Narzędzia do danych tabelarycznych lub relacyjnych

Narzędzia dla danych tabelarycznych lub relacyjnych według zadania:

Narzędzia do danych tekstowych

Narzędzia do budowania modelu, który klasyfikuje dane tekstowe:

Narzędzia do tworzenia obrazów

Narzędzia do budowania modelu, który klasyfikuje obrazy:

Dostęp do narzędzi

Aby użyć narzędzia, należy utworzyć zasób aplikacyjny specyficzny dla tego narzędzia lub otworzyć istniejący zasób aplikacyjny dla tego narzędzia. Aby utworzyć zasób, kliknij opcję Nowy zasób lub Importuj zasoby aplikacyjne , a następnie wybierz typ zasobu aplikacyjnego. W tej tabeli przedstawiono typ zasobu do wybrania dla każdego narzędzia.

Aby edytować notatniki za pomocą programu RStudio, należy kliknąć opcję Uruchom środowisko IDE > RStudio.

Edytor notatnika Jupyter

Edytor notatnika Jupyter służy do tworzenia notatnika, w którym można uruchamiać kod w celu przygotowania, wizualizacji i analizy danych, a także budowania i uczenia modelu.

Wymagana usługa

Watson Studio

Format danych

Dowolne

Wielkość danych

Dowolne

W jaki sposób można przygotować dane, przeanalizować dane lub zbudować modele

Napisz kod w języku Python lub R, wszystkie również ze Spark.

Dołącz do swojego kodu bogaty tekst i multimedia.

Praca z dowolnym rodzajem danych w dowolny sposób.

Użyj preinstalowanego lub zainstaluj inne biblioteki i pakiety Open Source oraz IBM .

Zaplanuj uruchomienie kodu

Zaimportuj notatnik z pliku, adresu URL lub galerii.

Udostępnij do współużytkowania kopie notatnika zewnętrznie w trybie tylko do odczytu.

Wprowadzenie

Aby utworzyć notatnik, należy kliknąć opcję Nowy zasób aplikacyjny > Edytor notatnika Jupyter.

Więcej inform.

Załaduj i analizuj wideo zestawy danych publicznych

Filmy wideo na temat notebooków

Przykładowe notebooki

Documentation na temat notebooków

Data Refinery

Użyj opcji Data Refinery , aby przygotować i zwizualizować dane tabelaryczne za pomocą graficznego edytora przepływów. Użytkownik tworzy, a następnie uruchamia przepływ Data Refinery jako zestaw uporządkowanych operacji na danych.

Wymagane usługi

Watson Studio lub Watson Knowledge Catalog

Format danych

Tabelaryczne: Avro, CSV, JSON, Microsoft Excel (formaty xls i xlsx. Tylko pierwszy arkusz, z wyjątkiem połączeń i połączonych zasobów danych.), Parkiet, SAS z rozszerzeniem "sas7bdat" (tylko do odczytu), TSV (tylko do odczytu) lub z ogranicznikami danych tekstowych

Relacyjny: Tabele w relacyjnych źródłach danych

Wielkość danych

Dowolne

W jaki sposób można przygotować dane

Cleanse, kształt, organizacja danych z ponad 60 operacjami.

Zapisz dane rafinowane jako nowy zestaw danych lub zaktualizuj oryginalne dane.

Dane profilu w celu sprawdzenia jego poprawności.

Za pomocą interaktywnych szablonów można manipulować danymi za pomocą operacji kodu, funkcji i operatorów logicznych.

Zaplanuj powtarzające się operacje na danych.

W jaki sposób można analizować dane

Identyfikowanie wzorców, połączeń i relacji w obrębie danych na wielu wykresach wizualizacji.

Wprowadzenie

Aby utworzyć przepływ Data Refinery , kliknij opcję Nowy zasób > Data Refinery. Kafle Data Refinery znajdują się w sekcji Programy budujące graficzne .

Więcej inform.

Documentation na temat Data Refinery

Filmy wideo Data Refinery

Kształt wideo danych kształtu

Watson Query

Użyj opcji Watson Query , aby połączyć wiele źródeł danych w jedną samorównoważący zbiór źródeł danych lub baz danych.

Format danych

Relacyjny: Tabele w relacyjnych źródłach danych

Wielkość danych

Dowolne

W jaki sposób można przygotować dane

Nawiąże połączenie z wieloma źródłami danych.

Utwórz tabele wirtualne.

Wprowadzenie

Aby utworzyć tabele wirtualne, należy kliknąć opcję Dane > Data virtualization. W menu usługi kliknij opcję Wirtualizacja > Wirtualizacja > Tabele.

Więcej inform.

Dokumentacja produktuWatson Query

DataStage

Za pomocą narzędzia DataStage można przygotować i wizualizować dane tabelaryczne za pomocą graficznego edytora przepływów. Użytkownik tworzy, a następnie uruchamia przepływ DataStage jako zestaw uporządkowanych operacji na danych.

Format danych

Tabelaryczne: Avro, CSV, JSON, Parkiet, TSV (tylko do odczytu), lub pliki tekstowe z ogranicznikami

Relacyjny: Tabele w relacyjnych źródłach danych

Wielkość danych

Dowolne

W jaki sposób można przygotować dane

Zaprojektuj graficzny przepływ integracji danych, który generuje kod programu Orchestrate w celu uruchomienia na wysokim poziomie mechanizmu równoległego DataStage .

Wykonywanie operacji takich jak: Łączenie, Funnel, Suma kontrolna, Scalanie, Modyfikuj, Usuń duplikaty i Sortuj.

Wprowadzenie

Aby utworzyć przepływ DataStage , kliknij opcję Nowy zasób > DataStage. Kafelek DataStage znajduje się w sekcji Programy budujące graficzne .

Więcej inform.

Dokumentacja produktu DataStage

Edytor paneli kontrolnych

Za pomocą edytora panelu kontrolnego można utworzyć zestaw wizualizacji wyników analitycznych w programie budującym graficznym.

Wymagana usługa

Cognos Dashboard Embedded

Format danych

Tabelaryczne: pliki CSV

Relacyjny: Tabele w niektórych relacyjnych źródłach danych

Wielkość danych

Dowolna wielkość

W jaki sposób można analizować dane

Tworzenie wykresów bez kodowania.

Do panelu kontrolnego dashboard.: Współużytkuj interaktywne panele kontrolne z zewnątrz.

Wprowadzenie

Aby utworzyć panel kontrolny, kliknij opcję Nowy zasób aplikacyjny > Edytor panelu kontrolnego. Kafel Panel kontrolny znajduje się w sekcji Programy budujące graficzne .

Więcej inform.

Documentation na temat paneli kontrolnych

Filmy wideo na temat paneli kontrolnych

SPSS Modeler

Za pomocą programu SPSS Modeler można utworzyć przepływ w celu przygotowania danych oraz budowania i uczenia modelu za pomocą edytora przepływów w programie budującym graficznym.

Wymagane usługi

Watson Studio

Formaty danych

Relacyjny: Tabele w relacyjnych źródłach danych

Tabelaryczne: pliki Excel (.xls lub .xlsx), pliki CSV lub pliki SPSS Statistics (.sav)

Textual: W obsługiwanych tabelach relacyjnych lub plikach

Wielkość danych

Dowolne

W jaki sposób można przygotować dane

Korzystanie z funkcji automatycznego przygotowywania danych.

Napisz instrukcje SQL, aby manipulować danymi.

Służy do czyszczenia, kształtowania, pobierania próbek, sortowania i wyliczania danych.

W jaki sposób można analizować dane

Wizualizacja danych z ponad 40 wykresami.

Zidentyfikuj język naturalny pola tekstowego.

W jaki sposób można budować modele

Budowanie modeli predykcyjnych.

Wybierz spośród ponad 40 algorytmów modelowania.

