0 / 0
Volver a la versión inglesa de la documentación
Guías de aprendizaje de inicio rápido

Guías de aprendizaje de inicio rápido

Realice guías de aprendizaje de inicio rápido para aprender a realizar tareas específicas como, por ejemplo, refinar datos o crear un modelo. Estas guías de aprendizaje le ayudan a aprender rápidamente a realizar una tarea específica o un conjunto de tareas relacionadas.

Nota:

Si desea aprender a implementar casos de uso específicos, considere la posibilidad de utilizar las guías de aprendizaje de casos de uso. Las guías de aprendizaje de casos de uso le ayudan a probar casos de uso de entramados de datos, como por ejemplo la integración de datos, o a crear y controlar casos de uso de IA, como por ejemplo Ciencia de datos y MLOps.

Las guías de aprendizaje de inicio rápido se clasifican por tarea:

Cada guía de aprendizaje requiere una o más instancias de servicio. Algunos servicios se incluyen en varias guías de aprendizaje. Las guías de aprendizaje se agrupan por tarea. Puede empezar con cualquier tarea. Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y recursos de aprendizaje adicionales.

Las etiquetas de cada guía de aprendizaje describen el nivel de experiencia (, o ) y la cantidad de codificación necesaria (, o ).

Requisito previo
El requisito previo para todas las guías de aprendizaje es registrarse o unirse a una cuenta de Cloud Pak for Data as a Service.

Después de completar estas guías de aprendizaje, consulte la sección Otros recursos de aprendizaje para continuar con el aprendizaje.

Preparación de datos

Para empezar a preparar, transformar e integrar datos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar en la plataforma.

El flujo de trabajo de preparación de los datos incluye estos pasos básicos:

  1. Cree un proyecto.

  2. Si es necesario, cree la instancia de servicio que proporciona la herramienta que desea utilizar y asóciela con el proyecto.

  3. Añada datos al proyecto. Puede añadir archivos de datos del sistema local, datos de un origen de datos remoto al que se conecta, datos de un catálogo o datos de ejemplo del concentrador de recursos.

  4. Seleccione una herramienta para analizar los datos. Cada una de las guías de aprendizaje describe una herramienta.

  5. Ejecute o planifique un trabajo para preparar los datos.

Guías de aprendizaje para preparar datos

Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y los recursos de aprendizaje adicionales:

Guía de aprendizaje Descripción Experiencia para guía de aprendizaje
Refinar y visualizar datos con Data Refinery Preparar y visualizar datos tabulares con un editor de flujo gráfico. Seleccione operaciones para manipular datos.
Transformar datos con DataStage Diseñe un flujo de integración de datos para filtrar y ordenar tablas con un editor de flujo gráfico. Soltar datos y nodos de operación en un lienzo y seleccionar propiedades.
Virtualizar datos Crear una tabla virtualizada uniendo dos tablas. Seleccione las tablas y conecte las columnas de clave primaria.

Análisis y visualización de datos

Para empezar a analizar y visualizar datos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar con otras herramientas.

El flujo de trabajo de análisis y visualización de datos tiene estos pasos básicos:

  1. Cree un proyecto.

  2. Si es necesario, cree la instancia de servicio que proporciona la herramienta que desea utilizar y asóciela con el proyecto.

  3. Añada datos al proyecto. Puede añadir archivos de datos del sistema local, datos de un origen de datos remoto al que se conecta, datos de un catálogo o datos de ejemplo del concentrador de recursos.

  4. Seleccione una herramienta para analizar los datos. Cada una de las guías de aprendizaje describe una herramienta.

Guías de aprendizaje para analizar y visualizar datos

Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y los recursos de aprendizaje adicionales:

Guía de aprendizaje Descripción Experiencia para guía de aprendizaje
Narrar una historia con un panel de control Cree un panel de instrumentos en un constructor gráfico. Soltar elementos en un lienzo y seleccionar opciones.
Analizar datos en un cuaderno de Jupyter Cargar datos, ejecutar y compartir un cuaderno. Comprender el código Python generado.
Refinar y visualizar datos con Data Refinery Preparar y visualizar datos tabulares con un editor de flujo gráfico. Seleccione operaciones para manipular datos.

Creación, despliegue y confianza de modelos

Para empezar a crear, desplegar y confiar en modelos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar en la plataforma.

El flujo de trabajo del modelo tiene tres pasos principales: crear un activo de modelo, desplegar el modelo y generar confianza en el modelo.

