Anwendungsfälle

• Anwendungsfall für Datengovernance
  
• Anwendungsfall für Datenintegration
  
• Anwendungsfall für Data Science und MLOps
  
• KI-Governance-Anwendungsfall
  
• Data Fabric in Aktion

KI-Governance

• Modell erstellen und implementieren
  
• Modell testen und validieren
  

Datenintegration

• Daten integrieren
  
• Externe Daten virtualisieren
  
• Daten replizieren
  
• Orchestrierung einer KI-Pipeline mit Datenintegration
  

Datenwissenschaft und MLOps

• Orchestrierung einer KI-Pipeline mit Modellüberwachung
  
• Orchestrierung einer KI-Pipeline mit Datenintegration
  

Datengovernance

• Qualitativ hochwertige Daten kuratieren
  
• Daten schützen
  
• Daten verarbeiten
  
• Virtualisierte Daten regulieren
  

Erste Schritte

• Anmeldung bei Cloud Pak for Data as a Service
  
• Projekt erstellen
  
• Ressourcenhub kennenlernen
  
• Katalog erstellen und Assets schnell finden
  
• Gemeinsam an Projekten arbeiten
  

Geführte Lernprogramme

• Teil 1: Daten untersuchen und vorbereiten
  
• Teil 2: Modell für maschinelles Lernen erstellen und bereitstellen
  
• Teil 3: Modell in einem Notebook erstellen
  
• Datenstruktur: Modell erstellen und bereitstellen
  
• Datenstruktur: Modell testen und validieren
  

Datenverbindungen

• Plattformverbindungen hinzufügen
  
• Daten aus einer Verbindung zu einem Projekt hinzufügen
  
• Ordnerassetverbindung in einem Projekt erstellen
  
• Objektspeicher verwalten
  
• Assetmetadaten aus einer externen Quelle in ein Projekt importieren
  

Notebook-Grundlagen

• Grundlegende Informationen zum Jupyter-Notebook
  
• Jupyter-Notebook und angepasste Umgebung in einem Projekt erstellen
  
• Öffentliche Datasets laden und analysieren
  
• Notebooks aus einem Projekt in GitHub veröffentlichen
  

Notizbuch-Beispiele

• Daten zu Restaurantinspektionen in New York analysieren
  
• Spark R zum Laden von Daten und Ausführen von SQL-Abfragen verwenden
  
• Niederschlagsdaten analysieren
  
• Db2 Warehouse-Daten analysieren
  
• SQL-Cloudant-Connector mit Python verwenden
  

Modelle mit AutoAI erstellen

• Ein AutoAI-Beispielexperiment ausführen, um ein Modell zu erstellen
  
• Binäres Klassifikationsmodell erstellen
  
• Klassifikationsmodell mit mehreren Klassen erstellen
  
• Multivariates Zeitreihenmodell trainieren
  
• Zeitreihenexperiment in einem Notebook ausführen
  
• Modell erstellen, das die Fairness bewertet und verbessert
  
• Stimmungsanalyse für Text durchführen
  
• Pipeline zur Automatisierung von Modellen für maschinelles Lernen erstellen
  
• Datenfabric: KI-Pipeline mit Modellüberwachung koordinieren
  
• Datenfabric: Eine KI-Pipeline mit Datenintegration koordinieren
  

Modelle mit SPSS Modeler erstellen

• Erstellung und Bereitstellung eines Vorhersageanalysemodells zur Diagnose von Krankheiten
  
