Translation not up to date
Verileri daraltmak ya da bir model oluşturmak gibi belirli görevlerin nasıl gerçekleştirileceğini öğrenmek için hızlı başlangıç eğitmenleri (tutorials) alın. Bu eğitmenler, belirli bir görevi ya da ilgili görev kümesini hızlı bir şekilde nasıl yapacağmanızı öğrenmenize yardımcı olur. Bir veri yöneltme yapısı kullanım senaryosını (AI yönetişimi ya da Veri tümleşimi gibi) denemek için bir veri yöneltme yapısı eğitmeni gerçekleştirin.
Hızlı başlangıç eğitmenleri görevle kategorilere ayrılır:
- Veri hazırlama
- Verilerin çözümlenmesi ve görselleştirilmesi
- Modeller oluşturma, devreye alma ve güvenme
- Veri eğrisi ve yönetim verileri
Her öğretici program bir ya da daha çok hizmet eşgörünümü gerektirir. Bazı hizmetler birden çok öğretici program içinde yer alır. Eğitmenler, göreve göre gruplanır. Herhangi bir görevle başlayabilirsin. Bu eğitmenlerin her biri, aracın bir açıklamasını, bir videoyu, yönergeleri ve ek öğrenim kaynaklarını sağlar.
Her eğitmene ilişkin etiketler uzmanlık düzeyini (, , or ) ve gereken kodlama miktarını (, ya da ) tanımlar.
Önkoşul
Tüm eğitmenler için ön koşul, bir Cloud Pak for Data as a Service hesabı için kaydolun ya da bu hesaba katılır.
Bu öğretici programları tamamladıktan sonra, öğreniminize devam etmek için Diğer öğrenim kaynakları bölümüne bakın.
Veriler hazırlanıyor
Verileri hazırlamaya, dönüştürmeye ve bütünleştirmeye başlamak için, genel iş akışını anlasın, bir öğretici seçin ve platform üzerinde çalışmaya ilişkin diğer öğrenim kaynaklarına bakın.
Veri hazırlama iş akışınız aşağıdaki temel adımlara sahiptir:
Bir proje oluşturun.
Gerekiyorsa, kullanmak istediğiniz aracı sağlayan hizmet eşgörünümünü yaratın ve projeyle ilişkilendirin.
Projeniz için veri ekleyin. Yerel sisteminizden veri dosyalarını, bağladığınız uzak bir veri kaynağındaki verileri, bir katalogdaki verileri ya da Galeri 'den örnek verileri ekleyebilirsiniz.
Verilerinizi çözümlemek için bir araç seçin. Eğitmenlerin her biri bir aracı tanımlar.
Verilerinizi hazırlamak için bir işi çalıştırın ya da zamanlayın.
Verilerin hazırlanmasına ilişkin eğitmenler
Bu eğitmenlerden her biri, aracın, videonun, yönergelerin ve ek öğrenim kaynaklarının bir açıklamasını sağlar:
| Eğitici Program | Açıklama | Eğitmen için uzmanlık |
|---|---|---|
| Data Refineryile verileri iyileştirin ve görselleştirin | Bir grafik akış düzenleyicisiyle sekmeli verileri hazırlayın ve görselleştirin. | Verileri işlemek için işlemler seçin. |
| Verileri DataStageile dönüştürün | Tabloları grafik akış düzenleyicisiyle süzmek ve sıralamak için bir veri bütünleştirme akışı tasarlayın. | Bir tuval üzerinde veri ve işlem düğümlerini atın ve özellikleri seçin. |
| Verileri sanallaştır | İki tablo birleştirilerek sanallaştırılmış bir tablo oluşturun. | Tabloları seçin ve birincil anahtar sütunlarını bağlayın. |
Verilerin çözümleniyor ve görselleştirilmesi
Verileri çözümleme ve görselleştirmek, genel iş akışını anlamak, bir eğitmen seçmek ve diğer araçlarla çalışmak için diğer öğrenim kaynaklarını dışarı almak için.
