0 / 0
Torna alla versione inglese della documentazione
Esercitazioni introduttive

Esercitazioni introduttive

Utilizzare le esercitazioni di avvio rapido per informazioni su come eseguire attività specifiche, come perfezionare i dati o creare un modello. Queste esercitazioni consentono di apprendere rapidamente come eseguire una specifica attività o una serie di attività correlate.

Le esercitazioni di avvio rapido sono categorizzate per attività:

Ogni esercitazione richiede una o più istanze del servizio. Alcuni servizi sono inclusi in più esercitazioni. Le esercitazioni sono raggruppate per attività. È possibile iniziare con qualsiasi attività. Ognuna di queste esercitazioni fornisce una descrizione dello strumento, un video, le istruzioni e ulteriori risorse di apprendimento.

I tag per ogni esercitazione descrivono il livello di esperienza (, o ) e la quantità di codifica richiesta (, o ).

Dopo aver completato queste esercitazioni, consulta la sezione Altre risorse di apprendimento per continuare il tuo apprendimento.

Preparazione dati

Per iniziare a preparare, trasformare e integrare i dati, comprendere il flusso di lavoro generale, scegliere un'esercitazione e controllare altre risorse di apprendimento per lavorare sulla piattaforma.

Il flusso di lavoro di preparazione dei dati prevede le seguenti operazioni di base:

  1. Creare un progetto.

  2. Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.

  3. Aggiungere i dati al progetto. È possibile aggiungere file di dati dal sistema locale, dati da un'origine dati remota a cui ci si connette o dati di esempio.

  4. Scegli un tool per analizzare i tuoi dati. Ogni esercitazione descrive uno strumento.

  5. Eseguire o pianificare un lavoro per preparare i dati.

Esercitazioni per la preparazione dei dati

Ciascuna di queste esercitazioni fornisce una descrizione dello strumento, un video, istruzioni e ulteriori risorse di apprendimento:

Supporto didattico Descrizione Esperienza per l'esercitazione
Perfezionamento e visualizzazione dei dati con Data Refinery Preparare e visualizzare i dati tabulari con un editor di flusso grafico. Selezionare le operazioni per manipolare i dati.
Genera dati tabulari sintetici Generare dati tabulari sintetici utilizzando un editor di flusso grafico. Selezionare le operazioni per generare i dati.

Analisi e visualizzazione dei dati

Per iniziare con l'analizzare e visualizzare i dati, comprendere il flusso di lavoro generale, scegliere un'esercitazione e controllare altre risorse di apprendimento per lavorare con altri strumenti.

Il flusso di lavoro di analisi e visualizzazione dei dati prevede i seguenti passi di base:

  1. Creare un progetto.

  2. Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.

  3. Aggiungere i dati al progetto. È possibile aggiungere file di dati dal sistema locale, dati da un'origine dati remota a cui ci si connette o dati di esempio dall'hub di risorse.

  4. Scegli un tool per analizzare i tuoi dati. Ogni esercitazione descrive uno strumento.

Esercitazioni per l'analisi e la visualizzazione dei dati

Ciascuna di queste esercitazioni fornisce una descrizione dello strumento, un video, istruzioni e ulteriori risorse di apprendimento:

Supporto didattico Descrizione Esperienza per l'esercitazione
Analizzare i dati in un notebook Jupyter Caricare i dati, eseguire e condividere un notebook. Comprendere il codice Python generato.
Perfezionamento e visualizzazione dei dati con Data Refinery Preparare e visualizzare i dati tabulari con un editor di flusso grafico. Selezionare le operazioni per manipolare i dati.

Creazione, distribuzione e attendibilità di modelli

Per iniziare a creare, distribuire e rendere affidabili i modelli, comprendere il flusso di lavoro generale, scegliere un'esercitazione e controllare altre risorse di apprendimento per lavorare sulla piattaforma.

Il flusso di lavoro del modello si articola in tre fasi principali: creazione di un asset del modello, distribuzione del modello e creazione dell'attendibilità nel modello.

Panoramica del flusso di lavoro del modello

Esercitazioni per la generazione, la distribuzione e l'attendibilità dei modelli

Ogni esercitazione fornisce una descrizione dello strumento, un video, le istruzioni e ulteriori risorse di apprendimento:

Supporto didattico Descrizione Esperienza per l'esercitazione
Crea e distribuisci un modello di machine learning con AutoAI Creare automaticamente i candidati del modello con lo strumento AutoAI . Crea, distribuisci e verifica un modello senza codifica.
Crea e distribuisci un modello di machine learning in un notebook Creare un modello aggiornando ed eseguendo un notebook che utilizzi il codice Python e le API Watson Machine Learning . Crea, distribuisci e verifica un modello scikit-learn che utilizza il codice Python .
Crea e distribuisci un modello di machine learning con SPSS Modeler Creare un modello C5.0 che utilizza lo strumento SPSS Modeler . Rilasciare i dati e i nodi di operazione su un canvas e selezionare le proprietà.
Creare e distribuire un modello Decision Optimization Crea automaticamente scenari con Modeling Assistant. Risolvere ed esaminare gli scenari, quindi distribuire e testare un modello senza codifica.
Automatizzare il ciclo di vita per un modello con pipeline Creare ed eseguire una pipeline per automatizzare la creazione e la distribuzione di un modello di machine learning. Rilasciare i nodi di operazione su un riquadro e selezionare le proprietà.
Valutare un modello di machine learning Distribuire un modello, configurare i monitor per il modello distribuito e valutare il modello. Eseguire un notebook per configurare i modelli e utilizzare Watson OpenScale per valutare.

