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:
Crea un progetto.
Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.
Aggiungere i dati al progetto. È possibile aggiungere file di dati dal proprio sistema locale, dati da un'origine dati remota a cui ci si connette, dati da un catalogo o dati di esempio.
Scegli un tool per analizzare i tuoi dati. Ogni esercitazione descrive uno strumento.
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:
Crea un progetto.
Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.
Aggiungere i dati al progetto. È possibile aggiungere file di dati dal proprio sistema locale, dati da un'origine dati remota a cui ci si connette, dati da un catalogo o dati di esempio.
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.
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. |
Richiesta di modelli di base
Per iniziare a richiedere i modelli di base, comprendere il workflow 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:
Crea un progetto.
Se necessario, creare l'istanza del servizio che fornisce lo strumento che si desidera utilizzare e associarlo al progetto.
Scegliere uno strumento per richiedere i modelli di base. Ogni esercitazione descrive uno strumento.
Salva e condividi i tuoi prompt migliori.
Esercitazioni per la richiesta di modelli di fondazione
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. | Richiedere 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 . |
Altre risorse di apprendimento
Tutorial guidati
Accedi a Crea un progetto di esempio di modello AI per seguire un'esercitazione guidata negli esempi. 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 .
Documentation
Generale
Preparazione dati
Analisi e visualizzazione dei dati
Creazione, distribuzione e attendibilità di modelli
Richiesta di un modello di base
Video
- Una serie completa di video che mostrano molte attività comuni in watsonx.
Esempi
Trova dataset di esempio, progetti, modelli, prompt e notebook nell'area Esempi per ottenere un'esperienza pratica:
Notebooks che è possibile aggiungere al progetto per iniziare ad analizzare i dati e a creare modelli.
Progetti che è possibile importare contenenti notebook, dataset, prompt e altri asset.
Set di dati che è possibile aggiungere al proprio progetto per perfezionare, analizzare e creare modelli.
Richiedi che è possibile utilizzare in Prompt Lab per richiedere un modello di base.
Foundation models che è possibile utilizzare in Prompt Lab.
Addestramento
Watson Studio Metodologia è un corso IBM Training e-Learning che offre un'analisi approfondita di Watson Studio.
Prendi il controllo dei tuoi dati con Watson Studio è un percorso di apprendimento che consiste in esercitazioni dettagliate che spiegano il processo di utilizzo dei dati utilizzando Watson Studio.
Argomento principale Introduzione