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.

1. 프로젝트를 작성하십시오.

2. 필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.

3. 프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터 또는 자원 허브의 샘플 데이터를 추가할 수 있습니다.

4. 데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.

5. 작업을 실행하거나 스케줄링하여 데이터를 준비하십시오.

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.

1. 프로젝트를 작성하십시오.

2. 필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.

3. 프로젝트에 데이터를 추가하십시오. 로컬 시스템의 데이터 파일, 연결하는 원격 데이터 소스의 데이터 또는 자원 허브의 샘플 데이터를 추가할 수 있습니다.

4. 데이터를 분석할 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.

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.

1. 범위 정의: 주요 목표 및 요구사항을 식별하여 프로젝트의 범위를 정의하는 것으로 시작합니다.
2. 데이터 준비: 기계 학습 알고리즘에 사용할 데이터를 수집하고 준비합니다.
3. 모델 빌드: 준비된 데이터로 모델을 훈련하여 정의된 문제점을 해결하기 위해 AI 모델을 개발하고 세분화합니다.
4. 모델 배치: 빌드 프로세스가 완료된 후 모델을 프로덕션에 배치합니다.
5. 파이프라인 자동화: AI 라이프사이클의 일부를 자동화하여 프로덕션으로의 경로를 자동화합니다.
6. 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.

1. 프로젝트를 작성하십시오.

2. 필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.

3. 모델을 구축, 배포, 신뢰하는 도구를 선택하세요. 각 튜토리얼은 도구를 설명합니다.

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.

1. 프로젝트를 작성하십시오.

2. 필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.

3. 기본 모델을 프롬프트하는 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.

4. 최상의 프롬프트를 저장하고 공유하십시오.

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.

1. 프로젝트를 작성하십시오.

2. 필요한 경우, 프로젝트와 사용하고 연관시킬 도구를 제공하는 서비스 인스턴스를 작성하십시오.

3. AI를 통제하는 도구를 선택하십시오. 각 튜토리얼은 도구를 설명합니다.

기타 학습 자원