Tutoriels de démarrage rapide
Suivez des tutoriels de démarrage rapide pour apprendre à effectuer des tâches spécifiques, telles que l'amélioration des données ou la création d'un modèle. Ces tutoriels vous aident à apprendre rapidement à effectuer une tâche spécifique ou un ensemble de tâches associées.
Les tutoriels de démarrage rapide sont classés par tâche:
Chaque tutoriel requiert une ou plusieurs instances de service. Certains services sont inclus dans plusieurs tutoriels. Les tutoriels sont regroupés par tâche. Vous pouvez commencer avec n'importe quelle tâche. Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires.
Les balises de chaque tutoriel décrivent le niveau d'expertise (, ou ) et le niveau de codage requis (, ou ).
Après avoir suivi ces tutoriels, consultez la section Autres ressources d'apprentissage pour continuer votre apprentissage.
Préparation des données
Pour commencer à préparer, transformer et intégrer des données, comprenez le flux de travaux global, choisissez un tutoriel et consultez d'autres ressources d'apprentissage pour travailler sur la plateforme.
Votre flux de travaux de préparation de données comporte les étapes de base suivantes :
Permet de créer un projet.
Si nécessaire, créez l'instance de service qui fournit l'outil que vous souhaitez utiliser, puis associez-la au projet.
Ajoutez des données à votre projet. Vous pouvez ajouter des fichiers de données à partir de votre système local, des données à partir d'une source de données distante à laquelle vous vous connectez, des données d'un catalogue ou des exemples de données.
Choisissez un outil pour analyser vos données. Chacun des tutoriels décrit un outil.
Exécutez ou planifiez un travail pour préparer vos données.
Tutoriels de préparation des données
Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires :
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Affinez et visualisez les données avec Data Refinery | Préparez et visualisez les données tabulaires à l'aide d'un éditeur de flux graphique. | Sélectionnez des opérations pour manipuler les données. |
| Générer des données tabulaires synthétiques | Générez des données tabulaires synthétiques à l'aide d'un éditeur de flux graphique. | Sélectionnez des opérations pour générer des données. |
Analyse et visualisation des données
Pour commencer à analyser et à visualiser les données, comprendre le flux de travaux global, choisir un tutoriel et consulter d'autres ressources d'apprentissage pour utiliser d'autres outils.
Votre flux de travaux d'analyse et de visualisation de données comporte les étapes de base suivantes :
Permet de créer un projet.
Si nécessaire, créez l'instance de service qui fournit l'outil que vous souhaitez utiliser, puis associez-la au projet.
Ajoutez des données à votre projet. Vous pouvez ajouter des fichiers de données à partir de votre système local, des données à partir d'une source de données distante à laquelle vous vous connectez, des données d'un catalogue ou des exemples de données.
Choisissez un outil pour analyser vos données. Chacun des tutoriels décrit un outil.
Tutoriels d'analyse et de visualisation des données
Chacun de ces tutoriels fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires :
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Analyse des données dans un bloc-notes Jupyter | Chargez les données, exécutez et partagez un bloc-notes. | Comprendre le code Python généré. |
| Affinez et visualisez les données avec Data Refinery | Préparez et visualisez les données tabulaires à l'aide d'un éditeur de flux graphique. | Sélectionnez des opérations pour manipuler les données. |
Génération, déploiement et sécurisation de modèles
Pour vous initier à la génération, au déploiement et à la confiance des modèles, comprenez le flux de travaux global, choisissez un tutoriel et consultez d'autres ressources d'apprentissage pour travailler sur la plateforme.
Le flux de travaux du modèle comporte trois étapes principales : génération d'un actif de modèle, déploiement du modèle et instauration de la confiance au modèle.
Tutoriels pour la génération, le déploiement et la confiance de modèles
Chaque tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires:
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Génération et déploiement d'un modèle d'apprentissage automatique avec AutoAI | Créer automatiquement des candidats modèles à l'aide de l'outil AutoAI. | Générez, déployez et testez un modèle sans codage. |
| Génération et déploiement d'un modèle d'apprentissage automatique dans un bloc-notes | Créez un modèle en mettant à jour et en exécutant un bloc-notes qui utilise le code Python et les API Watson Machine Learning. | Générez, déployez et testez un modèle scikit-learn qui utilise le code Python . |
| Génération et déploiement d'un modèle d'apprentissage automatique avec SPSS Modeler | Générez un modèle C5.0 qui utilise l'outil SPSS Modeler . | Déposez les données et les noeuds d'opération sur un canevas et sélectionnez les propriétés. |
| Génération et déploiement d'un modèle Decision Optimization | Créer automatiquement des scénarios avec l'assistant de modélisation. | Résolvez et explorez des scénarios, puis déployez et testez un modèle sans codage. |
| Automatiser le cycle de vie d'un modèle avec des pipelines | Créez et exécutez un pipeline pour automatiser la génération et le déploiement d'un modèle d'apprentissage automatique. | Déposez les noeuds d'opération sur un canevas et sélectionnez les propriétés. |
Modèles de base d'invite
Pour commencer à utiliser les modèles de base d'invite, comprenez le flux de travaux global, choisissez un tutoriel et consultez d'autres ressources d'apprentissage pour travailler sur la plateforme.
Votre flux de travaux d'ingénierie d'invite comporte les étapes de base suivantes:
Permet de créer un projet.
Si nécessaire, créez l'instance de service qui fournit l'outil que vous souhaitez utiliser, puis associez-la au projet.
Choisissez un outil pour inviter les modèles de base. Chacun des tutoriels décrit un outil.
Sauvegardez et partagez vos meilleures invites.
Tutoriels pour l'invite des modèles de base
Chaque tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires:
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Demander un modèle de base à l'aide de Prompt Lab | Testez les différents modèles de base d'invite, explorez les exemples d'invite et sauvegardez et partagez vos meilleures invites. | Invite un modèle à l'aide de Prompt Lab sans codage. |
| Demander un modèle de base avec le modèle de génération d'extension d'extraction | Invitez un modèle de base en tirant parti des informations d'une base de connaissances. | Utilisez le modèle de génération d'extension d'extraction dans un bloc-notes Jupyter qui utilise le code Python . |
Autres ressources d'apprentissage
Tutoriels détaillés
Accédez à l' exemple de projet Génération d'un modèle d'IA pour suivre un tutoriel guidé dans les exemples. Une fois que vous avez créé l'exemple de projet, le fichier Readme fournit les instructions suivantes:
- Choisissez Explorer et préparer les données pour supprimer les anomalies dans les données avec Data Refinery.
- Choisissez Générer un modèle dans un bloc-notes pour créer un modèle avec le code Python.
- Choisissez Génération et déploiement d'un modèle pour automatiser la génération d'un modèle avec l'outil AutoAI.
Documentation
Général
Préparation des données
Analyse et visualisation des données
Génération, déploiement et sécurisation de modèles
Invite d'un modèle de base
Vidéos
- Un ensemble complet de vidéos qui montrent de nombreuses tâches courantes dans watsonx.
Echantillons
Recherchez des exemples de jeux de données, de projets, de modèles, d'invites et de blocs-notes dans la zone Exemples pour acquérir une expérience pratique:
Notebooks que vous pouvez ajouter à votre projet pour commencer à analyser les données et à générer des modèles.
Projets que vous pouvez importer contenant des blocs-notes, des ensembles de données, des invites et d'autres actifs.
Ensembles de données que vous pouvez ajouter à votre projet pour affiner, analyser et générer des modèles.
Invites que vous pouvez utiliser dans le lab d'invite pour demander un modèle de base.
Modèles Foundation que vous pouvez utiliser dans Prompt Lab.
Entraînement
Watson Studio Methodology est un cours de formation en ligne IBM qui donne un aperçu approfondi de Watson Studio.
Take control of your data with Watson Studio est un parcours pédagogique qui comprend des tutoriels détaillés expliquant le processus d'utilisation des données à l'aide de Watson Studio.
Rubrique parent : Mise en route