Lernprogramme für den Schnelleinstieg
Nutzen Sie die Lernprogramme für den Schnelleinstieg, um zu lernen, wie Sie bestimmte Tasks ausführen, z. B. Daten optimieren oder ein Modell erstellen. Diese Lernprogramme helfen Ihnen, schnell zu lernen, wie Sie eine bestimmte Task oder Gruppe zusammengehöriger Tasks ausführen.
Die Lernprogramme für den Schnelleinstieg sind nach Task kategorisiert:
Für jedes Lernprogramm ist mindestens eine Serviceinstanz erforderlich. Einige Services sind in mehreren Lernprogrammen enthalten. Die Lernprogramme sind nach Task gruppiert. Sie können mit einer beliebigen Task beginnen. Jedes dieser Lernprogramme enthält eine Beschreibung des Tools, ein Video, die Anweisungen und zusätzliche Lernressourcen.
Die Tags für jedes Lernprogramm beschreiben den Grad des Fachwissens (, oder ) und den Umfang der erforderlichen Codierung (, oder ).
Nachdem Sie diese Lernprogramme abgeschlossen haben, lesen Sie den Abschnitt Weitere Lernressourcen , um Ihr Lernen fortzusetzen.
Daten vorbereiten
Um mit der Vorbereitung, Transformation und Integration von Daten zu beginnen, sollten Sie sich mit dem gesamten Workflow vertraut machen, ein Lernprogramm auswählen und sich weitere Lernressourcen für die Arbeit auf der Plattform ansehen.
Ihr Datenbereitstellungsworkflow hat diese grundlegenden Schritte:
Erstellen Sie ein Projekt.
Erstellen Sie bei Bedarf die Serviceinstanz, die das Tool bereitstellt, das Sie verwenden möchten, und ordnen Sie es dem Projekt zu.
Fügen Sie Daten zu Ihrem Projekt hinzu. Sie können Datendateien aus Ihrem lokalen System, Daten aus einer fernen Datenquelle, zu der Sie eine Verbindung herstellen, Daten aus einem Katalog oder Beispieldaten hinzufügen.
Wählen Sie ein Werkzeug, um Ihre Daten zu analysieren. Jedes der Lernprogramme beschreibt ein Tool.
Führen Sie einen Job aus oder planen Sie ihn, um Ihre Daten vorzubereiten.
Lernprogramme zum Vorbereiten von Daten
Jede dieser Lernprogramme enthält eine Beschreibung des Tools, ein Video, die Anweisungen und zusätzliche Lernressourcen:
| Anleitung | Beschreibung | Fachkenntnisse für das Lernprogramm |
|---|---|---|
| Daten mit Data Refinery verfeinern und darstellen | Tabellendaten mit einem grafischen Ablaufeditor vorbereiten und darstellen. | Wählen Sie Operationen zum Bearbeiten von Daten aus. |
| Synthetische Tabellendaten generieren | Generieren Sie synthetische Tabellendaten mithilfe eines grafischen Ablaufeditors. | Wählen Sie Operationen zum Generieren von Daten aus. |
Daten analysieren und visualisieren
Um mit der Analyse und Visualisierung von Daten zu beginnen, sollten Sie den gesamten Workflow verstehen, ein Lernprogramm auswählen und sich weitere Lernressourcen für die Arbeit mit anderen Tools ansehen.
Ihr Analyse-und Visualisierungs-Datenworkflow hat diese grundlegenden Schritte:
Erstellen Sie ein Projekt.
Erstellen Sie bei Bedarf die Serviceinstanz, die das Tool bereitstellt, das Sie verwenden möchten, und ordnen Sie es dem Projekt zu.
Fügen Sie Daten zu Ihrem Projekt hinzu. Sie können Datendateien aus Ihrem lokalen System, Daten aus einer fernen Datenquelle, zu der Sie eine Verbindung herstellen, Daten aus einem Katalog oder Beispieldaten hinzufügen.
Wählen Sie ein Werkzeug, um Ihre Daten zu analysieren. Jedes der Lernprogramme beschreibt ein Tool.
Lernprogramme für die Analyse und Visualisierung von Daten
Jede dieser Lernprogramme enthält eine Beschreibung des Tools, ein Video, die Anweisungen und zusätzliche Lernressourcen:
| Anleitung | Beschreibung | Fachkenntnisse für das Lernprogramm |
|---|---|---|
| Daten in einem Jupyter-Notebook analysieren | Daten laden, ein Notebook ausführen und anderen zur Verfügung stellen. | Lernen Sie generierten Python -Code kennen. |
| Daten mit Data Refinery verfeinern und darstellen | Tabellendaten mit einem grafischen Ablaufeditor vorbereiten und darstellen. | Wählen Sie Operationen zum Bearbeiten von Daten aus. |
Modelle erstellen, bereitstellen und als vertrauenswürdig definieren
Um mit der Erstellung, Bereitstellung und dem Vertrauen von Modellen zu beginnen, sollten Sie sich mit dem gesamten Workflow vertraut machen, ein Lernprogramm auswählen und andere Lernressourcen für die Arbeit auf der Plattform kennenlernen.
Der Modellworkflow umfasst drei Hauptschritte: Erstellung eines Modellassets, Bereitstellung des Modells und Aufbau von Vertrauen in das Modell.
