0 / 0
Go back to the English version of the documentation
Výukové výukové programy

Výukové výukové programy

Výukové programy rychlého spuštění se naučí, jak provádět specifické úlohy, jako např. upřesnit data nebo sestavit model. Tyto výukové programy vám pomohou rychle se naučit, jak provádět specifickou úlohu nebo sadu souvisejících úloh.

Výukové programy pro rychlé spuštění jsou kategorizovány podle úloh:

Každý výukový program vyžaduje jednu nebo více instancí služby. Některé služby jsou obsaženy ve více výukových programech. Výukové programy jsou seskupeny podle úloh. Můžete začít s libovolnou úlohou. Každý z těchto výukových programů poskytuje popis nástroje, video, instrukce a další výukové prostředky.

Značky pro každý výukový program popisují úroveň odbornosti (, nebo ) a velikost požadovaného zápisu kódu (, nebo ).

Po dokončení těchto výukových programů si přečtěte sekci Další výukové prostředky a pokračujte v učení.

Příprava dat

Chcete-li začít pracovat s přípravou, transformováním a integrací dat, uvědomte si celkový sled prací, zvolte výukový program a zkontrolujte další výukové prostředky pro práci na platformě.

Sled prací přípravy dat má tyto základní kroky:

  1. Vytvořte projekt.

  2. Je-li to nezbytné, vytvořte instanci služby, která poskytuje nástroj, který chcete použít, a přidružte jej k projektu.

  3. Přidejte data do svého projektu. Můžete přidat datové soubory z lokálního systému, data ze vzdáleného zdroje dat, ke kterému se připojujete, data z katalogu nebo ukázková data.

  4. Zvolte nástroj pro analýzu vašich dat. Každý z výukových programů popisuje nástroj.

  5. Spusťte nebo naplánujte úlohu, abyste připravili svá data.

Výukové programy pro přípravu dat

Každý z těchto výukových programů poskytuje popis nástroje, video, pokyny a další výukové prostředky:

Výukový program Popis Odborné znalosti pro výukový program
Upřesnit a vizualizovat data pomocí Data Refinery Připravit a vizualizovat tabulková data pomocí grafického editoru toků. Vyberte operace pro manipulaci s daty.
Generovat syntetická tabulková data Generujte syntetická tabulková data pomocí grafického editoru toků. Vyberte operace pro generování dat.

Analýza a vizualizace dat

Chcete-li začít s analýzou a vizualizací dat, porozumět celkovému sledu prací, zvolit výukový program a zkontrolovat další výukové prostředky pro práci s jinými nástroji.

Sled prací pro analýzu a vizualizaci dat má tyto základní kroky:

  1. Vytvořte projekt.

  2. Je-li to nezbytné, vytvořte instanci služby, která poskytuje nástroj, který chcete použít, a přidružte jej k projektu.

  3. Přidejte data do svého projektu. Můžete přidat datové soubory z lokálního systému, data ze vzdáleného zdroje dat, ke kterému se připojujete, data z katalogu nebo ukázková data.

  4. Zvolte nástroj pro analýzu vašich dat. Každý z výukových programů popisuje nástroj.

Výukové programy pro analýzu a vizualizaci dat

Každý z těchto výukových programů poskytuje popis nástroje, video, pokyny a další výukové prostředky:

Výukový program Popis Odborné znalosti pro výukový program
Analýza dat v notebooku Jupyter Načíst data, spustit a sdílet zápisník. Pochopte generovaný kód Python .
Upřesnit a vizualizovat data pomocí Data Refinery Připravit a vizualizovat tabulková data pomocí grafického editoru toků. Vyberte operace pro manipulaci s daty.

Sestavení, implementace a důvěryhodnost modelů

Chcete-li začít pracovat s budováním, implementací a důvěrou modelů, pochopte celkový sled prací, zvolte výukový program a zkontrolujte další výukové prostředky pro práci na platformě.

Sled prací modelu má tři hlavní kroky: sestavit modelové aktivum, implementovat model a budovat důvěru v model.

