Guías de aprendizaje de inicio rápido
Realice guías de aprendizaje de inicio rápido para aprender a realizar tareas específicas como, por ejemplo, refinar datos o crear un modelo. Estas guías de aprendizaje le ayudan a aprender rápidamente a realizar una tarea específica o un conjunto de tareas relacionadas.
Las guías de aprendizaje de inicio rápido se clasifican por tarea:
Cada guía de aprendizaje requiere una o más instancias de servicio. Algunos servicios se incluyen en varias guías de aprendizaje. Las guías de aprendizaje se agrupan por tarea. Puede empezar con cualquier tarea. Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y recursos de aprendizaje adicionales.
Las etiquetas de cada guía de aprendizaje describen el nivel de experiencia (, o ) y la cantidad de codificación necesaria (, o ).
Después de completar estas guías de aprendizaje, consulte la sección Otros recursos de aprendizaje para continuar con el aprendizaje.
Preparación de datos
Para empezar a preparar, transformar e integrar datos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar en la plataforma.
El flujo de trabajo de preparación de los datos incluye estos pasos básicos:
Cree un proyecto.
Si es necesario, cree la instancia de servicio que proporciona la herramienta que desea utilizar y asóciela con el proyecto.
Añada datos al proyecto. Puede añadir archivos de datos del sistema local, datos de un origen de datos remoto al que se conecta, datos de un catálogo o datos de ejemplo.
Seleccione una herramienta para analizar los datos. Cada una de las guías de aprendizaje describe una herramienta.
Ejecute o planifique un trabajo para preparar los datos.
Guías de aprendizaje para preparar datos
Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y los recursos de aprendizaje adicionales:
| Guía de aprendizaje | Descripción | Experiencia para guía de aprendizaje |
|---|---|---|
| Refinar y visualizar datos con Data Refinery | Preparar y visualizar datos tabulares con un editor de flujo gráfico. | Seleccione operaciones para manipular datos. |
| Generar datos tabulares sintéticos | Generar datos tabulares sintéticos utilizando un editor de flujo gráfico. | Seleccione operaciones para generar datos. |
Análisis y visualización de datos
Para empezar a analizar y visualizar datos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar con otras herramientas.
El flujo de trabajo de análisis y visualización de datos tiene estos pasos básicos:
Cree un proyecto.
Si es necesario, cree la instancia de servicio que proporciona la herramienta que desea utilizar y asóciela con el proyecto.
Añada datos al proyecto. Puede añadir archivos de datos del sistema local, datos de un origen de datos remoto al que se conecta, datos de un catálogo o datos de ejemplo.
Seleccione una herramienta para analizar los datos. Cada una de las guías de aprendizaje describe una herramienta.
Guías de aprendizaje para analizar y visualizar datos
Cada una de estas guías de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y los recursos de aprendizaje adicionales:
| Guía de aprendizaje | Descripción | Experiencia para guía de aprendizaje |
|---|---|---|
| Analizar datos en un cuaderno de Jupyter | Cargar datos, ejecutar y compartir un cuaderno. | Comprender el código Python generado. |
| Refinar y visualizar datos con Data Refinery | Preparar y visualizar datos tabulares con un editor de flujo gráfico. | Seleccione operaciones para manipular datos. |
Creación, despliegue y confianza de modelos
Para empezar a crear, desplegar y confiar en modelos, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar en la plataforma.
El flujo de trabajo del modelo tiene tres pasos principales: crear un activo de modelo, desplegar el modelo y generar confianza en el modelo.
