.‹Z·‚è@ìîVüå8flr⁄ôÏfgÒÚü(:⁄_åô°GfgÒÚüÉë„^5*ùbªbªlVG
:;d Ø∞£±01Ö@¶lc%∂5¿ï*l{–deÛªÿèl¨÷%S’‘lf√bK*5gh†S€Ëü¨òkúGÖ@åù°\deúùjk\fi`kúGdeÛªZ=kl¨deÛªÿèl¨Ñ… ìÂS€(S1zÖ@#[ìlVl¨Ö@ZHÇ√O6ƒaKP]¥
:;d Ø∞£±01ˆ5b¬vKc°ÏSÚmn%4Mƒ®l(µü¯p%†kúG®ßƒülV\'KùëƒaKPü˜¯˙˚kúGlVуaKP˜¯6axö\`√5`úùëop˜¯˘˙
公平性 バイアス検知の⽅法perturbationanalysis⼊⼒データのバリエーションを増やす監視対象モデルPayloadだけではデータが不⾜している場合、OpenScaleは⼊⼒データのバリエーションを増やし(perturbation analysis)、それぞれの結果を⾒ることで、バイアスの有無を検知します。payloadから取得した記録増やしたデータに関して、モデルを呼び出し結果を調べる結果を統計的に処理してバイアスの有無を判断
:;d Ø∞£±01Z23v[=KÇ–w∞ô∫5SZ=klfgÒÚlÀªüÅÇS4Mƒ®ü∂ùëÖ@'•K8ïZ97î(˝Ä:∞1(2Å :;d;Sî(˝Ä?€Åö@AT˘˙–4Mƒ®∂ª÷l˜¯
:;dÄ»{|ª}ääÅCBCè@Ö@åkúGa]vÇO\–Ø∞£±BCD∫÷5˜ª9∞ùëSxyZ=k%∂˚;lŸr*úî5*⁄_åô°lDE\˜¯%†kúG
:;dÄ»{|ª}ääÅCERFG%¨z{{S&'ìlÚ„35QU%SèêëíìîïbHõk1Icщ%úGôròSlÿè\#$ìlÛª5úù°{ÎKÏKü:¨úùîïü∂ªkúGÒÄERÚÛÅ$ZHÇÛª√ì Ñ… ìÂà$Œ◊*6kKò Ñ… |ìàS‚◊*6kKò Ñ… }ìà$èê(O Ñ… hi√®`Œ‘à$Œ◊*ÒÚ Ñ… √®`*òà$‚◊*ÒÚ Ñ… √®`∂ªà
説明性・公平性 サポート対象モデル説明性と公平性は、管理対象がどのような種類のモデルかにより、対応の有無が異なります。現在のサポート状況を整理すると、下の表のようになります。モデル種別 対象データ 説明性 公平性 公平性緩和 精度分類 構造データ Yes Yes Yes ※ Yes回帰 構造データ Yes Yes No Yes分類 テキスト Yes No No No分類 イメージ Yes No No No※ モデルが確率値を返すタイプのものである必要があります。
説明性・公平性 サポート対象フレームワーク説明性・公平性は、フレームワークによってもサポートの有無が違ってきます。最新の状況については、下記リンク先を参照してください。Watson Machine LearningAzureML StudioAWSSageMakerCustom/Pythonfunction分類 構造データApache Spark MllibPython functionXGBoostscikit-learnNative Native WMLと同じ回帰 構造データPython functionXGBoostscikit-learnn/a n/a n/a分類 テキスト Keras with TensorFlow(※1) n/a n/a n/a分類 イメージ Keras with TensorFlow(※1) n/a n/a n/a参照: https://cloud.ibm.com/docs/services/ai-openscale?topic=ai-openscale-frmwrks-wml&locale=ja
3. チュートリアルツアー体験⾃動セットアップについて⾃動セットアップはデモ⽤のセットアップ(設定、デモデータのロード等)を⾃動で⾏い、実際にWatson OpenScaleで何ができるのかを体験することができます。以下の順序で実施します。1. IBM Cloudへのログイン2. Watson OpenScaleサービスの作成・起動3. ⾃動セットアップの実施(待ち時間約10分)4. Watson OpenScaleを体験(モデル・モニターでのインサイト表⽰)
