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.
Vous cherchez des vidéos? Visitez la vidéothèque pour voir de nombreuses tâches courantes dans watsonx.
Après avoir suivi ces tutoriels, consultez la section Autres ressources d'apprentissage pour continuer votre apprentissage.
Les tutoriels de démarrage rapide sont classés par tâche:
- Préparation des données
- Analyse et visualisation des données
- Génération, déploiement et sécurisation de modèles
- Utilisation de l'IA générative
- Gouverner l'IA
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 ).
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 ou des exemples de données à partir du concentrateur de ressources.
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 ou des exemples de données à partir du concentrateur de ressources.
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.
Les différentes étapes impliquées dans le cycle de vie de l'IA sont les suivantes:
- Définir la portée: commencez par définir la portée de votre projet en identifiant les objectifs et les exigences clés.
- Préparer les données: Collecter et préparer les données à utiliser avec les algorithmes d'apprentissage automatique.
- Créer un modèle: Développez et affinez le modèle d'IA pour résoudre le problème défini en formant le modèle avec des données préparées.
- Déployer le modèle: Déployez le modèle en production une fois le processus de génération terminé.
- Automatiser le pipeline: Automatiser le chemin d'accès à la production en automatisant des parties du cycle de vie de l'intelligence artificielle.
- Surveiller les performances: évaluez les performances de votre modèle pour l'équité, la qualité, la dérive et l'explicabilité.
Le diagramme suivant illustre les étapes du cycle de vie de l'IA:
Votre flux de travail pour créer, déployer et approuver des modèles comporte ces étapes de base :
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 créer, déployer et faire confiance aux modèles. Chacun des tutoriels décrit un outil.
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 | Construire un modèle en mettant à jour et en exécutant un notebook qui utilise du code Python et les API de watsonx.ai Runtime. | 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. |
| Evaluer un modèle d'apprentissage automatique | Déployez un modèle, configurez les moniteurs pour le modèle déployé et évaluez le modèle. | Exécutez un bloc-notes pour configurer les modèles et utilisez Watson OpenScale pour évaluer. |
Utilisation de l'IA générative
Pour commencer à utiliser l'IA générative, 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 travailler avec l'IA générative
Chaque tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires:
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Créer un modèle de fondation en utilisant Prompt Lab | Testez les différents modèles de base d'invite, explorez les exemples d'invite et sauvegardez et partagez vos meilleures invites. | Demander un modèle à l'aide de Prompt Lab sans coder. |
| Générer un modèle de base avec le modèle de génération amélioré par la récupération | Générer un modèle de base en exploitant les 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 . |
| Accorder un modèle de fond de teint | Ajuster un modèle de base pour améliorer les performances du modèle. | Utilisez leTuning Studio pour régler un modèle sans codage. |
| Tutoriel de bout en bout watsonx.ai | Construisez votre modèle à l'aide de l'un des outils, tels que AutoAI, SPSS Modeler ou les carnets Jupyter, puis déployez et testez votre modèle. De plus, transformez vos données et ajustez votre modèle de base en utilisant watsonx.ai. |
Gouvernance de l'IA
Pour commencer à gouverner l'IA, 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 gouvernance de l'IA 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 gouverner l'IA. Chacun des tutoriels décrit un outil.
Tutoriels pour la gouvernance de l'IA
Chaque tutoriel fournit une description de l'outil, une vidéo, les instructions et des ressources d'apprentissage supplémentaires:
| Tutoriel | Descriptif | Expertise pour le tutoriel |
|---|---|---|
| Evaluer et suivre un modèle d'invite | Évaluer un modèle de prompt pour mesurer les performances du modèle de base et suivre le modèle de prompt tout au long de son cycle de vie. | Utilisez l'outil d'évaluation et un cas d'utilisation d'IA pour suivre le modèle d'invite. |
| Comparer les performances rapides | Évaluez et comparez vos actifs d'IA générative à l'aide de mesures quantitatives et de critères personnalisables adaptés à vos cas d'utilisation. | Utilisez le studio d'évaluation pour évaluer la performance de plusieurs actifs simultanément. |
| Evaluer un modèle d'apprentissage automatique | Déployez un modèle, configurez les moniteurs pour le modèle déployé et évaluez le modèle Watson OpenScale. | Exécutez un bloc-notes pour configurer les moniteurs et utilisez Watson OpenScale pour l'évaluation. |
| Evaluer un déploiement dans les espaces | Déployez un modèle, configurez les moniteurs pour le modèle déployé et évaluez le modèle dans un espace de déploiement. | Configurez les moniteurs et évaluez un modèle dans un espace de déploiement. |
Autres ressources d'apprentissage
Tutoriels détaillés
Accédez au projet d'exemple Construire un modèle d'IA pour suivre un tutoriel guidé dans le centre de ressources. 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.
Regardez cette série de vidéos pour savoir comment utiliser les actifs de l'exemple de projet.
Général
Préparation des données
Analyse et visualisation des données
Génération, déploiement et sécurisation de modèles
Utilisation de l'IA générative
Gouvernance de l'IA
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 du concentrateur de ressources pour acquérir une expérience pratique:
Des cahiers que vous pouvez ajouter à votre projet pour commencer à analyser les données et à construire des modèles.
Projets que vous pouvez importer et qui contiennent des carnets, des ensembles de données, des invites et d'autres ressources.
Ensembles de données que vous pouvez ajouter à votre projet pour affiner, analyser et construire des modèles.
Prompts que vous pouvez utiliser dans l' Prompt Lab, pour appeler un modèle de base.
Modèles de fondations que vous pouvez utiliser dans l' Prompt Lab.
Exemples de cas d'utilisation
Essayez différents cas d'utilisation sur un site en libre-service. Sélectionnez un cas d'utilisation pour expérimenter une application opérationnelle générée avec watsonx. Développeurs, accédez à des conseils de sélection d'invite et de construction, ainsi qu'à un exemple de code d'application, pour accélérer votre projet.
Les accélérateurs de solutions d'IA fournissent des exemples de projets avec des solutions d'IA de bout en bout qui résolvent des problèmes commerciaux spécifiques.
Rubrique parent : Mise en route