Lernprogramme zum Erstellen, Bereitstellen und Vertrauen von Modellen
Jedes Lernprogramm enthält eine Beschreibung des Tools, ein Video, die Anweisungen und zusätzliche Lernressourcen:
| Anleitung | Beschreibung | Fachkenntnisse für das Lernprogramm |
|---|---|---|
| Modell für maschinelles Lernen mit AutoAI erstellen und bereitstellen | Automatisches Erstellen von Modellkandidaten mit dem AutoAI-Tool. | Erstellen, implementieren und testen Sie ein Modell ohne Codierung. |
| Modell für maschinelles Lernen in einem Notebook erstellen und bereitstellen | Sie erstellen ein Modell, indem Sie ein Notebook aktualisieren und ausführen, das Python-Code und die Watson Machine Learning-APIs verwendet. | Erstellen, implementieren und testen Sie ein scikit-learn-Modell, das Python -Code verwendet. |
| Modell für maschinelles Lernen mit SPSS Modeler erstellen und bereitstellen | Erstellen Sie ein C5.0 -Modell, das das Tool SPSS Modeler verwendet. | Daten-und Operationsknoten in einem Erstellungsbereich ablegen und Eigenschaften auswählen. |
| Decision Optimization-Modell erstellen und bereitstellen | Automatische Erstellung von Szenarios mit Modeling Assistant. | Lösen und untersuchen Sie Szenarios, implementieren und testen Sie dann ein Modell ohne Codierung |
| Lebenszyklus für ein Modell mit Pipelines automatisieren | Erstellen und führen Sie eine Pipeline aus, um die Erstellung und Bereitstellung eines Modells für maschinelles Lernen zu automatisieren. | Operationsknoten in einem Erstellungsbereich ablegen und Eigenschaften auswählen. |
Basismodelle anfordern
Machen Sie sich als Einstieg in die Verwendung von Basismodellen mit dem allgemeinen Workflow vertraut, wählen Sie ein Lernprogramm aus und sehen Sie sich weitere Lernressourcen für die Arbeit mit der Plattform an.
Ihr Workflow für die Eingabeaufforderungsentwicklung umfasst die folgenden grundlegenden Schritte:
Erstellen Sie ein Projekt.
Erstellen Sie bei Bedarf die Serviceinstanz, die das Tool bereitstellt, das Sie verwenden möchten, und ordnen Sie es dem Projekt zu.
Wählen Sie ein Tool für die Eingabeaufforderung von Basismodellen aus. Jedes der Lernprogramme beschreibt ein Tool.
Speichern und teilen Sie Ihre besten Eingabeaufforderungen.
Lernprogramme für das Anfordern von Basismodellen
Jedes Lernprogramm enthält eine Beschreibung des Tools, ein Video, die Anweisungen und zusätzliche Lernressourcen:
| Anleitung | Beschreibung | Fachkenntnisse für das Lernprogramm |
|---|---|---|
| Basismodell mit Prompt Lab abfragen | Experimentieren Sie mit Eingabeaufforderungen für verschiedene Basismodelle, erkunden Sie Beispieleingabeaufforderungen und speichern und teilen Sie Ihre besten Eingabeaufforderungen. | Eingabeaufforderung für ein Modell mit Prompt Lab ohne Codierung. |
| Eingabeaufforderung an ein Basismodell mit dem Muster 'Retrieval augmented Generation' | Rufen Sie ein Basismodell auf, indem Sie Informationen in einer Wissensbasis nutzen. | Verwenden Sie das Muster 'Retrieval Augmented Generation' in einem Jupyter-Notebook, das Python -Code verwendet. |
Weitere Lernressourcen
Geführte Lernprogramme
Greifen Sie auf Beispielprojekt für KI-Modell erstellen zu, um ein geführtes Lernprogramm in den Beispielen zu befolgen. Nachdem Sie das Beispielprojekt erstellt haben, enthält die Readme-Datei Anweisungen:
- Wählen Sie Daten untersuchen und vorbereiten aus, um Anomalien in den Daten mit Data Refineryzu entfernen.
- Wählen Sie Modell in einem Notebook erstellen aus, um ein Modell mit Python-Code zu erstellen.
- Wählen Sie Modell erstellen und bereitstellen aus, um die Erstellung eines Modells mit dem AutoAI-Tool zu automatisieren.
Dokumentation
Allgemein
Daten vorbereiten
Daten analysieren und visualisieren
Modelle erstellen, bereitstellen und als vertrauenswürdig definieren
Basismodell anfordern
Videos
- Eine umfassende Gruppe von Videos , die viele allgemeine Tasks in watsonxzeigen.
Beispiele
Suchen Sie im Beispielbereich nach Beispieldatasets, -projekten, -modellen, -eingabeaufforderungen und -notebooks, um praktische Erfahrungen zu sammeln:
Notebooks , die Sie Ihrem Projekt hinzufügen können, um mit der Analyse von Daten und der Modellerstellung zu beginnen.
Projekte , die Sie importieren können, die Notebooks, Datasets, Eingabeaufforderungen und andere Assets enthalten.
Datasets , die Sie Ihrem Projekt hinzufügen können, um Modelle zu optimieren, zu analysieren und zu erstellen.
Eingabeaufforderungen , die Sie im Eingabeaufforderungslabor verwenden können, um ein Basismodell anzufordern.
Foundation-Modelle , die Sie im Eingabeaufforderungslabor verwenden können.
Schulung
Watson Studio Methodology ist ein IBM Training e-Learning-Kurs, der einen eingehenden Blick auf Watson Studio bietet.
Übernehmen Sie die Steuerung Ihrer Daten mit Watson Studio ist ein Lernpfad, der aus schrittweisen Lernprogrammen besteht, die den Prozess der Arbeit mit Daten mithilfe von Watson Studio erklären.
Übergeordnetes Thema: Einführung