0 / 0
Retourner à la version anglaise de la documentation
Tutoriels de démarrage rapide

Tutoriels de démarrage rapide

Suivez des tutoriels de démarrage rapide pour apprendre à effectuer des tâches spécifiques, telles que l'amélioration des données ou la création d'un modèle. Ces tutoriels vous aident à apprendre rapidement à effectuer une tâche spécifique ou un ensemble de tâches associées.

Remarque :

Si vous souhaitez apprendre à implémenter des cas d'utilisation spécifiques, envisagez de suivre les tutoriels de cas d'utilisation. Les tutoriels de cas d'utilisation vous aident à tester des cas d'utilisation de matrice de données, tels que l'intégration de données, ou la génération et la gouvernance de cas d'utilisation d'IA, tels que Data Science et MLOps.

Les tutoriels de démarrage rapide sont classés par tâche:

Chaque tutoriel requiert une ou plusieurs instances de service. Certains services sont inclus dans plusieurs tutoriels. Les tutoriels sont regroupés par tâche. Vous pouvez commencer avec n'importe quelle tâche. Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires.

Les balises de chaque tutoriel décrivent le niveau d'expertise (, ou ) et le niveau de codage requis (, ou ).

Prérequis
La condition requise pour tous les tutoriels consiste à s'inscrire ou à rejoindre un compte Cloud Pak for Data as a Service.

Après avoir suivi ces tutoriels, consultez la section Autres ressources d'apprentissage pour continuer votre apprentissage.

Préparation des données

Pour commencer à préparer, transformer et intégrer des données, comprenez le flux de travaux global, choisissez un tutoriel et consultez d'autres ressources d'apprentissage pour travailler sur la plateforme.

Votre flux de travaux de préparation de données comporte les étapes de base suivantes :

  1. Créez un projet.

  2. Si nécessaire, créez l'instance de service qui fournit l'outil que vous souhaitez utiliser, puis associez-la au projet.

  3. Ajoutez des données à votre projet. Vous pouvez ajouter des fichiers de données à partir de votre système local, des données à partir d'une source de données distante à laquelle vous vous connectez, des données à partir d'un catalogue ou des exemples de données à partir du concentrateur de ressources.

  4. Choisissez un outil pour analyser vos données. Chacun des tutoriels décrit un outil.

  5. Exécutez ou planifiez un travail pour préparer vos données.

Tutoriels de préparation des données

Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires :

Tutoriel Descriptif Expertise pour le tutoriel
Affinez et visualisez les données avec Data Refinery Préparez et visualisez les données tabulaires à l'aide d'un éditeur de flux graphique. Sélectionnez des opérations pour manipuler les données.
Transformer les données avec DataStage Concevoir un flux d'intégration de données pour filtrer et trier les tableaux avec un éditeur de flux graphique. Déposez les données et les noeuds d'opération sur un canevas et sélectionnez les propriétés.
Virtualisation des données Créez un tableau virtualisée en joignant deux tableaux. Sélectionnez les tables et connectez les colonnes de clé primaire.

Analyse et visualisation des données

Pour commencer à analyser et à visualiser les données, comprendre le flux de travaux global, choisir un tutoriel et consulter d'autres ressources d'apprentissage pour utiliser d'autres outils.

Votre flux de travaux d'analyse et de visualisation de données comporte les étapes de base suivantes :

  1. Créez un projet.

  2. Si nécessaire, créez l'instance de service qui fournit l'outil que vous souhaitez utiliser, puis associez-la au projet.

  3. Ajoutez des données à votre projet. Vous pouvez ajouter des fichiers de données à partir de votre système local, des données à partir d'une source de données distante à laquelle vous vous connectez, des données à partir d'un catalogue ou des exemples de données à partir du concentrateur de ressources.

  4. Choisissez un outil pour analyser vos données. Chacun des tutoriels décrit un outil.

Tutoriels d'analyse et de visualisation des données

Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires :

Tutoriel Descriptif Expertise pour le tutoriel
Analyse des données dans un bloc-notes Jupyter Chargez les données, exécutez et partagez un bloc-notes. Comprendre le code Python généré.
Affinez et visualisez les données avec Data Refinery Préparez et visualisez les données tabulaires à l'aide d'un éditeur de flux graphique. Sélectionnez des opérations pour manipuler les données.

Génération, déploiement et sécurisation de modèles

Pour vous initier à la génération, au déploiement et à la confiance des modèles, comprenez le flux de travaux global, choisissez un tutoriel et consultez d'autres ressources d'apprentissage pour travailler sur la plateforme.

Les différentes étapes impliquées dans le cycle de vie de l'IA sont les suivantes:

  1. Définir la portée: commencez par définir la portée de votre projet en identifiant les objectifs et les exigences clés.
  2. Préparer les données: Collecter et préparer les données à utiliser avec les algorithmes d'apprentissage automatique.
  3. Créer un modèle: Développez et affinez le modèle d'IA pour résoudre le problème défini en formant le modèle avec des données préparées.
  4. Déployer le modèle: Déployez le modèle en production une fois le processus de génération terminé.
  5. Automatiser le pipeline: Automatiser le chemin d'accès à la production en automatisant des parties du cycle de vie de l'intelligence artificielle.
  6. Surveiller les performances: évaluez les performances de votre modèle pour l'équité, la qualité, la dérive et l'explicabilité.

