빠른 시작 학습서
빠른 시작 학습서를 사용하여 데이터 정제 또는 모델 빌드와 같은 특정 태스크를 수행하는 방법을 학습하십시오. 이 학습서는 특정 태스크 또는 관련 태스크 세트를 수행하는 방법을 빠르게 학습하는 데 도움이 됩니다.
특정 유스 케이스를 구현하는 방법을 학습하려면 유스 케이스 학습서를 사용하는 것을 고려하십시오. 유스 케이스 학습서는 데이터 통합과 같은 데이터 패브릭 유스 케이스를 시험 사용하거나 데이터 사이언스 및 MLOps와 같은 AI 유스 케이스를 빌드하고 관리하는 데 도움을 줍니다.
빠른 시작 학습서는 태스크별로 분류됩니다.
각 학습서에는 하나 이상의 서비스 인스턴스가 필요합니다. 일부 서비스는 여러 학습서에 포함되어 있습니다. 학습서는 태스크별로 그룹화됩니다. 모든 태스크를 시작할 수 있습니다. 각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
각 학습서의 태그는 전문 지식 레벨 (, 또는 ) 및 필요한 코딩 양 (, 또는 ) 을 설명합니다.
전제조건
모든 튜토리얼의 전제조건은 Cloud Pak for Data as a Service 계정에 가입하거나 가입하는 것입니다.
이러한 학습서를 완료한 후에는 기타 학습 자원 섹션을 참조하여 학습을 계속하십시오.
데이터 준비
데이터 준비, 변환 및 통합을 시작하려면 전체 워크플로우를 이해하고, 학습서를 선택하고, 플랫폼에서 작업하기 위한 기타 학습 자원을 확인하십시오.
사용자의 데이터 준비 워크플로우의 기본 단계는 다음과 같습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터, 카탈로그의 데이터 또는 자원 허브의 샘플 데이터를 추가할 수 있습니다.
데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
작업을 실행하거나 스케줄링하여 데이터를 준비하십시오.
데이터 준비를 위한 학습서
각 이 튜토리얼은 도구, 동영상, 명령어 및 추가 학습 리소스의 설명을 제공합니다.
| Tutorial | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| Data Refinery로 데이터 정제 및 시각화 | 그래픽 플로우 편집기를 사용하여 표 데이터를 준비하고 시각화할 수 있습니다. | 데이터를 조작할 조작을 선택하십시오. |
| DataStage로 데이터 변환 | 그래픽 플로우 편집기를 사용하여 테이블을 필터링 및 정렬하려면 데이터 통합 플로우를 설계하십시오. | 캔버스에 데이터 및 오퍼레이션 노드를 놓고 특성을 선택하십시오. |
| 데이터 시각화 | 두 테이블을 결합하여 가상화된 테이블을 작성하십시오. | 테이블을 선택하고 기본 키 열을 연결하십시오. |
데이터 분석 및 시각화
데이터 분석 및 시각화를 시작하려면 전체 워크플로우를 이해하고 학습서를 선택하고 다른 도구로 작업하기 위한 다른 학습 자원을 확인하십시오.
사용자의 데이터 워크플로우 분석 및 시각화의 기본 단계는 다음과 같습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터, 카탈로그의 데이터 또는 자원 허브의 샘플 데이터를 추가할 수 있습니다.
데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
데이터 분석 및 시각화를 위한 학습서
각 이 튜토리얼은 도구, 동영상, 명령어 및 추가 학습 리소스의 설명을 제공합니다.
| Tutorial | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| Jupyter 노트북에서 데이터 분석 | 데이터를 로드하고 실행하며 노트북을 공유합니다. | 생성된 Python 코드를 이해하십시오. |
| Data Refinery로 데이터 정제 및 시각화 | 그래픽 플로우 편집기를 사용하여 표 데이터를 준비하고 시각화할 수 있습니다. | 데이터를 조작할 조작을 선택하십시오. |
모델 빌드, 배치 및 신뢰
모델 빌드, 배치 및 신뢰를 시작하려면 전체 워크플로우를 이해하고, 학습서를 선택하고, 플랫폼에서 작업하기 위한 다른 학습 자원을 확인하십시오.
AI 라이프사이클에 포함된 여러 단계는 다음과 같습니다.
- 범위 정의: 주요 목표 및 요구사항을 식별하여 프로젝트의 범위를 정의하는 것으로 시작합니다.
- 데이터 준비: 기계 학습 알고리즘에 사용할 데이터를 수집하고 준비합니다.
- 모델 빌드: 준비된 데이터로 모델을 훈련하여 정의된 문제점을 해결하기 위해 AI 모델을 개발하고 세분화합니다.
- 모델 배치: 빌드 프로세스가 완료된 후 모델을 프로덕션에 배치합니다.
- 파이프라인 자동화: AI 라이프사이클의 일부를 자동화하여 프로덕션으로의 경로를 자동화합니다.
- 성능 모니터: 모델의 공정성, 품질, 드리프트 및 설명 가능성을 평가합니다.
다음 다이어그램은 AI 라이프사이클의 단계를 보여줍니다.
모델을 구축, 배포 및 신뢰하는 워크플로에는 다음과 같은 기본 단계가 있습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
모델을 구축, 배포, 신뢰하는 도구를 선택하세요. 각 튜토리얼은 도구를 설명합니다.