Veri iş akışınızı çözümlemek ve görselleştirmek aşağıdaki temel adımlara sahiptir:
Bir proje oluşturun.
Gerekiyorsa, kullanmak istediğiniz aracı sağlayan hizmet eşgörünümünü yaratın ve projeyle ilişkilendirin.
Projeniz için veri ekleyin. Yerel sisteminizden veri dosyalarını, bağladığınız uzak bir veri kaynağındaki verileri, bir katalogdaki verileri ya da Galeri 'den örnek verileri ekleyebilirsiniz.
Verilerinizi çözümlemek için bir araç seçin. Eğitmenlerin her biri bir aracı tanımlar.
Verilerin çözümlemesine ve görselleştirilmesine ilişkin eğitmenler
Bu eğitmenlerden her biri, aracın, videonun, yönergelerin ve ek öğrenim kaynaklarının bir açıklamasını sağlar:
| Eğitici Program | Açıklama | Eğitmen için uzmanlık |
|---|---|---|
| Bir öyküye gösterge panosu ile bilgi edinin | Grafik oluşturucuda bir gösterge panosu yaratın. | Bir tuvalde öğeleri bırakın ve seçenekleri belirleyin. |
| Jupyter dizüstü bilgisayarındaki verileri çözümle | Verileri yükleyin, bir not defterini çalıştırın ve paylaşın. | Oluşturulan Python kodunu anlasın. |
| Data Refineryile verileri iyileştirin ve görselleştirin | Bir grafik akış düzenleyicisiyle sekmeli verileri hazırlayın ve görselleştirin. | Verileri işlemek için işlemler seçin. |
Modeller oluşturma, devreye alma ve güvenme
Oluşturmaya, devreye almaya ve modellere güvenmeye, genel iş akışını anlayıp, bir eğitmen seçin ve platform üzerinde çalışmak üzere diğer öğrenim kaynaklarına bakın.
Model iş akışının üç ana adımı vardır: Bir model varlığı oluşturun, modeli konuşlandırın ve modele güven oluşturun.
Modellerin oluşturulması, devreye alınması ve güvenlerine ilişkin öğretici programlar
Her öğretici program, aracın, videonun, yönergelerin ve ek öğrenim kaynaklarının açıklamasını sağlar:
| Eğitici Program | Açıklama | Eğitmen için uzmanlık |
|---|---|---|
| Build and deploy a machine learning model with AutoAI | Model adaylarını otomatik olarak AutoAI aracıyla oluşturun. | Bir modeli kodlamadan oluşturun, devreye alın ve test edin. |
| Bir dizüstü bilgisayarda makine öğrenimi modeli oluşturun ve devreye alın | Python kodu ve Watson Machine Learning API ' lerini kullanan bir not defterini güncelleyerek ve çalıştırarak bir model oluşturun. | Python kodunu kullanan bir scikit öğrenme modeli oluşturun, devreye alın ve test edin. |
| SPSS Modelerile bir makine öğrenme modeli oluşturun ve devreye alın | SPSS Modeler aracını kullanan bir C5.0 modeli oluşturun. | Bir tuval üzerinde veri ve işlem düğümlerini atın ve özellikleri seçin. |
| Bir Decision Optimization modeli oluşturun ve devreye alın | Modelleme Yardımcısı ile otomatik olarak senaryolar oluşturun. | Senaryoları çözümle ve araştır, sonra kodlamadan bir modeli devreye alın ve test edin. |
Verileri düzenleme ve yönetme
Verileri seçme ve yönetme, genel iş akışlarını anlama, bir eğitmen seçin ve Cloud Pak for Data as a Serviceiçinde çalışmaya ilişkin diğer öğrenim kaynaklarını dışarı almak için.
