Nutzen Sie die Lernprogramme zu Anwendungsfällen, um sich mit einem oder mehreren der Anwendungsfälle vertraut zu machen, die kombiniert werden, um zu veranschaulichen, wie Sie eine Lösung mit Cloud Pak for Dataimplementieren. Die Lernprogramme folgen der Geschichte von Golden Bank, einem führenden Hypothekenanbieter, der die Herausforderungen im Zusammenhang mit Datenzugriff, Datenqualität, Datengovernance und Verwaltung von Daten-und KI-Lebenszyklen bewältigen muss.
Wenn Sie lernen möchten, wie Sie eine bestimmte Task ausführen, z. B. Daten verfeinern oder ein Modell erstellen, ziehen Sie die Lernprogramme für den Schnelleinstiegin Betracht. Die Lernprogramme für den Schnelleinstieg helfen Ihnen, schnell zu lernen, wie Sie eine bestimmte Task oder eine Gruppe zusammengehöriger Tasks ausführen.
Die Lernprogramme für Anwendungsfälle sind nach Typ kategorisiert:
- Lernprogramme für Datenstrukturen zeigen Ihnen, wie Sie einen der Anwendungsfälle für Datenstrukturen implementieren.
- KI-Lernprogramme erstellen und steuern zeigen Ihnen, wie Sie Modelle in einer regulierten Umgebung erstellen, implementieren und überwachen.
Data Fabric-Lernprogramme
Ein Data Fabric ist eine Architektur, die eine sichere und konsistente Methode für den Zugriff auf Daten aus unterschiedlichen Quellen und eine Reihe integrierter Tools bietet, damit Ihr Unternehmen effizient zusammenarbeiten kann, um Ihre Daten zur Verbesserung Ihres Unternehmens zu nutzen.
Sehen Sie sich dieses Video an, um Data Fabric in Aktion zu sehen.
Dieses Video bietet eine visuelle Methode zum Erlernen der Konzepte und Tasks in dieser Dokumentation.
Die Datenstruktur wird in Anwendungsfälle aufgeteilt, die jeweils ein bestimmtes Ziel darstellen. Auf IBM Cloud Pak for Data bieten die Services Funktionen und Tools. Jeder Anwendungsfall erfordert mindestens eine Serviceinstanz. Einige Services sind in mehreren Anwendungsfällen enthalten.
Die Lernprogramme sind nach Anwendungsfall gruppiert. Sie können mit jedem Anwendungsfall beginnen. Jede Gruppe von Lernprogrammen basiert auf einem Beispielprojekt, das die Ressourcen enthält, die Sie zum Ausführen der Lernprogramme benötigen. Sie importieren die Beispielprojekte aus dem Ressourcenhub.
Die Tags für jedes Lernprogramm beschreiben den Grad des Fachwissens (, oder ), den erforderlichen Codierungsaufwand ( oder ) und die Angabe, ob das Lernprogramm eine Fortsetzung () von einem oder mehreren anderen Lernprogrammen ist, die Sie zuerst ausführen müssen.
Datenintegration
Ermöglichen Sie Zugriff auf alle Ihre Daten, ohne sie zu verschieben.
Szenario: Die Golden Bank benötigt eine Datenpipeline, die präzise, vorverarbeitete und aktuelle Daten zu allen Hypothekenantragstellern bereitstellt, damit Kreditgeber Entscheidungen treffen können.
Klicken Sie auf ein Lernprogramm für diesen Anwendungsfall, um zu beginnen:
- Daten integrieren
Extrahieren, filtern, verknüpfen und transformieren Sie Ihre Daten. Siehe Anweisungen
- Virtualize external data
Virtualize and join data tables from external sources. Siehe Anweisungen
- Daten replizieren
Richten Sie echtzeitnahe und fortlaufende Replikation zwischen Quellen-und Zieldatenbank ein. Siehe Anweisungen
- Orchestrierung einer KI-Pipeline mit Datenintegration
Erstellen Sie eine End-to-End-Pipeline, die Daten vorbereitet und ein Modell trainiert. Siehe Anweisungen
Datengovernance
Ermöglichen Sie Zugriff auf alle Ihre Daten, ohne sie zu verschieben.