모델 빌드, 배치 및 신뢰를 위한 학습서
각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
| Tutorial | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| AutoAI를 이용한 머신 러닝 모델 빌드 및 배치 | AutoAI 도구를 사용하여 모델 후보를 자동으로 빌드합니다. | 코딩하지 않고 모델을 빌드, 배치 및 테스트합니다. |
| 노트북에 머신 러닝 모델 빌드 및 배치 | Python 코드 및 Watson Machine Learning API를 사용하는 노트북을 업데이트하고 실행하여 모델을 빌드하십시오. | Python 코드를 사용하는 scikit-learn 모델을 빌드, 배치 및 테스트합니다. |
| SPSS Modeler를 사용하여 머신 러닝 모델을 빌드하고 배치 | SPSS Modeler 도구를 사용하는 C5.0 모델을 작성하십시오. | 캔버스에 데이터 및 오퍼레이션 노드를 놓고 특성을 선택하십시오. |
| Decision Optimization 모델 빌드 및 배치 | 모델링 지원을 사용하여 자동으로 시나리오를 빌드합니다. | 시나리오를 해결하고 탐색한 후 코딩 없이 모델을 배치하고 테스트하십시오. |
| 기계 학습 모델 평가 | 모델을 배치하고 배치된 모델에 대한 모니터를 구성하고 모델을 평가하십시오. | 노트북을 실행하여 모델을 구성하고 Watson OpenScale 을 사용하여 평가하십시오. |
데이터 큐레이션 및 통제
데이터 큐레이팅 및 관리로 시작하려면, 전체 워크플로우를 이해하고 튜토리얼을 선택하고 Cloud Pak for Data as a Service에서 작업하기 위한 다른 학습 리소스를 확인하십시오.
자체 IBM Knowledge Catalog Lite 플랜으로 작업하는 경우 50개의 자산, 5개의 비즈니스 용어 및 하나의 데이터 보호 규칙이 있는 두 개의 카탈로그를 작성할 수 있습니다. 또한 데이터 클래스와 비즈니스 용어와 같이 거버넌스 아티팩트 구성을 위한 하나의 카테고리의 소유자입니다.
IBM Knowledge Catalog Standard, Enterprise 또는 Professional 플랜을 사용하여 조직의 계정에서 작업하는 경우 데이터를 큐레이션하고 데이터 클래스 및 비즈니스 용어와 같은 통제 아티팩트를 작성하기 위한 특정 역할 및 권한이 있어야 합니다.
사용자의 데이터 큐레이션 워크플로우의 기본 단계는 다음과 같습니다.
- 카탈로그에 데이터 자산 추가:
- 프로젝트에서 한 번에 한 번 데이터 자산을 추가한 다음 카탈로그에 공개합니다.
- 메타데이터를 가져와서 프로젝트의 연결에서 모든 데이터 자산을 추가한 다음 이를 카탈로그에 공개합니다.
- 카탈로그 내에서 한 번에 한 번 데이터 자산을 추가합니다.
- 비즈니스 용어와 같이 거버넌스 아티팩트를 지정하여 데이터 자산을 강화합니다.
사용자의 관리 데이터 워크플로우의 기본 단계는 다음과 같습니다.
- 데이터 보호 규칙의 경우, 데이터 유형을 식별하는 방법을 마스크와 마스킹 메소드에 지정하십시오. 규칙이 즉시 강화됩니다.
- 모든 다른 유형의 거버넌스 아티팩트의 경우:
- 카테고리에 드래프트 거버넌스 아티팩트를 작성합니다.
- 거버넌스 아티팩트를 공개합니다.
데이터 큐레이션 및 통제를 위한 학습서
데이터 관리 유스 케이스에서 데이터 패브릭 학습서 를 선택하십시오.
기타 학습 자원
안내식 튜토리얼
액세스 AI 모델 샘플 프로젝트 빌드 리소스 허브의 안내 튜토리얼을 따르세요. 샘플 프로젝트를 작성하면 readme에서 다음 지시사항을 제공합니다.
- 데이터 탐색 및 준비 를 선택하여 Data Refinery를 사용하여 데이터에서 이상 항목을 제거하십시오.
- 노트북에서 모델 빌드를 선택하여 Python 코드로 모델을 빌드하십시오.
- AutoAI 도구를 사용하여 모델 작성을 자동화하려면 모델 빌드 및 배치를 선택하십시오.
샘플 프로젝트에서 자산에 대해 작업하는 방법을 보려면 이 비디오 시리즈를 보십시오.
일반
데이터 준비
데이터 분석 및 시각화
모델 빌드, 배치 및 신뢰
데이터 큐레이션 및 통제
동영상
- 포괄적인 비디오 세트 - Cloud Pak for Data as a Service의 여러 공통 태스크를 표시합니다.
샘플
자원 허브 는 가져올 수 있는 샘플 노트북, 데이터 세트 및 프로젝트를 제공합니다.
산업 가속기는 특정 비즈니스 문제점을 해결하는 종단간 솔루션을 샘플 프로젝트에 제공합니다.
Knowledge Accelerators는 거버넌스 아티팩트를 사용할 준비가 된 산업별 세트를 제공합니다.
훈련
데이터 패브릭 튜토리얼 을 사용하여 AI 거버넌스, 데이터 사이언스 및 MLOps, 데이터 거버넌스 또는 데이터 통합과 같은 데이터 패브릭 유스 케이스를 시험해 보십시오.
다음을 통해 데이터를 관리하세요.Watson Studio 는 다음을 사용하여 데이터 작업 과정을 설명하는 단계별 튜토리얼로 구성된 학습 경로입니다.Watson Studio .
상위 주제: 시작하기