Le diagramme suivant illustre les étapes du cycle de vie de l'IA:

Etapes du cycle de vie de l'IA

Tutoriels pour la génération, le déploiement et la confiance de modèles

Chaque tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires:

Tutoriel Descriptif Expertise pour le tutoriel
Génération et déploiement d'un modèle d'apprentissage automatique avec AutoAI Créer automatiquement des candidats modèles à l'aide de l'outil AutoAI. Générez, déployez et testez un modèle sans codage.
Génération et déploiement d'un modèle d'apprentissage automatique dans un bloc-notes Créez un modèle en mettant à jour et en exécutant un bloc-notes qui utilise le code Python et les API Watson Machine Learning. Générez, déployez et testez un modèle scikit-learn qui utilise le code Python .
Génération et déploiement d'un modèle d'apprentissage automatique avec SPSS Modeler Générez un modèle C5.0 qui utilise l'outil SPSS Modeler . Déposez les données et les noeuds d'opération sur un canevas et sélectionnez les propriétés.
Génération et déploiement d'un modèle Decision Optimization Créer automatiquement des scénarios avec l'assistant de modélisation. Résolvez et explorez des scénarios, puis déployez et testez un modèle sans codage.
Evaluer un modèle d'apprentissage automatique Déployez un modèle, configurez les moniteurs pour le modèle déployé et évaluez le modèle. Exécutez un bloc-notes pour configurer les modèles et utilisez Watson OpenScale pour évaluer.

Organisation et gouvernance des données

Pour commencer à organiser et gouverner des données, comprenez le flux de travaux global, choisissez un tutoriel et extrayez d'autres ressources d'apprentissage pour travailler dans Cloud Pak for Data as a Service.

Si vous utilisez votre propre plan Lite IBM Knowledge Catalog , vous pouvez créer deux catalogues avec 50 actifs, cinq termes métier et une règle de protection des données. Vous êtes également propriétaire de la seule catégorie pour l'organisation des artefacts de gouvernance tels que les classes de données et les termes métier.

Si vous travaillez dans le compte de votre organisation avec un plan IBM Knowledge Catalog Standard, Enterprise ou Professional, vous devez disposer de rôles et de droits spécifiques pour la conservation des données et la création d'artefacts de gouvernance tels que des classes de données et des termes métier.

Votre flux de travaux d'organisation de données comporte les étapes de base suivantes :

  1. Ajout d'actifs de données à un catalogue :
    • Ajoutez des actifs de données un par un dans un projet, puis publiez-les dans un catalogue.
    • Ajoutez tous les actifs de données d'une connexion dans un projet en important des métadonnées, puis publiez-les dans un catalogue.
    • Ajoutez des actifs de données un par un à partir d'un catalogue.
  2. Enrichissement des actifs de données en affectant des artefacts de gouvernance, tels que des termes métier.

Votre flux de travaux de gouvernance de données comporte les étapes de base suivantes :

  1. Pour une règle de protection des données, indiquez comment identifier le type de données à masquer et la méthode de masquage. La règle est appliquée immédiatement.
  2. Pour tous les autres types d'artefacts de gouvernance :
    1. Créez les brouillons d'artefacts de gouvernance dans une catégorie.
    2. Publiez les artefacts de gouvernance.

Tutoriels pour l'organisation et la gouvernance des données

Choisissez un tutoriel de matrice de données dans le cas d'utilisation Gouvernance des données.

Autres ressources d'apprentissage

Tutoriels détaillés

Accédez à l' exemple de projet Génération d'un modèle d'IA pour suivre un tutoriel guidé dans le concentrateur de ressources. Une fois que vous avez créé l'exemple de projet, le fichier Readme fournit les instructions suivantes:

  • Choisissez Explorer et préparer les données pour supprimer les anomalies dans les données avec Data Refinery.
  • Choisissez Générer un modèle dans un bloc-notes pour créer un modèle avec le code Python.
  • Choisissez Génération et déploiement d'un modèle pour automatiser la génération d'un modèle avec l'outil AutoAI.

Regardez cette série de vidéos pour savoir comment utiliser les actifs de l'exemple de projet.

Général

Préparation des données

Analyse et visualisation des données

Génération, déploiement et sécurisation de modèles

Organisation et gouvernance des données

Vidéos

Exemples

  • Le concentrateur de ressources fournit des exemples de blocs-notes, d'ensembles de données et de projets que vous pouvez importer.

  • Accélérateurs industriels fournit des exemples de projets avec des solutions de bout en bout qui permettent de résoudre des problèmes métier spécifiques.

  • Knowledge Accelerators fournit des ensembles d'artefacts de gouvernance prêts à l'emploi spécifiques à votre entreprise.

Apprentissage

  • Suivez un tutoriel de matrice de données pour tester un cas d'utilisation de matrice de données, tel que la gouvernance de l'IA, la science des données et les objets MLOB, la gouvernance des données ou l'intégration des données.

  • Take control of your data with Watson Studio est un parcours pédagogique qui comprend des tutoriels détaillés expliquant le processus d'utilisation des données à l'aide de Watson Studio.

Rubrique parent : Mise en route

Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus