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 또는 자원 허브의 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 또는 자원 허브의 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.
AI 라이프사이클에 포함된 여러 단계는 다음과 같습니다.
- 범위 정의: 주요 목표 및 요구사항을 식별하여 프로젝트의 범위를 정의하는 것으로 시작합니다.
- 데이터 준비: 기계 학습 알고리즘에 사용할 데이터를 수집하고 준비합니다.
- 모델 빌드: 준비된 데이터로 모델을 훈련하여 정의된 문제점을 해결하기 위해 AI 모델을 개발하고 세분화합니다.
- 모델 배치: 빌드 프로세스가 완료된 후 모델을 프로덕션에 배치합니다.
- 파이프라인 자동화: AI 라이프사이클의 일부를 자동화하여 프로덕션으로의 경로를 자동화합니다.
- 성능 모니터: 모델의 공정성, 품질, 드리프트 및 설명 가능성을 평가합니다.
다음 다이어그램은 AI 라이프사이클의 단계를 보여줍니다.
모델을 구축, 배포 및 신뢰하는 워크플로에는 다음과 같은 기본 단계가 있습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
모델을 구축, 배포, 신뢰하는 도구를 선택하세요. 각 튜토리얼은 도구를 설명합니다.
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. |
| 기계 학습 모델 평가 | 모델을 배치하고 배치된 모델에 대한 모니터를 구성하고 모델을 평가하십시오. | 노트북을 실행하여 모델을 구성하고 Watson OpenScale 을 사용하여 평가하십시오. |
생성 AI에 대한 작업
생성 AI에 대한 작업을 시작하려면 전체 워크플로우를 이해하고 학습서를 선택한 후 플랫폼에서 작업하기 위한 다른 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.
생성 AI에 대한 작업 학습서
각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| 프롬프트 랩을 사용하여 기본 모델 프롬프트 | 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. |
| 기초 모델 조정 | 기본 모델을 조정하여 모델 성능을 향상시키십시오. | 사용Tuning Studio 코딩 없이 모델을 조정합니다. |
| watsonx.ai 엔드-투-엔드 유스 케이스 사용해 보기 | 데이터 준비부터 프롬프트 엔지니어링까지 유스 케이스를 따르십시오. | 노트북 및 프롬프트 랩과 같은 다양한 도구를 사용하십시오. |
AI 관리
AI 통제를 시작하려면 전체 워크플로우를 이해하고, 튜토리얼을 선택하고, 플랫폼에서 작업하기 위한 기타 학습 자원을 확인하십시오.
AI 거버넌스 워크플로우에는 다음과 같은 기본 단계가 있습니다.
프로젝트를 작성하십시오.
필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.
AI를 통제하는 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.
AI 통제를 위한 튜토리얼
각 학습서는 도구, 비디오, 지시사항 및 추가 학습 자원에 대한 설명을 제공합니다.
| 자습서 | 설명 | 학습서에 대한 전문 지식 |
|---|---|---|
| 프롬프트 템플리트 평가 및 추적 | 프롬프트 템플리트를 평가하여 기초 모델의 성능을 측정하고 해당 라이프사이클을 통해 프롬프트 템플리트를 추적합니다. | 평가 도구 및 AI 유스 케이스를 사용하여 프롬프트 템플리트를 추적하십시오. |
| 기계 학습 모델 평가 | 모델을 배치하고 배치된 모델에 대한 모니터를 구성하고 모델 Watson OpenScale을 평가하십시오. | 노트북을 실행하여 모니터를 구성하고 Watson OpenScale 을 사용하여 평가하십시오. |
| 영역에서 배치 평가 | 모델을 배치하고, 배치된 모델에 대한 모니터를 구성하고, 배치 영역에서 모델을 평가합니다. | 모니터를 구성하고 배치 영역에서 모델을 평가하십시오. |
기타 학습 자원
안내식 튜토리얼
액세스 AI 모델 샘플 프로젝트 빌드 리소스 허브의 안내 튜토리얼을 따르세요. 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.
샘플 프로젝트에서 자산에 대해 작업하는 방법을 보려면 이 비디오 시리즈를 보십시오.
일반
데이터 준비
데이터 분석 및 시각화
모델 빌드, 배치 및 신뢰
생성 AI에 대한 작업
AI 관리
동영상
- 포괄적인 비디오 세트 - watsonx에서 여러 공통 태스크를 표시합니다.
샘플
자원 허브 영역에서 샘플 데이터 세트, 프로젝트, 모델, 프롬프트 및 노트북을 찾아 실제 경험을 얻을 수 있습니다.
노트북 프로젝트에 추가하여 데이터 분석과 모델 구축을 시작할 수 있습니다.
프로젝트 노트북, 데이터 세트, 프롬프트 및 기타 자산을 포함하여 가져올 수 있습니다.
데이터 세트 모델을 개선, 분석 및 구축하기 위해 프로젝트에 추가할 수 있습니다.
프롬프트 프롬프트 랩에서 기초 모델 프롬프트를 표시하는 데 사용할 수 있습니다.
기초 모델 프롬프트 랩에서 사용할 수 있습니다.
유스 케이스 샘플
셀프 서비스 사이트에서 다른 유스 케이스를 사용해 보십시오. watsonx로 빌드된 라이브 애플리케이션을 경험하기 위한 유스 케이스를 선택하십시오. 개발자가 샘플 애플리케이션 코드와 함께 신속한 선택 및 구성 안내에 액세스하여 프로젝트를 가속화합니다.
상위 주제: 시작하기