はじめに

IBM Cloud で機械学習モデルを作成してデプロイして利用したい場合は、以下の2つのサービスを利用するとこになります。

• Watson Studio
  • データの準備、データの分析と視覚化、およびモデルの作成を行うためのツール
  • 計算リソースを提供する環境定義
• Watson Machine Learning
  • デプロイメント・スペースでモデルのデプロイおよびデプロイされたモデルの管理を行うためのツール
  • 計算リソースを提供する環境定義

具体的な使い方の記事は多数あるのですが、2つのサービスとそのコンポーネントがどのような関係にあるのかを記載したものがなかったので、整理してみました。

Watson Studio と Watson Machine Learning の関係

Watson Studio と Watson Machine Learning の主要なコンポーネントと、モデルの操作時にどのような動きになっているのかを以下に図示しました。

1.Watson Studioの主要なコンポーネント

Watson Studioには多数のコンポーネントがありますが、ベーシックな「モデル作成→デプロイ」に関連するコンポーネントについてのみ簡単に解説します。

• 分析プロジェクト
  • Watson Studio内で分析を始める最初の一歩で、「枠」を定義します。
  • 分析の単位などで作成するとよいでしょう。複数定義可能です。
  • 共同作業するユーザーのアクセス権を定義できるので、アクセスを制御したい単位で分ける必要があります。
• データ資産
  • 生データやクラウドおよびオンプレミスのデータ・ソースへの接続など分析で使用するデータを登録します。
• Notebook
  • Watson Studio上でJupyter Notebookが使えます。
• Modeler Flow
  • Watson Studio上でSPSS Modelerが使えます。ローカルPCで稼働するSPSS Modeler Clientと比べるとUIが少し異なります。
• AutoAI
  • Watson Studio上で使用できるAuto MLをなります。
• モデル
  • プロジェクト内で作成され保存されたモデルが表示されます。

2.Watson Machine Learningの主要なコンポーネント

• デプロイメントスペース
  • Watson Machine Learning上でも「枠」となるようなスペースを定義します。
  • モデルを管理していく単位で作成するとよいでしょう。複数定義可能です。
  • 分析プロジェクトと同様に、共同作業するユーザーのアクセス権を定義できるので、アクセスを制御したい単位で分ける必要があります。
• 資産
  • 「データ資産」と「モデル」を登録できます。
  • 登録方法は以下の2種類があります。
    • Watson Studioのプロジェクトからプロモート
    • Watson Machine Learning上で直接インポート
• デプロイメント
  • モデルのデプロイ方法としては、以下の2種類があります。
    • オンライン：予測をオンラインでリアルタイムに生成します。
    • バッチ：ファイルやデータベースなどを入力にバッチで処理します。

3.モデルの操作

図中に吹き出しで表現しているモデルに対する操作について解説します。

• モデルの保存
  • NotebookやAutoAIなどで作成したモデルを保存すると、分析プロジェクト内の「モデル」として登録されます。
• モデルのプロモート
  • 保存されたモデルをWatson Machine Learningで使えるようにプロモートすると、Watson Machine Learningのデプロイメントスペースの「資産」として登録されます。
• モデルのデプロイ
  • Watson Machine Learningのデプロイメントスペースの「資産」にあるモデルをデプロイすると、スコアリングできる状態になります。
  • デプロイの方法としては、オンラインとバッチが選択できます。

参考リンク

Cloud Pak for Data as a Service の概要
https://dataplatform.cloud.ibm.com/docs/content/wsj/getting-started/overview-cpdaas.html?context=cpdaas&audience=wdp