Utilizzo dell'AI generativa

Per iniziare a lavorare con l'intelligenza artificiale generativa, comprendere il flusso di lavoro generale, scegliere un'esercitazione e consultare altre risorse di apprendimento per lavorare sulla piattaforma.

Il flusso di lavoro di progettazione prompt prevede i seguenti passaggi di base:

  1. Creare un progetto.

  2. Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.

  3. Scegliere uno strumento per richiedere i modelli di base. Ogni esercitazione descrive uno strumento.

  4. Salva e condividi i tuoi prompt migliori.

Esercitazioni per lavorare con l'IA generativa

Ogni esercitazione fornisce una descrizione dello strumento, un video, le istruzioni e ulteriori risorse di apprendimento:

Supporto didattico Descrizione Esperienza per l'esercitazione
Richiedi un modello di base utilizzando Prompt Lab Sperimenta diversi modelli di base, esplora i prompt di esempio e salva e condividi i tuoi prompt migliori. Richiedi un modello utilizzando Prompt Lab senza codifica.
Richiedi un modello di base con un modello di generazione incrementato dal recupero Richiedi un modello di base utilizzando le informazioni in una knowledge base. Utilizzare il modello di creazione migliorato di richiamo in un notebook Jupyter che utilizza il codice Python .
Ottimizzazione di un modello di base Ottimizzare un modello di base per migliorare le prestazioni del modello. Utilizzare Tuning Studio per ottimizzare un modello senza codifica.
Prova il caso di utilizzo end-to-end watsonx.ai Seguire un caso di utilizzo dalla preparazione dei dati alla progettazione rapida. Utilizzare vari strumenti, come notebook e Prompt Lab.

AI di gestione

Per iniziare a gestire l'IA, comprendere il flusso di lavoro generale, scegliere un'esercitazione e consultare altre risorse di apprendimento per lavorare sulla piattaforma.

Il flusso di lavoro di governance AI ha questi passi di base:

  1. Creare un progetto.

  2. Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.

  3. Scegli uno strumento per gestire l'AI. Ogni esercitazione descrive uno strumento.

Esercitazioni per la gestione dell'AI

Ogni esercitazione fornisce una descrizione dello strumento, un video, le istruzioni e ulteriori risorse di apprendimento:

Supporto didattico Descrizione Esperienza per l'esercitazione
Valutare e tracciare un modello di prompt Valutare un modello di prompt per misurare le prestazioni del modello di base e tenere traccia del modello di prompt durante il suo ciclo di vita. Utilizzare lo strumento di valutazione e un caso di utilizzo AI per tenere traccia del modello di prompt.
Valutare un modello di machine learning Distribuire un modello, configurare i monitor per il modello distribuito e valutare il modello Watson OpenScale. Eseguire un notebook per configurare i monitor e utilizzare Watson OpenScale per la valutazione.
Valutare una distribuzione negli spazi Distribuire un modello, configurare i monitor per il modello distribuito e valutare il modello in uno spazio di distribuzione. Configurare i monitor e valutare un modello in uno spazio di distribuzione.

Altre risorse di apprendimento

Tutorial guidati

Accedi a Crea un progetto di esempio di modello AI per seguire un'esercitazione guidata nell'hub di risorse. Dopo aver creato il progetto di esempio, il readme fornisce le istruzioni:

  • Scegliere Esplora e prepara i dati per rimuovere le anomalie nei dati con Data Refinery.
  • Scegli Crea un modello in un notebook per creare un modello con codice Python .
  • Scegliere Crea e distribuisci un modello per automatizzare la creazione di un modello con lo strumento AutoAI .
Disclaimer video: alcuni passi secondari ed elementi grafici in questo video potrebbero essere diversi dalla propria piattaforma.

Guarda questa serie di video per vedere come lavorare con gli asset nel progetto di esempio.

Generale

Preparazione dati

Analisi e visualizzazione dei dati

Creazione, distribuzione e attendibilità di modelli

Utilizzo dell'AI generativa

AI di gestione

Video

Esempi

Trova dataset di esempio, progetti, modelli, prompt e notebook nell'area dell'hub di risorse per ottenere un'esperienza pratica:

Icona Notebook Notebooks che è possibile aggiungere al progetto per iniziare ad analizzare i dati e a creare modelli.

Icona Progetto Progetti che è possibile importare contenenti notebook, dataset, prompt e altri asset.

Icona dataset Set di dati che è possibile aggiungere al proprio progetto per perfezionare, analizzare e creare modelli.

Icona Prompt Richiedi che è possibile utilizzare in Prompt Lab per richiedere un modello di base.

Icona Modello Foundation models che è possibile utilizzare in Prompt Lab.

Esempi di casi di utilizzo

Prova diversi casi di utilizzo su un sito self - service. Seleziona un caso di utilizzo per provare un'applicazione live creata con watsonx. Gli sviluppatori, accedono alla selezione rapida e alla guida alla costruzione, insieme al codice dell'applicazione di esempio, per accelerare il tuo progetto.

Argomento principale Introduzione

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni