빠른 시작 학습서
빠른 시작 학습서를 사용하여 데이터 정제 또는 모델 빌드와 같은 특정 태스크를 수행하는 방법을 학습하십시오. 이 학습서는 특정 태스크 또는 관련 태스크 세트를 수행하는 방법을 빠르게 학습하는 데 도움이 됩니다.
빠른 시작 학습서는 다음 태스크별로 분류됩니다.
각 튜토리얼에는 하나 이상의 서비스 인스턴스가 필요합니다. 일부 서비스는 여러 학습서에 포함되어 있습니다. 학습서는 태스크별로 그룹화됩니다. 모든 태스크를 시작할 수 있습니다. 각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
각 학습서의 태그는 전문 지식 레벨 (, 또는 ) 및 필요한 코딩 양 (, 또는 ) 을 설명합니다.
이 학습서를 완료한 후에는 기타 학습 자원 섹션을 참조하여 학습을 계속하십시오.
데이터 준비
데이터 준비, 변환 및 통합을 시작하려면 전체 워크플로우를 이해하고 학습서를 선택하고 플랫폼에서 작업하기 위한 기타 학습 자원을 확인하십시오.
사용자의 데이터 준비 워크플로우의 기본 단계는 다음과 같습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터, 카탈로그의 데이터 또는 샘플 데이터를 추가할 수 있습니다.
데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
작업을 실행하거나 스케줄링하여 데이터를 준비하십시오.
데이터 준비를 위한 학습서
각 이 튜토리얼은 도구, 동영상, 명령어 및 추가 학습 리소스의 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| Data Refinery로 데이터 정제 및 시각화 | 그래픽 플로우 편집기를 사용하여 표 데이터를 준비하고 시각화할 수 있습니다. | 데이터를 조작할 조작을 선택하십시오. |
| 합성 표 형식 데이터 생성 | 그래픽 플로우 편집기를 사용하여 합성 테이블 형식 데이터를 생성합니다. | 데이터를 생성할 오퍼레이션을 선택하십시오. |
데이터 분석 및 시각화
데이터 분석 및 시각화를 시작하려면 전체 워크플로우를 이해하고 학습서를 선택하고 다른 도구에 대한 작업을 수행하기 위한 다른 학습 자원을 확인하십시오.
사용자의 데이터 워크플로우 분석 및 시각화의 기본 단계는 다음과 같습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터, 카탈로그의 데이터 또는 샘플 데이터를 추가할 수 있습니다.
데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
데이터 분석 및 시각화를 위한 학습서
각 이 튜토리얼은 도구, 동영상, 명령어 및 추가 학습 리소스의 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| Jupyter 노트북에서 데이터 분석 | 데이터를 로드하고 실행하며 노트북을 공유합니다. | 생성된 Python 코드를 이해하십시오. |
| Data Refinery로 데이터 정제 및 시각화 | 그래픽 플로우 편집기를 사용하여 표 데이터를 준비하고 시각화할 수 있습니다. | 데이터를 조작할 조작을 선택하십시오. |
모델 빌드, 배치 및 신뢰
모델 빌드, 배치 및 신뢰를 시작하려면 전체 워크플로우를 이해하고 학습서를 선택하고 플랫폼에서 작업하기 위한 기타 학습 자원을 확인하십시오.
모델 워크플로우에는 3개의 기본 단계, 모델 자산 빌드, 모델 배치 및 모델에서 보안 빌드가 있습니다.