Użyj funkcji automatycznego modelowania.

Modelowanie szeregów czasowych lub danych geoprzestrzennych.

Klasyfikowanie danych tekstowych.

Identyfikowanie relacji między pojęciami w danych tekstowych.

Wprowadzenie

Aby utworzyć przepływ programu SPSS Modeler , kliknij opcję Nowy zasób > SPSS Modeler.

Więcej inform.

SPSS Modeler -odświeżony interfejs użytkownika dla wideo z danymi korporacyjnymi z zakresu power science.

Documentation o programie SPSS Modeler

Program budujący model Decision Optimization

Użyj opcji Decision Optimization , aby zbudować i uruchomić modele optymalizacji w modelerze Decision Optimization lub w notatniku Jupyter.

Wymagane usługi

Watson Studio

Formaty danych

Tabelaryczne: pliki CSV

Wielkość danych

Dowolne

W jaki sposób można przygotować dane

Zaimportuj odpowiednie dane do scenariusza i dokonaj edycji.

W jaki sposób można budować modele

Budowanie modeli optymalizacji decyzji nakazowych.

Twórz, importuj i edytuj modele w języku Python DOcplex, OPL lub z wyrażeniami języka naturalnego.

Twórz, importuj i edytuj modele w notebookach.

W jaki sposób można rozwiązywać modele

Uruchamianie i rozwiązywanie modeli optymalizacji decyzji za pomocą mechanizmów CPLEX.

Zbadaj i porównaj rozwiązania dla wielu scenariuszy.

Tworzenie tabel, wykresów i notatek w celu zwizualizowania danych i rozwiązań dla jednego lub większej liczby scenariuszy.

Wprowadzenie

Aby utworzyć model Decision Optimization , kliknij opcję Nowy zasób > Decision Optimizationlub w przypadku notebooków kliknij opcję Nowy zasób aplikacyjny > Edytor notatnika Jupyter.

Więcej inform.

Filmy wideo dotyczące Decision Optimization

Documentation dotycząca Decision Optimization

Narzędzie AutoAI

Narzędzie AutoAI umożliwia automatyczne analizowanie danych tabelarycznych i generowanie modeli potokowych modeli kandydujących dostosowanych do problemu z modelowaniem predykcyjnym.

Wymagana usługa

Watson Machine Learning

Format danych

Tabelaryczne: pliki CSV

Wielkość danych

Zależy od typu modelu. Szczegółowe informacje na ten temat zawiera sekcja AutoAI -przegląd .

W jaki sposób można przygotować dane

Automatycznie transformuj dane, takie jak podstawiaj brakujące wartości i transformuj tekst na wartości skalarne.

W jaki sposób można budować modele

Wytłaczaj klasyfikację binarną, klasyfikację wieloklasową lub model regresji.

Wyświetl infografikę drzewa, w której przedstawiono sekwencje etapów szkolenia AutoAI .

Generowanie liderów modeli rurociągów, które są uporządkowane według wyników walidacji krzyżowej.

Zapisz potok jako model.

Wprowadzenie

Aby utworzyć eksperyment AutoAI , kliknij opcję Nowy zasób > AutoAI.

Więcej inform.

Documentation o programie AutoAI

Stowarzyszona nauka

Użyj narzędzia do nauki stowarzyszonej, aby szkolić wspólny model przy użyciu rozproszonych danych. Dane nie są nigdy łączone ani współużytkowane, zachowując integralność danych podczas udostępniania wszystkich uczestniczących stron modelu na podstawie zagregowanych danych.

Wymagana usługa

Watson Machine Learning

Format danych

Dowolne

Wielkość danych

Dowolna wielkość

W jaki sposób można budować modele

Wybierz strukturę szkolenia.

Skonfiguruj wspólny model.

Skonfiguruj plik do szkolenia wspólnego modelu.

Mają zdalne strony trenować swoje dane.

Wdróż model wspólny.

Wprowadzenie

Aby utworzyć eksperyment, kliknij opcję Nowy zasób > Uczenie stowarzyszone.

