Translation not up to date
Kursy szybkiego startu umożliwiają zapoznanie się z konkretnymi zadaniami, takimi jak doprecyzowanie danych lub budowanie modelu. Te kursy pomagają szybko nauczyć się wykonywania określonego zadania lub zestawu pokrewnych zadań. Skorzystaj z kursu danych , aby wypróbować przypadek użycia sieci Fabric, na przykład zarządzanie sztuczną inteligencją lub integracja danych.
Kursy szybkiego startu są podzielone na kategorie według zadań:
- przygotowanie danych
- Analizowanie i wizualizowanie danych
- Budowanie, wdrażanie i ufanie modelom
- Kurowanie i zarządzanie danymi
Każdy kurs wymaga jednej lub większej liczby instancji usługi. Niektóre usługi są zawarte w wielu kursach. Kursy są pogrupowane według zadań. Można rozpocząć od dowolnego zadania. Każdy z tych kursów zawiera opis narzędzia, film wideo, instrukcje i dodatkowe zasoby edukacyjne.
Znaczniki dla każdego kursu opisują poziom wiedzy specjalistycznej (, lub ) oraz ilość wymaganego kodowania (, lub ).
Wymaganie wstępne
Wymagania wstępne dla wszystkich kursów to zarejestrowywać się lub dołączyć do konta Cloud Pak for Data as a Service.
Po zakończeniu tych kursów należy zapoznać się z sekcją Inne zasoby edukacyjne , aby kontynuować naukę.
przygotowanie danych
Aby rozpocząć proces przygotowywania, transformowania i integrowania danych, należy zapoznać się z ogólnym przepływem pracy, wybrać kurs i pobrać inne zasoby edukacyjne do pracy na platformie.
Przepływ pracy przygotowywania danych ma następujące podstawowe kroki:
Utwórz projekt.
Jeśli to konieczne, utwórz instancję usługi, która udostępnia narzędzie, które ma zostać użyte, i powiąże go z projektem.
Dodaj dane do projektu. Istnieje możliwość dodania plików danych z systemu lokalnego, danych ze zdalnego źródła danych, z którym się łączysz, danych z katalogu lub przykładowych danych z galerii.
Wybierz narzędzie do analizy danych. Każdy z kursów opisuje narzędzie.
Uruchom lub zaplanuj zadanie w celu przygotowania danych.
Kursy dotyczące przygotowywania danych
Każdy z tych kursów zawiera opis narzędzia, film wideo, instrukcje i dodatkowe zasoby edukacyjne:
| Samouczek | Opis | Ekspertyza dla kursu |
|---|---|---|
| Uszczegółowuj i zwizualizuj dane za pomocą opcji Data Refinery | Przygotuj i zwizualizuj dane tabelaryczne za pomocą graficznego edytora przepływów. | Wybierz operacje do manipulowania danymi. |
| Transformuj dane za pomocą DataStage | Zaprojektuj przepływ integracji danych w celu filtrowania i sortowania tabel za pomocą graficznego edytora przepływów. | Upuść węzły danych i operacji na kanwie i wybierz właściwości. |
| Wirtualizowanie danych | Utwórz tabelę zwirtualizowaną, łącząc dwie tabele. | Wybierz tabele i połącz kolumny klucza podstawowego. |
Analizowanie i wizualizowanie danych
Aby rozpocząć analizę i wizualizację danych, należy zapoznać się z ogólnym przepływem pracy, wybrać kurs i pobrać inne zasoby edukacyjne do pracy z innymi narzędziami.
Analiza i wizualizacja przepływu pracy danych ma następujące podstawowe kroki:
Utwórz projekt.
Jeśli to konieczne, utwórz instancję usługi, która udostępnia narzędzie, które ma zostać użyte, i powiąże go z projektem.
Dodaj dane do projektu. Istnieje możliwość dodania plików danych z systemu lokalnego, danych ze zdalnego źródła danych, z którym się łączysz, danych z katalogu lub przykładowych danych z galerii.
Wybierz narzędzie do analizy danych. Każdy z kursów opisuje narzędzie.
Kursy służące do analizowania i wizualizowania danych
Każdy z tych kursów zawiera opis narzędzia, film wideo, instrukcje i dodatkowe zasoby edukacyjne:
| Samouczek | Opis | Ekspertyza dla kursu |
|---|---|---|
| Tell a story with a dashboard | Utwórz panel kontrolny w graficznym programie budującym. | Upuść elementy na kanwie i wybierz opcje. |
| Analiza danych w notatniku Jupyter | Załaduj dane, uruchom i współużytkuj notatnik. | Zrozumienie wygenerowanego kodu Python . |
| Uszczegółowuj i zwizualizuj dane za pomocą opcji Data Refinery | Przygotuj i zwizualizuj dane tabelaryczne za pomocą graficznego edytora przepływów. | Wybierz operacje do manipulowania danymi. |
Budowanie, wdrażanie i ufanie modelom
Aby rozpocząć pracę z modelami budowania, wdrażania i ufania, należy zapoznać się z ogólnym przepływem pracy, wybrać kurs i pobrać inne zasoby edukacyjne na potrzeby pracy na platformie.
Przepływ pracy modelu składa się z trzech głównych kroków: zbuduj zasób aplikacyjny modelu, wdróż model i utwórz zaufanie do modelu.