©—/:" ÑCD"?á"Ö@ä∑ëãvÇO\`√5`ò*üÏó&åΩ+≈ùÑ4äçéà8ŸN(FG+ÑCD"?á"Ö@<5{SèêS&'SS’SGfKPl©fll>*ëíü∂ªkúG
©—-:" ó&\åΩ+≈–∑ë÷vÇO\`√5`úùÑ4äçéàOP/EFŒÎ(2èêˆ5b¬vKc5{SZHÇ√O6ò_åùZ=kü˜¯˙˚kúGÑ4äçéà/EFŒÎ([email protected]–ˆ5b¬vKc5ìw÷vÇO\@ÿúùëZ=klZHÇ√O6\S’ò_Z=k\ˆ5b¬vKc5ìw%†kúG
©—ç:" ó&\åΩ+≈–∑ljƒK÷vÇOü˜¯˙˚ôÏ`√5`úùÑ4äçéàìîïuì*˝(îZHÇ√O6ÛªZ=k{Sˆ5b¬vKc5ÇMkëò_˜¯˙˚kúGZ=k$ÇMk\`√5`úùëSZHÇ√O6lopüh†kúGÑ4äçéàìîïRSîZ=k$ÇMk%S#$ìSflêS|ŸÃc√xPl≤“l:ï\˜¯òkúGò†åVÇñl∂ù:ï5{S‡·5óüò†kúG
©—©:"GOòk%ÿÓ˙˚_åù–˝ÿ√®`Z=k щ9à"÷lbJ√]ëZ=kl/0lop\ä∑ëãkô{äM`√5`ò_¯púù
©—2:"bJ√]l&'ô˝ÿ√®`lbJ√]"!"#$%&'()*+,-./0123456(789/:;<=/>[email protected]%ABCDEFG?HIJKLAM N%"OP?QR(7/PS?TUB#VE6WX$(7/YZ[\]DE^,_/`ab?cdABefb?fghiZLZ#"bJ√]\¯pòôÏä∑ëãkô{äM
©—»:"bJ√]l&'ô˝ÿ√®`lbJ√]“jklDmnlop*EqrZJ6st5uv"wx?efby89ZJKBz{|z?}~AB/EWatson OpenScale y{/|EÄÅÇz?ÉÑZJRÖÜKM "öõ\¯pòôÏä)≈kò*rãkô{ä‚
©—é:" /0Gù√K|ŸÃ#$ìe®Pl¯p Ñ/û2ë-û2àó&\åΩ+≈–∑ë÷vÇO\`√5`úùÑ4äçéàTUZ‰V/0lï%˘˙5{S¥Él/0°Ïle®PÒÚü˜¯˙˚kúGÑ4äçéà:;dW±œ:ïH`b˛O5{/0lÒÚü˜¯˙˚kúG#$ì{SZ=kü6kKòË%ûkòåÒÚ\˚rÁü15úú°\¯òkúG
©—0:" flêe®P|ŸÃc√xPe®Pl¯p Ñçû2ë©û2àó&\åΩ+≈–∑ë÷vÇO\`√5`úùÑ4äçéàXYW±œflê{SxfKc45`$=KÇë;;˚ùaNkò†e®P$=KÇ5ghå_[òåÒÚ\úúZ=kl)î\˜òkúG GÑ4äçéà2•KœW±œc√xP{[ó\kô{=KÇl~ÇìlX'5flå_†áòkúG
©—†:" #$ìl/0l¯p Ñ2û2àó&\åΩ+≈–∑ljƒK÷vÇO\`√5`úùÑ4äçéà:ïV\`√5`úùëSÒÚlopü˜¯˙˚kúG∑5S#$ìZHÇK\s_Ωkò*rG
©—/.:" #$ìZHÇ√O6l¯p Ñ/û2ë-û2àó&\åΩ+≈–∑ë÷vÇO\`√5`úù
©—//:" #$ì®ßƒl¯p Ñçû2àó&\åΩ+≈–∑ë÷vÇO\`√5`úù
©—/-:" #$ì®ßƒlÚËê(µl¯p Ñ©û2àó&\åΩ+≈–∑ë÷vÇO\`√5`úù
©—/ç:" #$ì®ßƒlÚËê(µl¯p Ñ2û2àó&\åΩ+≈–∑ljƒK÷vÇO\`√5`úù
©—/©:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ/ûéà"ü°`=KÇ$H5P
©—/2:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ-ûéà"#$ì®ßƒ
©—/»:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñçûéà"~MzKc$=KÇ$H5P
