0 / 0
資料の 英語版 に戻る
クイック・スタート・チュートリアル

クイック・スタート・チュートリアル

クイック・スタート・チュートリアルを使用して、データの詳細化やモデルの作成などの特定のタスクを実行する方法を学習します。 これらのチュートリアルは、特定のタスクまたは一連の関連タスクを実行する方法を素早く学習するのに役立ちます。

クイック・スタート・チュートリアルは、タスク別に分類されています。

各チュートリアルには、1 つ以上のサービス・インスタンスが必要です。 一部のサービスは、複数のチュートリアルに含まれています。 チュートリアルは、タスクごとにグループ化されています。 どのタスクからでも開始できます。 これらの各チュートリアルでは、ツール、ビデオ、説明、および追加の学習リソースについて説明します。

各チュートリアルのタグは、専門知識のレベル (、または )、および必要なコーディングの量 (、または ) について説明します。

これらのチュートリアルを完了した後、 その他の学習リソース のセクションを参照して学習を続行してください。

データの準備

データの準備、変換、および統合を開始するには、ワークフロー全体を理解し、チュートリアルを選択し、プラットフォームで作業するための他の学習リソースを確認します。

データ準備ワークフローには、以下の基本ステップがあります:

  1. プロジェクトを作成します。

  2. 必要に応じて、使用するツールを提供するサービス・インスタンスを作成し、それをプロジェクトに関連付けます。

  3. プロジェクトにデータを追加します。 ローカル・システムからのデータ・ファイル、接続先のリモート・データ・ソースからのデータ、カタログからのデータ、またはサンプル・データを追加できます。

  4. データを分析するツールを選択してください。 各チュートリアルでは、ツールについて説明します。

  5. データを準備するためのジョブを実行またはスケジュールします。

データを準備するためのチュートリアル

これらの各チュートリアルでは、ツールの説明、ビデオ、説明、および追加の学習リソースを提供します。

チュートリアル 説明 チュートリアルの専門知識
Data Refinery を使用してデータを詳細化と視覚化にする グラフィカル・フロー・エディターを使用して表データを準備し、視覚化します。 データを操作する操作を選択します。
合成表データの生成 グラフィカル・フロー・エディターを使用して合成表データを生成します。 データを生成する操作を選択します。

データの分析と視覚化

データの分析と視覚化を開始するには、ワークフロー全体を理解し、チュートリアルを選択して、他のツールで作業するための他の学習リソースを確認します。

データ・ワークフローの分析と視覚化には、以下の基本ステップがあります:

  1. プロジェクトを作成します。

  2. 必要に応じて、使用するツールを提供するサービス・インスタンスを作成し、それをプロジェクトに関連付けます。

  3. プロジェクトにデータを追加します。 ローカル・システムからのデータ・ファイル、接続先のリモート・データ・ソースからのデータ、カタログからのデータ、またはサンプル・データを追加できます。

  4. データを分析するツールを選択してください。 各チュートリアルでは、ツールについて説明します。

データを分析および視覚化するためのチュートリアル

これらの各チュートリアルでは、ツールの説明、ビデオ、説明、および追加の学習リソースを提供します。

チュートリアル 説明 チュートリアルの専門知識
Jupyter ノートブックでデータを分析する データをロードし、ノートブックを実行して共有します。 生成された Python コードについて理解します。
Data Refinery を使用してデータを詳細化と視覚化にする グラフィカル・フロー・エディターを使用して表データを準備し、視覚化します。 データを操作する操作を選択します。

モデルのビルド、デプロイ、および信頼

モデルの作成、デプロイ、および信頼を開始するには、ワークフロー全体を理解し、チュートリアルを選択し、プラットフォームで作業するための他の学習リソースを確認します。

モデル・ワークフローには、モデル資産の作成、モデルのデプロイ、およびモデルの信頼性の構築という 3 つの主なステップがあります。

モデル・ワークフローの概要

モデルを作成、デプロイ、および信頼するためのチュートリアル

各チュートリアルでは、ツール、ビデオ、説明、および追加の学習リソースについて説明します。

チュートリアル 説明 チュートリアルの専門知識
AutoAI を使用した機械学習モデルを作成とデプロイする AutoAI ツールを使用してモデル候補を自動的に作成します。 コーディングなしでモデルをビルド、デプロイ、およびテストします。
ノートブックでの機械学習モデルの作成とデプロイする Python コードおよび Watson Machine Learning API を使用するノートブックを更新および実行して、モデルを作成します。 Python コードを使用する scikit-learn モデルをビルド、デプロイ、およびテストします。
SPSS Modeler を使用して機械学習モデルを作成とデプロイする SPSS Modeler ツールを使用する C5.0 モデルを作成します。 キャンバス上のデータ・ノードと操作ノードをドロップして、プロパティーを選択します。
Decision Optimization モデルをビルドとデプロイする Modeling Assistant を使用してシナリオを自動的に作成します。 シナリオを解決して検討し、コーディングせずにモデルをデプロイしてテストします。
パイプラインを使用したモデルのライフサイクルの自動化 機械学習モデルの作成とデプロイを自動化するためのパイプラインを作成して実行します。 キャンバス上の操作ノードをドロップして、プロパティーを選択します。
機械学習モデルの評価 モデルをデプロイし、デプロイされたモデルのモニターを構成し、モデルを評価します。 ノートブックを実行してモデルを構成し、 Watson OpenScale を使用して評価します。