• Chi-Quadrat-Modell für maschinelles Lernen erstellen
  
• SPSS Modeler-Ablauf in ein Projekt importieren
  
• Daten mithilfe von Textanalyse filtern
  

Modelle verwalten

• Modell in einem Notebook erstellen, implementieren und testen
  
• Modell mit APIs für maschinelles Lernen testen
  
• Modell für maschinelles Lernen bewerten
  
• Modellverwendung mit Ansätzen erstellen
  
• Assetaktivitäten des Modells für maschinelles Lernen verfolgen
  
• Bereitstellung von watsonx.ai Runtime in IBM Cloud
  

Decision Optimization

• Decision Optimization-Beispielexperiment ausführen
  
• Erweiterte Funktionen im Modellierungsassistenten verwenden
  
• Umgebungen ändern und Python -Erweiterungen zu Ihrem Experiment hinzufügen
  
• Erweiterte angepasste Integritätsbedingungen mit Python DOcplex erstellen
  
• Weitere Videos zu Decision Optimization
  

Federated Learning

• Übersicht über Federated Learning
  
• Federated Learning-Experiment erstellen
  

RStudio

• Übersicht über RStudio IDE
  
• Daten laden
  
• Verbindung zu externen Datenquellen herstellen
  
• Shiny-Anwendungen ausführen
  

Erste Schritte

• Anmeldung bei Cloud Pak for Data as a Service
  
• Projekt erstellen
  
• Ressourcenhub kennenlernen
  
• Katalog erstellen und Assets schnell finden
  
• Gemeinsam an Projekten arbeiten
  

Geführte Lernprogramme

• Teil 1: Daten untersuchen und vorbereiten
  
• Datenstruktur: Daten integrieren
  
• Datenfabric: Externe Daten virtualisieren
  
• Datenstruktur: 360-Grad-Ansicht konfigurieren
  
• Datenstruktur: Entdecken Sie Ihre Kunden
  

Data Refinery

• Verbundene Daten aus einer Datenquelle zu einem Projekt hinzufügen
  
• Daten formen
  
• Daten in ein neues Ziel kopieren
  
• Daten aus mehreren Quellen mischen
  
• Videoreihe zu Data Refinery-Operationen
  

DataStage

• Datenstruktur: Daten integrieren
  
• Verbundene Daten aus einer Datenquelle zu einem Projekt hinzufügen
  
• Einfachen DataStage-Ablauf erstellen
  
• DataStage-Ablauf in ein Projekt importieren
  
• Ausführung eines DataStage -Ablaufs planen
  
• Datendefinition erstellen
  
• DataStage zum Laden von Unternehmensdaten in Snowflake verwenden
  
• Videoreihen zu DataStage-Connectors und -Stages
  

Data Virtualization

• Datenfabric: Externe Daten virtualisieren
  
• Virtualisierte Daten zu einem Projekt oder Katalog hinzufügen
  
• Überblick über die Data Virtualization
  

Match 360

• Datenstruktur: 360-Grad-Ansicht konfigurieren
  

Data Replication

• Datenfabric: Daten replizieren
  

Erste Schritte

• Anmeldung bei Cloud Pak for Data as a Service
  
• Projekt erstellen
  
• Ressourcenhub kennenlernen
  
• Katalog erstellen und Assets schnell finden
  
• Gemeinsam an Projekten arbeiten
  

Geführte Lernprogramme

• Datenfabric: Hochwertige Daten kuratieren
  
• Datenfabric: Daten schützen
  
• Datenfabric: Daten verarbeiten
  

IBM Knowledge Catalog -Grundlagen

• IBM Knowledge Catalog -Übersicht
  
• Katalog erstellen und Assets schnell finden
  
• Katalogassets in einem Projekt verwenden
  

Datenverbindungen in einem Katalog

• Plattformverbindungen hinzufügen
  
• Assets zu einem Katalog hinzufügen
  
• Ordnerasset in einem Katalog erstellen
  
• Assetmetadaten aus einer externen Quelle in ein Projekt importieren
  

Governance für Katalogdaten

• Übersicht über Datenrichtlinien
  
• Governance-Artefakte mit Kategorien organisieren
  
• Daten maskieren
  
• Datenassetaktivitäten verfolgen
  
• Assetaktivitäten des Modells für maschinelles Lernen verfolgen
  
• Erweiterte Maskierungsoptionen aktivieren und einen Maskierungsablauf erstellen
  

Kontoadministratoren

• Basiszugriffsgruppen in IBM Cloud
  
• Benutzer zu Ihrem IBM Cloud -Konto einladen
  
• Cloud Object Storage für Administratoren einrichten
  

Projektadministratoren

• Gemeinsam an Projekten arbeiten