©—/é:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ©ûéà"¢£=KÇ$H5P
©—/0:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ2ûéà"4Mƒ®xyıΩl=KÇ$H5P
©—/†:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñ»ûéà"#$ìl§ö
©—-.:" PaOÏ`b˛O≥Nk%#$ìl¯p Ñéûéà"PaOÏ`b˛Ol˜¯ä∑ljƒKã\`√5`ò_∑5+»
©—-/:" /0ıΩPaOÏ`b˛Ol¯p Ñ/û©à"/0ıΩPaOÏ`b˛Ol˜¯
©—--:" /0ıΩPaOÏ`b˛Ol¯p Ñ-û©à"6kKò$4Mƒ®
©—-ç:" /0ıΩPaOÏ`b˛Ol¯p Ñçû©à"¬‹l4Mƒ®
©—-©:" /0ıΩPaOÏ`b˛Ol¯p Ñ©û©à"PaOÏ`b˛Ol&'
©—-2:" PaOÏ`b˛Olop¯p Ñ/û2à"Z=kÒÚl&'
©—-»:" PaOÏ`b˛Olop¯p Ñ-û2à"¥–¿ï*∂•¶
©—-é:" PaOÏ`b˛Olop¯p Ñçû2à"Z=k[Al¸ñ
©—-0:" PaOÏ`b˛Olop¯p Ñ©û2à"ÂlÒÚ5*ù
©—-†:" PaOÏ`b˛Olop¯p Ñ2û2à"›lÂlbJ√]lß˝ä∑ljƒKãvÇO\`√5`ò_∑5+»
©—ç.:" c√xP$ZHÇ√O6 Ñ/û»àc√xP$ZHÇK
©—ç/:" c√xP$ZHÇ√O6 Ñ-û»à[ó\lX'
©—ç/:" c√xP$ZHÇ√O6 Ñçû»à[ó\lÚËê(µ
©—ç/:" c√xP$ZHÇ√O6 Ñ©û»àGfKP:ï
©—ç-:" c√xP$ZHÇ√O6 Ñ2û»à=KÇ~ÇìlX'
©—çç:" c√xP$ZHÇ√O6 Ñ»û»àop\˜¯ä∑ljƒKãvÇO\`√5`ò_∑5+»
©—ç©:" c√xP Ñ/û-àPaOÏ`b˛OPÇ
©—ç2:" c√xP Ñ-û-àŒsë*⁄_åù∂•¶ä∑ljƒKãvÇO\`√5`ò_∑5+»
©—ç»:" PaOÏ`b˛O Ñ/û-àPaOÏ`b˛O$√®P
©—çé:" PaOÏ`b˛O Ñ-û-ன\¸ŒäN'ãvÇO%N'úùG
実際にモデルを登録してWatson OpenScaleを使うには実際にモデルを登録してWatson OpenScaleを使うには、pythonでSDKを使ってコードを書き、実⾏して設定を⾏うことが通常必要です。• Watson Machine Learningのモデルを使う場合は、モデル登録にpythonでの登録が必要です。• AutoMLなど他社のモデルを使う場合は、ペイロードロギング等に通常は何かしらのコードの実⾏が必要です。• もちろん⼀部はGUIで実施可能です。
Watson OpenScale Python SDK チュートリアル (上級)下記のタスクを実⾏する⽅法を学習できるコンテンツです。• Python ノートブックを実⾏して機械学習モデルを作成、トレーニング、およびデプロイする• データマートを作成し、パフォーマンス、正確度、公平性のモニターを構成し、モニター対象のデータを作成する• Watson OpenScale の「インサイト」タブで結果を表⽰するhttps://cloud.ibm.com/docs/ai-openscale?topic=ai-openscale-crt-ov
äßK®%A’òô√≤K®\≥¥úù™?/: ,67"‰>?!Aˆ5b¬vKc5z6MOúù-: ä√≤K®lï%ãläúO_˜¯ã\ÃÕúùç: ä8<9=ÜB©: A’˙˚ô-fllGKı®∏lπ[email protected]‹\`√5`òä≥¥ã\ÃÕúùÄGKı®∏{¬‹5Ê*ùô≈S¢£l˘˙\æ¯p8r˙åG! ÑCD"?á"Ö@! QÖ>—TTT
,67"‰>?!A5NúùxfKc45`æ∫îl|ãå,67"‰>?!Aˆ5b¬vKc°ÏäÌ44;6+‰™ãvÇO\`√5`ò_åôr8¶ë%æÓsSBªïû\xfKc45`ò_åôr8¶ëü()%úG