Kendi Watson Knowledge Catalog Lite planınız ile çalışıyorsanız, 50 varlık, beş iş terimi ve bir veri koruma kuralıyla iki katalog oluşturabilirsiniz. Aynı zamanda, veri sınıfları ve iş terimleri gibi yönetişim yapıtlarını düzenlemek için tek kategorinin sahibiniz de vardır.
Bir Watson Knowledge Catalog Standard, Enterprise ya da Professional planı ile kuruluşunuzun hesabında çalışıyorsanız, veri oluşturma ve veri sınıfları ve iş terimleri gibi yönetişim yapıtları yaratmak için belirli rollere ve izinlere sahip olmanız gerekir.
Veri düzenleme iş akışınız aşağıdaki temel adımlara sahiptir:
- Bir kataloğa veri varlıkları ekleme:
- Bir projeden bir kerede bir veri varlıkları ekleyin ve bunları bir kataloğa yayınlayın.
- Meta verileri içe aktararak bir projeden bir bağlantıdan tüm veri varlıklarını ekleyin ve daha sonra bunları bir katalogda yayınlayın.
- Bir kataloğun içinden bir kerede bir veri varlıkları ekleyin.
- İş terimleri gibi yönetişim yapıtları atayarak veri varlıklarını zenginleştirin.
Yürürlükteki veri iş akışınız aşağıdaki temel adımlara sahiptir:
- Bir veri koruma kuralı için, maskelenecek veri tipinin ve maskeleme yönteminin nasıl tanımlanacak olduğunu belirtin. Kural hemen yürürlüğe konmaktadır.
- Diğer yönetişim yapıtları tipleri için:
- Bir kategoride taslak yönetişim yapıtlarını oluşturun.
- Yönetişim yapıtlarını yayınlayın.
Verileri düzenleme ve yönetme eğitmenleri
Veri yönetişimi kullanım senaryosında bir veri yöneltme yapısı eğitmeni seçin.
Diğer öğrenim kaynakları
Kılavuzlu eğitimler
Galeri 'de kılavuzlu bir eğitmeni izlemek için AI modeli örnek projesine oluşturun . Örnek projeyi oluşturduktan sonra, Beni Oku (Readme) programı yönergeleri sağlar:
- Verilerdeki anormallikleri Data Refineryile kaldırmak için Verileri keşfedin ve hazırlayın öğesini seçin.
- Choose Bir defterde model oluşturun to build a model with Python code.
- Choose Bir model oluşturun ve devreye alın to automate building a model with the AutoAI tool.
Documentation
Genel
Veriler hazırlanıyor
Verilerin çözümleniyor ve görselleştirilmesi
Modeller oluşturma, devreye alma ve güvenme
Verileri düzenleme ve yönetme
Videolar
- Cloud Pak for Data as a Serviceiçinde birçok ortak görevi gösterenKapsamlı bir video seti .
Örnekler
Galeri , içe aktarabileceğiniz örnek defterler, veri kümeleri ve projeler sağlar.
Sektör hızlandırıcıları , belirli iş sorunlarını çözen uçtan uca çözümler içeren örnek projeler sağlar.
Knowledge Accelerators , yönetişim yapay nesnelerini kullanmak için sektöre özgü hazır kümeler sağlar.
Eğitim
Bir veri yöneltme yapısı kullanım senaryosını (AI yönetişimi, Veri Bilimi ve MLOps, Veri yönetişimi ya da Veri bütünleştirmesi gibi) denemek için bir veri yöneltme yapısı eğitmeni gerçekleştirin.
Watson Studio Methodology , Watson Studio' ya derinlemesine bir görünüm sağlayan bir IBM Eğitim e-Öğrenim kursudur.
Watson Studioile verilerinizin denetimini ele alın , Watson Studioile veri üzerinde çalışma sürecini açıklayan, adım adım eğitmenlerden oluşan bir öğrenme yoludur.
Cloud Pak for Data as a Service öğrenim toplaması , kazanabileceğiniz dijital rozetlerle birlikte, videolar ve eğitmenler topluluklarından oluşan bir derledir.
Üst konu: Başlarken