Więcej inform.

Documentation dotycząca programu Federated Learning

Metadata import

Narzędzie do importowania metadanych służy do automatycznego wykrywania i importowania metadanych technicznych i procesowych dla zasobów danych w projekcie lub katalogu.

Wymagana usługa

Watson Knowledge Catalog

Format danych

Dowolne

Wielkość danych

Dowolna wielkość

W jaki sposób można przygotować dane

Importowanie zasobów danych z połączenia do źródła danych.

Wprowadzenie

Aby zaimportować metadane, kliknij opcję Nowy zasób > Metadata import.

Więcej inform.

Documentation dotycząca importu metadanych

Filmy wideo dotyczące serwisu Watson Knowledge Catalog

Wzbogacanie metadanych

Użyj narzędzia do wzbogacania metadanych, aby automatycznie profilować zasoby danych i analizować jakość danych w projekcie.

Wymagana usługa

Watson Knowledge Catalog

Format danych

Relacyjny i strukturalny: Tabele i pliki w relacyjnych i nierelacyjnych źródłach danych

Tabelaryczne pliki: Avro, CSV lub Parkiet

Wielkość danych

Dowolna wielkość

W jaki sposób można przygotować i analizować dane

Profilowanie i analizowanie wybranego zestawu zasobów danych w projekcie.

Wprowadzenie

Aby wzbogacić dane, kliknij opcję Nowy zasób > wzbogacanie metadanych.

Więcej inform.

Documentation dotycząca wzbogacania metadanych

Reguła jakości danych

Użyj narzędzia do jakości danych, aby utworzyć reguły, które analizują jakość danych w projekcie.

Wymagana usługa

Watson Knowledge Catalog

Format danych

Relacyjny i strukturalny: Tabele i pliki w relacyjnych i nierelacyjnych źródłach danych

Tabelaryczne pliki: Avro, CSV lub Parkiet

Wielkość danych

Dowolna wielkość

W jaki sposób można przygotować i analizować dane

Analiza jakości wybranego zestawu zasobów danych w projekcie.

Wprowadzenie

Aby utworzyć regułę jakości danych, kliknij opcję Nowy zasób > Reguła jakości danych.

Więcej inform.

Documentation o regułach jakości danych

IBM Match 360 with Watson

Użyj programu IBM Match 360 with Watson , aby utworzyć główne jednostki danych reprezentujące cyfrowe bliźniacze klientów. Utwórz model i odwzoruj dane, a następnie uruchom zgodny algorytm, aby utworzyć główne obiekty danych. Dostosuj i dostrój odpowiedni algorytm, tak aby spełniał wymagania organizacji.

Wymagane usługi

IBM Match 360 with Watson IBM Watson Knowledge Catalog

Wielkość danych

Do 1 000 000 rekordów (dla planu Beta Lite)

W jaki sposób można przygotować dane

Modeluj i odwzoruj dane ze źródeł w organizacji.

Uruchom dostosowywalny algorytm dopasowywania, aby utworzyć główne obiekty danych.

Wyświetlanie i edytowanie obiektów danych głównych oraz powiązanych z nimi rekordów.

Wprowadzenie

Aby utworzyć zasób aplikacyjny konfiguracji IBM Match 360 , kliknij opcję Nowy zasób > Konfiguracja danych głównych.

Więcej inform.

Documentation o programie IBM Match 360 with Watson

Środowisko IDE produktu RStudio

Użyj środowiska RStudio IDE do analizy danych lub tworzenia aplikacji Shiny, pisząc kod R.

Wymagana usługa

Watson Studio

Format danych

Dowolne

Wielkość danych

Dowolna wielkość

W jaki sposób można przygotować dane, analizować dane i budować modele

Napisz kod w R.

Tworzenie aplikacji Shiny.

Użyj otwartych bibliotek źródłowych i pakietów.

Dołącz do swojego kodu bogaty tekst i multimedia.