まとめ• AIの実⽤化には、「公平性」や「説明性」が重要な課題となってきている• 「IBM Watson OpenScale」は、AIの公平性の分析、不公平なバイアスの軽減、説明性の実現が可能である
4. |úú≈∆« –hi≤§ÁGMPIBM Developeribm.biz/IBMDevJP¥É∆«L®≠kƒ5ò5jΩfl»æ...\^∞ùmn=
|úú≈∆« – IBM Code Patternshttps://ibm.biz/ibmcodejpó& ø"=Z[˘ ø"≤K®ßKcü¿⁄ôƒò√hiôÇKOP
Microsoft Azure ML × Watson OpenScale 学習資料Watson OpenScale を利⽤して Azure での機械学習をモニタリングする (Code Patterns)Microsoft Azure で機械学習モデルを作成し、Watson OpenScale を利⽤してペイロードのロギングとモデルの公正さをモニタリングする⽅法について紹介https://developer.ibm.com/jp/patterns/monitor-azure-machine-learning-studio-models-with-ai-openscale/https://developer.ibm.com/jp/patterns/monitor-azure-machine-learning-studio-models-with-ai-openscale/GitHub IBM/monitor-azure-ml-with-watson-openscale
AWS SageMaker × Watson OpenScale 学習資料Watson OpenScale を利⽤して SageMaker での機械学習をモニタリングする (Code Patterns)AWS SageMakerで機械学習モデルを作成し、Watson OpenScale を利⽤してペイロードのロギングとモデルの公正さをモニタリングする⽅法について紹介https://developer.ibm.com/jp/patterns/monitor-amazon-sagemaker-machine-learning-models-with-ai-openscale/https://github.com/IBM/monitor-sagemaker-ml-with-watson-openscaleGitHub IBM/monitor-sagemaker-ml-with-watson-openscale
免責事項IBM Developer Dojoは開発者の⽅を対象に、IBM Cloudを主とした技術情報をお伝えする⽬的で開催しています。講師や運営スタッフにより、開催毎に最適と判断した内容でお届けしています。現在、ハンズオンを伴う講義はお客様の費⽤負担がない環境と⼿順でご案内しています。講義終了後、不要になりました制作物はお客様ご⾃⾝で削除をお願いいたします。クレジットカードの登録が伴わない場合、費⽤は⼀切発⽣致しませんが、ご登録いただいたお客様はご注意ください。講師陣はみなさまの利⽤状況を個別に確認することはできません。ご理解とご協⼒をお願いいたします。利⽤したサービスの削除⽅法については講義の中でご案内します。ご不明な点がございましたら、当⽇確認をお願いいたします。講義終了後、 IBM Developer Dojoに関するお問い合わせは「Slack」にお願いします。それ以外のIBM Cloudのお問い合わせにつきましては、弊社サポートセンターまで、次のいづれかの⽅法でお問い合わせください。IBM Cloudダッシュボードの「サポート」メニューから「Case」を作成し、英語でご記⼊くださいIBM Cloudサポートセンター「相談する」ボタンからチャットまたは電話でご連絡くださいhttps://www.ibm.com/jp-ja/cloud/supportご参加ありがとうございました。