Machine Learning Designer memungkinkan Anda mengemas pipeline pemrosesan data batch—yang mencakup pra-pemrosesan data, rekayasa fitur, dan prediksi model—menjadi model pipeline, lalu menerapkannya ke Elastic Algorithm Service (EAS) sebagai layanan online.
Hanya pipeline yang dibangun sepenuhnya dengan komponen algoritma Alink (ditandai dengan lingkaran ungu kecil di kanvas) yang dapat diterapkan sebagai layanan online.
Batasan
| Constraint | Details |
|---|---|
| Jenis komponen | Hanya komponen algoritma Alink yang didukung. Komponen ini ditandai dengan lingkaran ungu kecil di kanvas. |
| Status eksekusi | Semua komponen pelatihan dan prediksi berpasangan dalam pipeline harus berhasil diselesaikan (ditandai dengan centang hijau) sebelum pengemasan. Misalnya, untuk menerapkan model regresi linier, komponen Linear Regression Training dan Linear Regression Prediction harus menampilkan centang hijau. |
| Topologi | Layanan online hanya menerima satu input dan satu output. Pilih satu tautan serial dari Directed Acyclic Graph (DAG) pipeline batch Anda. |
Prasyarat
Sebelum memulai, pastikan Anda telah:
-
Membuat pipeline pemrosesan data batch yang menerapkan pra-pemrosesan data, rekayasa fitur, dan prediksi model, serta telah berhasil dijalankan. Untuk informasi selengkapnya, lihat Build a model.
Terapkan pipeline sebagai layanan online
-
Buka halaman Machine Learning Designer.
-
Login ke Konsol Machine Learning Platform for AI.
-
Di panel navigasi kiri, klik Workspaces. Di halaman Workspaces, klik nama ruang kerja yang ingin Anda kelola.
-
Di panel navigasi kiri, pilih Model Training > Visualized Modeling (Designer).
-
-
Di tab Pipelines, klik ganda pipeline untuk membukanya.
-
Di bilah navigasi atas kanvas, pilih Models > Create Pipeline Model.
-
Pilih node yang membentuk tautan pemrosesan data serial, lalu klik Next. Tautan serial biasanya terdiri dari 1 hingga N komponen prediksi. Sebagai contoh, tautan berikut melakukan normalisasi data, menerapkan one-hot encoding, menggabungkan vektor, lalu menjalankan komponen FM Prediction.
-
Memilih sebuah node yang membentuk tautan serial dengan node hulu atau hilirnya akan secara otomatis memilih node yang terhubung tersebut.
-
Membatalkan pemilihan sebuah node akan secara otomatis membatalkan pemilihan semua node yang dipilih bersamanya.
-
-
Di kotak dialog Create Pipeline Model, klik Next untuk memulai pengemasan.
Sistem akan mengemas tautan prediksi data beserta model-modelnya menjadi model pipeline. Tugas batch dengan nama yang diawali model-combination- akan diluncurkan secara otomatis. Untuk memantau progres, klik View All Tasks di bilah navigasi atas. Di kotak dialog Previous Tasks, temukan tugas tersebut dan periksa statusnya. Proses pengemasan membutuhkan waktu sekitar 3 hingga 5 menit. Tunggu hingga status tugas berubah menjadi Succeeded sebelum melanjutkan. -
Pada kotak dialog Previous Tasks, temukan tugas tersebut lalu klik Model di kolom Actions.
Tindakan ini akan membuka halaman EAS-Online Model Services. Untuk informasi selengkapnya mengenai penyelesaian penerapan, lihat Penerapan layanan Model dengan menggunakan konsol PAI dan Machine Learning Designer.