Visión general del flujo de trabajo de modelo

Guías de aprendizaje para crear, desplegar y confiar en modelos

Cada guía de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y recursos de aprendizaje adicionales:

Guía de aprendizaje Descripción Experiencia para guía de aprendizaje
Crear y desplegar un modelo de aprendizaje automático con AutoAI Crear automáticamente candidatos de modelo con la herramienta AutoAI. Crear, desplegar y probar un modelo sin codificación.
Crear y desplegar un modelo de aprendizaje automático en un cuaderno Crear un modelo actualizando y ejecutando un cuaderno que utilice el código Python y las API de Watson Machine Learning. Cree, despliegue y pruebe un modelo scikit-learn que utiliza código Python .
Crear y desplegar un modelo de aprendizaje automático con SPSS Modeler Cree un modelo C5.0 que utilice la herramienta SPSS Modeler . Soltar datos y nodos de operación en un lienzo y seleccionar propiedades.
Crear y desplegar un modelo de Decision Optimization Crear escenarios automáticamente con Modeling Assistant. Resuelva y explore escenarios y, a continuación, despliegue y pruebe un modelo sin codificación.
Evaluar un modelo de aprendizaje automático Despliegue un modelo, configure supervisores para el modelo desplegado y evalúe el modelo. Ejecute un cuaderno para configurar los modelos y utilice Watson OpenScale para evaluar.

Organización y control de datos

Para empezar con la ordenación y el gobierno de datos, debe comprender los flujos de trabajo globales, seleccionar una guía de aprendizaje y consultar otros recursos de aprendizaje para trabajar en Cloud Pak for Data as a Service.

Si está trabajando con su propio plan Lite de IBM Knowledge Catalog , puede crear dos catálogos con 50 activos, cinco términos empresariales y una regla de protección de datos. También es el propietario de la única categoría para organizar artefactos de gobernabilidad como clases de datos y términos empresariales.

Si está trabajando en la cuenta de su organización con un plan estándar, empresarial o profesional de IBM Knowledge Catalog , debe tener roles y permisos específicos para organizar los datos y crear artefactos de gobernabilidad como clases de datos y términos empresariales.

El flujo de trabajo de ordenación de datos implica estos pasos básicos:

  1. Añadir activos de datos a un catálogo:
    • Añadir activos de datos de uno en uno en un proyecto y luego publicarlos en un catálogo.
    • Añadir todos los activos de datos de una conexión de un proyecto importando metadatos y luego publicarlos en un catálogo.
    • Añadir activos de datos de forma individual desde un catálogo.
  2. Enriquecer los activos de datos asignando artefactos de gobernabilidad, como por ejemplo términos empresariales.

El flujo de trabajo de datos de gobierno implica estos pasos básicos:

  1. Para una regla de protección de datos, especificar cómo identificar el tipo de datos que enmascarar y el método de enmascaramiento. La regla se aplica inmediatamente.
  2. Para todos los demás tipos de artefactos de gobernabilidad:
    1. Crear los artefactos de gobernabilidad de borrador en una categoría.
    2. Publicar los artefactos de gobernabilidad.

Guías de aprendizaje para la ordenación y el control de datos

Elija una guía de aprendizaje de entramado de datos en el caso de uso de gobierno de datos.

Otros recursos de aprendizaje

Tutoriales guiados

Acceda al Proyecto de ejemplo de creación de un modelo de IA para seguir una guía de aprendizaje guiada en el concentrador de recursos. Después de crear el proyecto de ejemplo, el archivo léame proporciona instrucciones:

  • Elija Explorar y preparar datos para eliminar anomalías en los datos con Data Refinery.
  • Elija Crear un modelo en un cuaderno para crear un modelo con el código Python.
  • Elija Crear y desplegar un modelo para automatizar la creación de un modelo con la herramienta AutoAI.

Vea esta serie de vídeos para ver cómo trabajar con los activos del proyecto de ejemplo.

Documentación

Tema general

Preparación de datos- Preparación de datos

Análisis y visualización de datos

Creación, despliegue y confianza de modelos

Organización y control de datos

Vídeos

Ejemplos

  • Concentrador de recursos proporciona cuadernos de ejemplo, conjuntos de datos y proyectos que puede importar.

  • Los aceleradores del sector proporcionan proyectos de ejemplo con soluciones de inicio a fin que resuelven problemas empresariales específicos.

  • Knowledge Accelerators proporciona conjuntos específicos del sector de artefactos listos para ser utilizados.

Entrenamiento

Tema principal: Cómo empezar

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información