生成 AI での作業

生成 AI の使用を開始するには、ワークフロー全体を理解し、チュートリアルを選択し、プラットフォームで作業するための他の学習リソースを確認します。

プロンプト・エンジニアリング・ワークフローには、以下の基本ステップがあります。

  1. プロジェクトを作成します。

  2. 必要に応じて、使用するツールを提供するサービス・インスタンスを作成し、それをプロジェクトに関連付けます。

  3. ファウンデーション・モデルのプロンプトを出すツールを選択します。 各チュートリアルでは、ツールについて説明します。

  4. 最適なプロンプトを保存して共有します。

生成 AI で作業するためのチュートリアル

各チュートリアルでは、ツール、ビデオ、説明、および追加の学習リソースについて説明します。

チュートリアル 説明 チュートリアルの専門知識
プロンプト・ラボを使用した基盤モデルのプロンプト さまざまな基盤モデルにプロンプトを出し、サンプル・プロンプトを探索し、最適なプロンプトを保存して共有します。 コーディングなしで Prompt Lab を使用してモデルにプロンプトを出します。
取得拡張された生成パターンを使用して基盤モデルにプロンプトを出す 知識ベース内の情報を活用して、基盤モデルを促進します。 取得拡張生成パターンは、 Python コードを使用する Jupyter ノートブックで使用します。
ファ基盤モデルの調整 ファウンデーション・モデルを調整して、モデルのパフォーマンスを向上させます。 チューニング・スタジオを使用して、コーディングせずにモデルをチューニングします。
watsonx.ai エンドツーエンド・ユース・ケースを試す プロンプト・エンジニアリングを通じて、データの準備からユース・ケースをフォローします。 ノートブックや Prompt Labなどのさまざまなツールを使用します。

AI の管理

AI の管理を開始するには、ワークフロー全体を理解し、チュートリアルを選択し、プラットフォームで作業するための他の学習リソースを確認します。

AI ガバナンス・ワークフローには、以下の基本ステップがあります。

  1. プロジェクトを作成します。

  2. 必要に応じて、使用するツールを提供するサービス・インスタンスを作成し、それをプロジェクトに関連付けます。

  3. AI を管理するツールを選択します。 各チュートリアルでは、ツールについて説明します。

AI を管理するためのチュートリアル

各チュートリアルでは、ツール、ビデオ、説明、および追加の学習リソースについて説明します。

チュートリアル 説明 チュートリアルの専門知識
プロンプト・テンプレートの評価と追跡 プロンプト・テンプレートを評価して、ファウンデーション・モデルのパフォーマンスを測定し、そのライフサイクルを通してプロンプト・テンプレートを追跡します。 評価ツールと AI ユース・ケースを使用して、プロンプト・テンプレートを追跡します。
機械学習モデルの評価 モデルをデプロイし、デプロイされたモデルのモニターを構成し、モデルを評価します。 ノートブックを実行してモデルを構成し、 Watson OpenScale を使用して評価します。

他の学習リソース

ガイド付きチュートリアル

リソース・ハブのガイド付きチュートリアルに従うには、 AI モデル・サンプル・プロジェクトの作成 にアクセスします。 サンプル・プロジェクトを作成した後、README に以下の手順が記載されています。

  • Data Refineryを使用してデータの異常を削除するには、 「データの探索と準備」 を選択します。
  • Python コードを使用してモデルを作成するには、 ノートブックでのモデルの作成 を選択してください。
  • モデルのビルドとデプロイ を選択すると、AutoAI ツールを使用したモデルの作成が自動化されます。
ビデオの特記事項: このビデオのいくつかのマイナー・ステップおよびグラフィカル・エレメントは、ご使用のプラットフォームとは異なる場合があります。

このビデオ・シリーズを視聴して、サンプル・プロジェクト内の資産を操作する方法を確認してください。

一般

データの準備

データの分析と視覚化

モデルのビルド、デプロイ、および信頼

生成 AI での作業

AI の管理

動画

サンプル

「リソース・ハブ」領域でサンプル・データ・セット、プロジェクト、モデル、プロンプト、およびノートブックを検索して、ハンズオン体験を得ることができます。

データの分析およびモデルの作成を開始するためにプロジェクトに追加できる ノートブック・アイコン ノートブック

プロジェクト・アイコン プロジェクト ノートブック、データ・セット、プロンプト、およびその他の資産を含むものをインポートできます。

データ・セット・アイコン データ・セット 。これをプロジェクトに追加して、モデルの洗練、分析、およびビルドを行うことができます。

プロンプト・アイコン プロンプト 。プロンプト・ラボで基盤モデルのプロンプトを出すために使用できます。

プロンプト・ラボで使用できる モデル・アイコン 基盤モデル

トレーニング

  • Take control of your data with Watson Studio 」は、 Watson Studioを使用してデータを処理するプロセスを説明するステップバイステップのチュートリアルで構成される学習パスです。

親トピック: 入門

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細