Kursy dotyczące budowania, wdrażania i ufania modelom
Każdy kurs zawiera opis narzędzia, film wideo, instrukcje i dodatkowe zasoby edukacyjne:
| Samouczek | Opis | Ekspertyza dla kursu |
|---|---|---|
| Zbuduj i wdróż model uczenia maszynowego za pomocą AutoAI | Automatycznie buduj model kandydatów za pomocą narzędzia AutoAI . | Budowanie, wdrażanie i testowanie modelu bez konieczności pisania kodu. |
| Buduj i wdrażaj model uczenia maszynowego w notatniku | Zbuduj model, aktualizując i uruchamiając notatnik, który używa kodu Python oraz funkcji API Watson Machine Learning . | Zbuduj, wdróż i przetestuj model scikit-learn, który używa kodu Python . |
| Zbuduj i wdróż model uczenia maszynowego za pomocą programu SPSS Modeler | Zbuduj model C5.0 , który korzysta z narzędzia SPSS Modeler . | Usuń węzły danych i operacji na kanwie i wybierz właściwości. |
| Budowanie i wdrażanie modelu Decision Optimization | Automatyczne budowanie scenariuszy za pomocą Asystenta modelowania. | Rozwiąż i eksploruj scenariusze, a następnie wdrażaj i testuj model bez kodowania. |
Kuracja i zarządzanie danymi
Aby rozpocząć pracę z kuracją i zarządzaniem danymi, należy zapoznać się z ogólnymi przepływami pracy, wybrać kurs i pobrać inne zasoby edukacyjne do pracy w Cloud Pak for Data as a Service(Pak w chmurze dla danych).
Jeśli użytkownik pracuje z własnym planem Watson Knowledge Catalog Lite, może utworzyć dwa katalogi zawierające 50 zasobów, pięć terminów biznesowych i jedną regułę ochrony danych. Użytkownik jest również właścicielem jedynej kategorii w celu organizowania artefaktów zarządzania, takich jak klasy danych i warunki biznesowe.
Jeśli użytkownik pracuje na koncie organizacji z planem Watson Knowledge Catalog Standard, Enterprise lub Professional, musi mieć określone role i uprawnienia do przetwarzania danych i tworzenia artefaktów zarządzania, takich jak klasy danych i warunki biznesowe.
Przepływ pracy kuracji danych ma następujące podstawowe kroki:
- Dodaj zasoby danych do katalogu:
- Dodaj zasoby danych jednorazowo w projekcie, a następnie opublikuj je w katalogu.
- Dodaj wszystkie zasoby danych z połączenia w projekcie przez zaimportowanie metadanych, a następnie opublikuj je w katalogu.
- Dodawanie zasobów danych w danym momencie z katalogu.
- Zasoby danych wzbogacają się, przypisując artefakty zarządzania, takie jak warunki biznesowe.
Przepływ pracy zarządzania danymi ma następujące podstawowe kroki:
- W przypadku reguły ochrony danych określ sposób identyfikowania typu danych, które mają być maskowane, oraz metody maskowania. Reguła jest wymuszana natychmiast.
- Dla wszystkich innych typów artefaktów zarządzania:
- Tworzenie kopii roboczych artefaktów zarządzania w kategorii.
- Opublikuj artefakty zarządzania.
Kursy dotyczące kuratowania i zarządzania danymi
Wybierz kurs dotyczący struktury danych w przypadku użycia zarządzania danymi.
Inne zasoby edukacyjne
Kursy z asystą
Aby przejść do kursu z przewodnikiem w galerii, należy przejść do projektu przykładowego modelu AI . Po utworzeniu przykładowego projektu w pliku readme znajdują się instrukcje:
- Wybierz opcję Eksploruj i przygotuj dane , aby usunąć anomalie w danych za pomocą opcji Data Refinery.
- Wybierz opcję Zbuduj model w notatniku , aby zbudować model z kodem Python .
- Wybierz opcję Buduj i wdrażaj model , aby zautomatyzować budowanie modelu za pomocą narzędzia AutoAI .
Documentation
Postanowienia ogólne
przygotowanie danych
Analizowanie i wizualizowanie danych
Budowanie, wdrażanie i ufanie modelom
Kuracja i zarządzanie danymi
Wideo
- Obszerny zestaw filmów wideo , który przedstawia wiele typowych zadań w programie Cloud Pak for Data as a Service(Pak w chmurze dla danych).
Przykłady
Galeria udostępnia przykładowe notatniki, zestawy danych i projekty, które można zaimportować.
Branżowe akceleratory udostępniają przykładowe projekty z rozwiązaniami kompleksowymi, które rozwiązują konkretne problemy biznesowe.
Knowledge Accelerators udostępniają specyficzne dla branży zestawy gotowych do użycia artefaktów zarządzania.
Szkolenia
Skorzystaj z kursu danych , aby wypróbować przypadek użycia sieci Fabric, na przykład zarządzanie sztuczną inteligencją, Data Science i MLOps, zarządzanie danymi lub integracja danych.
Watson Studio Methodology to kurs IBM Training e-Learning, który zawiera szczegółowe informacje na temat produktu Watson Studio.
Przejmowanie kontroli nad danymi za pomocą narzędzia Watson Studio to ścieżka edukująca, która składa się z kursów krok po kroku wyjaśniających proces pracy z danymi przy użyciu produktu Watson Studio.
Kolekcja uczenia się produktu Cloud Pak for Data as a Service to kolekcja filmów wideo i kursów wraz z cyfrowymi plakietkami, które można zarobić.
Temat nadrzędny: Pierwsze kroki