Přehled sledu prací modelu

Výukové programy pro sestavování, implementace a ověřování modelů

Každý výukový program poskytuje popis nástroje, video, instrukce a další výukové prostředky:

Výukový program Popis Odborné znalosti pro výukový program
Sestavit a implementovat výukový model počítače s AutoAI Automaticky sestavujte kandidáty modelu pomocí nástroje AutoAI . Sestavit, implementovat a testovat model bez kódování.
Sestavení a implementace modelu strojového učení v notebooku Sestavte model aktualizací a spuštěním notebooku, který používá kód Python a rozhraní API produktu Watson Machine Learning . Sestavte, implementujte a otestujte model scikit-learn, který používá kód Python .
Sestavení a implementace modelu strojového učení pomocí produktu SPSS Modeler Sestavte model C5.0 , který používá nástroj SPSS Modeler . Umístěte data a operační uzly na plátno a vyberte vlastnosti.
Sestavení a implementace modelu Decision Optimization Automaticky sestavíte scénáře pomocí Modeling Assistant. Vyřešit a prozkoumat scénáře, pak implementovat a testovat model bez kódování.
Automatizace životního cyklu pro model s propojeními Vytvořte a spusťte propojení procesů za účelem automatizace sestavení a implementace modelu strojového učení. Umístěte uzly operace na plátně a vyberte vlastnosti.

Vybízení modelů základů

Chcete-li začít používat základní modely s výzvami k zadání, uvědomte si celkový sled prací, zvolte výukový program a zkontrolujte ostatní výukové prostředky pro práci na platformě.

Sled prací technické práce s náznakem má tyto základní kroky:

  1. Vytvořte projekt.

  2. Je-li to nezbytné, vytvořte instanci služby, která poskytuje nástroj, který chcete použít, a přidružte jej k projektu.

  3. Zvolte nástroj pro naváděcí modely. Každý z výukových programů popisuje nástroj.

  4. Uložte a sdílejte své nejlepší výzvy k zadání.

Výukové programy pro modely základů výzev

Každý výukový program poskytuje popis nástroje, video, instrukce a další výukové prostředky:

Výukový program Popis Odborné znalosti pro výukový program
Vyzvat základní model pomocí výzvy k zadání výzev k zadání Experimentujte s výzvami různých modelů základů, prozkoumejte ukázkové výzvy k zadání a uložte a sdílejte své nejlepší výzvy k zadání. Dotázat se na model pomocí příkazového řádku bez kódování.
Výzva k zadání základního modelu s použitím vzorku generování rozšířené načtení Vyzvat základní model využitím informací ve znalostní bázi. Použijte vzor generování rozšířené načtení v notebooku Jupyter, který používá kód Python .

Ostatní výukové prostředky

Výukové programy

Přistupte k Sestavit ukázkový projekt AI modelu AI , abyste se mohli řídit asistovaný výukový program v ukázkách. Po vytvoření ukázkového projektu soubor Readme poskytuje pokyny:

  • Vyberte volbu Prozkoumat a připravit data , chcete-li odebrat anomálie v datech s Data Refinery.
  • Chcete-li sestavit model s kódem Python , vyberte volbu Sestavit model v zápisníku .
  • Vyberte volbu Sestavit a implementovat model , chcete-li automatizovat sestavení modelu pomocí nástroje AutoAI .
Právní omezení pro video: Některé méně významné kroky a grafické prvky v tomto videu se mohou lišit od vaší platformy.

Documentation

Obecné

Příprava dat

Syntetická data

Analýza a vizualizace dat

Sestavení, implementace a důvěryhodnost modelů

Výzva k zadání základního modelu

Videa

Ukázky

V oblasti Ukázky vyhledejte ukázkové datové sady, projekty, modely, výzvy k zadání a notebooky, abyste získali praktické zkušenosti:

Ikona zápisníku Notebooky , které můžete přidat do svého projektu, abyste mohli začít analyzovat data a sestavovat modely.

Ikona projektu Projekty , které můžete importovat obsahující přenosné počítače, datové sady, výzvy k zadání a další aktiva.

Ikona datové sady Datové sady , které můžete přidat do svého projektu za účelem zpřesnění, analýzy a sestavení modelů.

Ikona výzvy Výzvy k zadání , které můžete použít v aplikaci Výzva k zadání výzvy k zadání základního modelu.

Ikona modelu Modely Foundation , které můžete použít v aplikaci Výzva Lab.

Trénink

Nadřízené téma: Začínáme

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more