Guías de aprendizaje para crear, desplegar y confiar en modelos
Cada guía de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y recursos de aprendizaje adicionales:
| Guía de aprendizaje | Descripción | Experiencia para guía de aprendizaje |
|---|---|---|
| Crear y desplegar un modelo de aprendizaje automático con AutoAI | Crear automáticamente candidatos de modelo con la herramienta AutoAI. | Crear, desplegar y probar un modelo sin codificación. |
| Crear y desplegar un modelo de aprendizaje automático en un cuaderno | Crear un modelo actualizando y ejecutando un cuaderno que utilice el código Python y las API de Watson Machine Learning. | Cree, despliegue y pruebe un modelo scikit-learn que utiliza código Python . |
| Crear y desplegar un modelo de aprendizaje automático con SPSS Modeler | Cree un modelo C5.0 que utilice la herramienta SPSS Modeler . | Soltar datos y nodos de operación en un lienzo y seleccionar propiedades. |
| Crear y desplegar un modelo de Decision Optimization | Crear escenarios automáticamente con Modeling Assistant. | Resuelva y explore escenarios y, a continuación, despliegue y pruebe un modelo sin codificación. |
| Automatizar el ciclo de vida de un modelo con interconexiones | Cree y ejecute un conducto para automatizar la creación y el despliegue de un modelo de aprendizaje automático. | Suelte los nodos de operación en un lienzo y seleccione las propiedades. |
Solicitud de modelos base
Para empezar a utilizar los modelos de base de solicitud, comprenda el flujo de trabajo global, elija una guía de aprendizaje y consulte otros recursos de aprendizaje para trabajar en la plataforma.
El flujo de trabajo de ingeniería de solicitud tiene estos pasos básicos:
Cree un proyecto.
Si es necesario, cree la instancia de servicio que proporciona la herramienta que desea utilizar y asóciela con el proyecto.
Elija una herramienta para solicitar modelos de fundación. Cada una de las guías de aprendizaje describe una herramienta.
Guarde y comparta sus mejores solicitudes.
Guías de aprendizaje para solicitar modelos de base
Cada guía de aprendizaje proporciona una descripción de la herramienta, un vídeo, las instrucciones y recursos de aprendizaje adicionales:
| Guía de aprendizaje | Descripción | Experiencia para guía de aprendizaje |
|---|---|---|
| Solicitar un modelo de base utilizando Prompt Lab | Experimente con la solicitud de diferentes modelos de base, explore las solicitudes de ejemplo y guarde y comparta sus mejores solicitudes. | Solicitar un modelo utilizando Prompt Lab sin codificación. |
| Solicitar un modelo de base con el patrón de generación de recuperación aumentada | Solicitar un modelo de base aprovechando la información de una base de conocimiento. | Utilice el patrón de generación de recuperación aumentada en un cuaderno Jupyter que utilice el código Python . |
Otros recursos de aprendizaje
Tutoriales guiados
Acceda a Crear un proyecto de ejemplo de modelo de IA para seguir una guía de aprendizaje guiada en los ejemplos. Después de crear el proyecto de ejemplo, el archivo léame proporciona instrucciones:
- Elija Explorar y preparar datos para eliminar anomalías en los datos con Data Refinery.
- Elija Crear un modelo en un cuaderno para crear un modelo con el código Python.
- Elija Crear y desplegar un modelo para automatizar la creación de un modelo con la herramienta AutoAI.
Documentación
Tema general
Preparación de datos
Análisis y visualización de datos
Creación, despliegue y confianza de modelos
Solicitud de un modelo de base
Vídeos
- Un completo conjunto de vídeos que muestran muchas tareas comunes en watsonx.
Ejemplos
Busque conjuntos de datos de ejemplo, proyectos, modelos, solicitudes y cuadernos en el área Ejemplos para obtener experiencia práctica:
Cuadernos que puede añadir al proyecto para empezar a analizar datos y crear modelos.
Proyectos que puede importar que contienen cuadernos, conjuntos de datos, solicitudes y otros activos.
Conjuntos de datos que puede añadir al proyecto para refinar, analizar y crear modelos.
Solicita que puede utilizar en Prompt Lab para solicitar un modelo de base.
Modelos de base que puede utilizar en Prompt Lab.
Entrenamiento
Métodología de Watson Studio es un curso de IBM Training e-Learning que permite profundizar en Watson Studio.
Tomar control de los datos con Watson Studio es una vía de acceso de aprendizaje que consta de tutoriales paso a paso que describen el proceso de trabajar con Watson Studio.
Tema principal: Cómo empezar