Przygotuj dane.

Wizualizuj dane.

Odkryj spostrzeżenia z danych.

Budowanie i szkolenie modelu przy użyciu bibliotek Open Source.

Współużytkuj swoją aplikację Shiny w repozytorium Git .

Wprowadzenie

Aby użyć produktu RStudio, należy kliknąć opcję Uruchom środowisko IDE > RStudio.

Więcej inform.

Documentation produktu RStudio

Przegląd wideo RStudio IDE

Filmy wideo dotyczące produktu RStudio

Przepływy maskowania

Za pomocą narzędzia przepływu maskowania można przygotować maskowane kopie lub maskowane podzbiory danych z katalogu. Dane są de-identyfikowane przy użyciu zaawansowanych opcji maskowania z regułami ochrony danych.

Wymagana usługa

Watson Knowledge Catalog

Format danych

Relacyjny: Tabele w relacyjnych źródłach danych

Wielkość danych

Dowolna wielkość

W jaki sposób można przygotować dane, przeanalizować dane lub zbudować modele

Importowanie zasobów danych z katalogu zarządzanego do projektu.

Utwórz definicje zadań przepływu maskowania, aby określić, które dane mają być maskowane zgodnie z regułami ochrony danych.

Opcjonalnie podzbiór danych w celu zmniejszenia wielkości skopiowanych danych.

Uruchom zadania maskowania przepływu, aby załadować maskowane kopie do docelowych połączeń z bazą danych.

Wprowadzenie

Upewnij się, że wstępnie wymagane kroki w produkcie Watson Knowledge Catalog zostały zakończone. Aby prywatyzować dane, wykonaj jedną z następujących czynności:

• Kliknij opcję Nowy zasób > Przepływ maskowania.
• Kliknij opcje menu dla poszczególnych zasobów danych, aby maskować ten zasób bezpośrednio.

Więcej inform.

Documentation o danych maskujących

Watson Pipelines

Edytor kanwy Pipelines służy do tworzenia przepływu w celu przygotowania, wizualizacji i analizy danych, a także do budowania i uczenia modelu.

Format danych

Dowolne

Wielkość danych

Dowolne

W jaki sposób można przygotować dane, przeanalizować dane lub zbudować modele

Użyj różnych węzłów, które zawierają własne dzienniki.

Włącz notebooki do przepływu w celu uruchomienia dowolnego kodu Python lub R.

Praca z dowolnym rodzajem danych w dowolny sposób.

Trwa uruchamianie harmonogramu przepływu.

Zaimportuj dane z podłączonego PVC, projektu lub danych z programu Github.

Utwórz komponent niestandardowy przy użyciu kodu Python .

W celu monitorowania jakości danych należy warunkowo monitorować jakość danych.

Użyj haka WWW, aby wysyłać wiadomości e-mail lub wiadomości, aby na bieżąco informować o statusie Twojego przepływu.

Wprowadzenie

Aby utworzyć nowy potok, kliknij opcję Nowy zasób > Pipeliny.

Wizualizacje danych

Wizualizacje danych umożliwiają wykrywanie spostrzeżeń na podstawie danych. Eksplorując dane z różnych perspektyw z wizualizacjami, można identyfikować wzorce, połączenia i relacje w obrębie tych danych i szybko zrozumieć duże ilości informacji.

Format danych

Tabelaryczne: Avro, CSV, JSON, Parkiet, TSV, SAV, Microsoft Excel .xls i .xlsx, SAS, pliki tekstowe z ogranicznikami i połączone dane. Więcej informacji na temat obsługiwanych źródeł danych zawiera sekcja Konektory.

Wielkość danych

Brak limitu

Wprowadzenie

Aby utworzyć wizualizację, kliknij opcję Zasób danych na liście typów zasobów w projekcie, a następnie wybierz zasób danych. Kliknij kartę Wizualizacja i wybierz typ wykresu.

Więcej inform.

Wizualizacja danych

Temat nadrzędny: Projekty