Szenario: Die Golden Bank benötigt eine Datenpipeline, die präzise, vorverarbeitete und aktuelle Daten zu allen Hypothekenantragstellern bereitstellt, damit Kreditgeber Entscheidungen treffen können.
Klicken Sie auf ein Lernprogramm für diesen Anwendungsfall, um zu beginnen:
- Qualitätsdaten kuratieren
Erstellen Sie hochwertige Datenassets, indem Sie Ihre Daten aufbereiten und eine Datenqualitätsanalyse ausführen. Siehe Anweisungen
- Daten schützen
Steuern Sie den Zugriff auf Daten in einem Katalog. Siehe Anweisungen
- Daten konsumieren
Daten auswerten, gemeinsam nutzen, gestalten und analysieren. Siehe Anweisungen
- Virtualisierte Daten regulieren
Anreichern Sie virtualisierte Daten und stellen Sie sicher, dass virtuelle Daten geschützt sind. Siehe Anweisungen
Master Data Management
Stellen Sie eine zentrale, zuverlässige 360-Grad-Ansicht Ihrer Daten bereit
Szenario: Golden Bank möchte eine Kampagne durchführen, um niedrigere Hypothekenzinsen anzubieten. Als Datenentwickler müssen Sie IBM Match 360 verwenden, um Ihre Daten für eine 360-Grad-Ansicht des Kunden einzurichten, zuzuordnen und zu modellieren.
Klicken Sie auf ein Lernprogramm für diesen Anwendungsfall, um zu beginnen:
- 360-Grad-Ansicht konfigurieren
Richten Sie Ihre Daten ein, ordnen Sie sie zu und modellieren Sie sie, um eine 360-Grad-Ansicht Ihrer Kunden zu erstellen. Siehe Anweisungen
KI-Lernprogramme erstellen und steuern
Diese Cloud Pak for Data -Anwendungsfälle decken die Tools zum Erstellen und Steuern von KI ab. Sie können mit jedem Anwendungsfall beginnen. Jede Gruppe von Lernprogrammen basiert auf einem Beispielprojekt, das die Ressourcen enthält, die Sie zum Ausführen der Lernprogramme benötigen. Sie importieren die Beispielprojekte aus dem Ressourcenhub.
Die Tags für jedes Lernprogramm beschreiben den Grad des Fachwissens (, oder ), den erforderlichen Codierungsaufwand ( oder ) und die Angabe, ob das Lernprogramm eine Fortsetzung () von einem oder mehreren anderen Lernprogrammen ist, die Sie zuerst ausführen müssen.
KI-Governance
Erstellen, operationalisieren und steuern Sie KI.
Szenario: Die Goldene Bank benötigt ein Modell, das angibt, ob Kunden für Hypotheken qualifiziert sind, um die Anwendungsverarbeitungskosten der Bank zu reduzieren.
Klicken Sie auf ein Lernprogramm für diesen Anwendungsfall, um zu beginnen:
- Modell erstellen und implementieren
Trainieren Sie ein Modell, stufen Sie es in einen Bereitstellungsbereich hoch und implementieren Sie das Modell. Siehe Anweisungen
- Modell testen und validieren
Bewerten Sie ein Modell auf Genauigkeit, Fairness und Erklärbarkeit. Siehe Anweisungen
Datenwissenschaft und MLOps
Erstellen, implementieren und überwachen Sie Modelle.
Szenario: Die Golden Bank muss eine Datenpipeline automatisieren, die aktuelle Daten zu allen Hypothekenantragstellern bereitstellt, die für die Entscheidungsfindung verwendet werden können.
Klicken Sie auf ein Lernprogramm für diesen Anwendungsfall, um zu beginnen:
- Orchestrierung einer KI-Pipeline mit Modellüberwachung
Erstellen Sie eine End-to-End-Pipeline, die Daten vorbereitet, ein Modell trainiert und dann das Modell validiert. Siehe Anweisungen
- Orchestrierung einer KI-Pipeline mit Datenintegration
Erstellen Sie eine End-to-End-Pipeline, die Daten transformiert und ein Modell trainiert. Siehe Anweisungen
Weitere Informationen
Übergeordnetes Thema: Einführung