모델 빌드, 배치 및 신뢰를 위한 학습서
각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| AutoAI를 이용한 머신 러닝 모델 빌드 및 배치 | AutoAI 도구를 사용하여 모델 후보를 자동으로 빌드합니다. | 코딩 없이 모델을 빌드, 배치 및 테스트합니다. |
| 노트북에 머신 러닝 모델 빌드 및 배치 | Python 코드 및 Watson Machine Learning API를 사용하는 노트북을 업데이트하고 실행하여 모델을 빌드하십시오. | Python 코드를 사용하는 scikit-learn 모델을 빌드, 배치 및 테스트합니다. |
| SPSS Modeler를 사용하여 머신 러닝 모델을 빌드하고 배치 | SPSS Modeler 도구를 사용하는 C5.0 모델을 작성하십시오. | 캔버스에 데이터 및 오퍼레이션 노드를 놓고 특성을 선택하십시오. |
| Decision Optimization 모델 빌드 및 배치 | 모델링 지원을 사용하여 자동으로 시나리오를 빌드합니다. | 시나리오를 해결하고 탐색한 후 코딩 없이 모델을 배치하고 테스트하십시오. |
| 파이프라인을 사용하여 모델의 라이프사이클 자동화 | 기계 학습 모델 빌드 및 배치를 자동화하기 위해 파이프라인을 작성하고 실행합니다. | 캔버스에 오퍼레이션 노드를 놓고 특성을 선택하십시오. |
기초 모델 프롬프트
기본 모델 프롬프트를 시작하려면 전체 워크플로우를 이해하고 학습서를 선택한 후 플랫폼에서 작업하기 위한 기타 학습 자원을 확인하십시오.
프롬프트 엔지니어링 워크플로우에는 다음과 같은 기본 단계가 있습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
기본 모델을 프롬프트하는 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
최상의 프롬프트를 저장하고 공유하십시오.
기본 모델 프롬프트를 위한 학습서
각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| Prompt Lab을 사용하여 기본 도구 대화 콘솔 확보 | 다른 기초 모델을 프롬프트하는 실험을 수행하고, 샘플 프롬프트를 탐색하고, 최상의 프롬프트를 저장하고 공유하십시오. | 코딩 없이 프롬프트 랩을 사용하여 모델을 프롬프트합니다. |
| 검색 기능이 보강된 생성 패턴으로 기초 모델 프롬프트 | 지식 기반의 정보를 활용하여 기초 모델을 프롬프트합니다. | Python 코드를 사용하는 Jupyter 노트북에서 검색 기능 보강 생성 패턴을 사용하십시오. |
기타 학습 자원
안내식 튜토리얼
AI 모델 샘플 프로젝트 빌드 에 액세스하여 샘플의 안내 학습서를 따르십시오. 샘플 프로젝트를 작성한 후에는 readme에서 다음 지시사항을 제공합니다.
- 데이터 탐색 및 준비 를 선택하여 Data Refinery를 사용하여 데이터에서 이상 항목을 제거하십시오.
- 노트북에서 모델 빌드를 선택하여 Python 코드로 모델을 빌드하십시오.
- AutoAI 도구를 사용하여 모델 작성을 자동화하려면 모델 빌드 및 배치를 선택하십시오.
문서
일반
데이터 준비
데이터 분석 및 시각화
모델 빌드, 배치 및 신뢰
기초 모델 프롬프트
비디오
- 포괄적인 비디오 세트 - watsonx에서 여러 공통 태스크를 표시합니다.
샘플
샘플 영역에서 샘플 데이터 세트, 프로젝트, 모델, 프롬프트 및 노트북을 찾아 실제 경험을 얻으십시오.
데이터 분석 및 모델 빌드를 시작하기 위해 프로젝트에 추가할 수 있는 
노트북 .
노트북, 데이터 세트, 프롬프트 및 기타 자산을 포함하여 가져올 수 있는 
프로젝트 .
모델을 세분화, 분석 및 빌드하기 위해 프로젝트에 추가할 수 있는 
데이터 세트 .
기본 모델을 프롬프트하기 위해 프롬프트 랩에서 사용할 수 있는 
프롬프트 .
프롬프트 랩에서 사용할 수 있는 
Foundation 모델 .
훈련
Watson Studio Methodology는 Watson Studio에서 자세히 확인할 수 있는 IBM Training e-Learning 코스입니다.
Watson Studio로 데이터 제어는 Watson Studio를 사용한 데이터 작업 프로세스를 설명하는 단계별 튜토리얼로 구성된 학습 경로입니다.
상위 주제: 시작하기