ユース・ケース

• データ・ガバナンスのユース・ケース
  
• データ統合のユース・ケース
  
• データ・サイエンスと MLOps のユース・ケース
  
• AI ガバナンスのユース・ケース
  
• 実際のデータ・ファブリック

AIガバナンス

• モデルのビルドとデプロイ
  
• モデルのテストおよび検証
  

データ統合

• データの統合
  
• 外部データの仮想化
  
• データの複製
  
• データ統合による AI パイプラインのオーケストレーション
  

データ・サイエンスと MLOps

• モデル・モニターを使用した AI パイプラインのオーケストレーション
  
• データ統合による AI パイプラインのオーケストレーション
  

データ・ガバナンス

• 高品質データのキュレート
  
• データの保護
  
• データのコンシューム
  
• 仮想化データの管理
  

開始する

• Cloud Pak for Data as a Service に登録する
  
• プロジェクトを作成する
  
• Resource Hub のツアー
  
• カタログの作成と資産を素早く検索
  
• プロジェクトでのコラボレーション
  

ガイド付きチュートリアル

• パート 1: データを探索と準備する
  
• パート 2: 機械学習モデルを作成とデプロイする
  
• パート 3: ノートブックでのモデルを作成する
  
• データ・ファブリック: モデルを作成とデプロイする
  
• データ・ファブリック: モデルをテストおよび検証する
  

データ接続

• プラットフォーム接続を追加する
  
• 接続からプロジェクトへデータを追加する
  
• プロジェクトでのフォルダー資産接続を作成する
  
• オブジェクト・ストレージを管理する
  
• 外部ソースからプロジェクトへの資産メタデータをインポートする
  

ノートブックの基本

• Jupyter ノートブックの基本
  
• プロジェクトで Jupyter ノートブックとカスタム環境を作成する
  
• パブリック・データ・セットをロードと分析する
  
• プロジェクトから GitHub へノートブックを公開する
  

ノートブックの例

• NY レストラン検査データを分析する
  
• Spark R を使用してデータをロードし、SQL 照会を実行する
  
• 降水量データを分析する
  
• Db2 Warehouse データを分析する
  
• Python で SQL-Cloudant コネクターを使用する
  

AutoAI によるモデルの作成

• サンプル AutoAI エクスペリメントを実行してモデルを作成する
  
• 二項分類モデルを作成する
  
• 多項分類モデルを作成する
  
• 多変量時系列モデルをトレーニングする
  
• ノートブックでの時系列エクスペリメントの実行
  
• 公平性を評価して改善するモデルの作成
  
• テキストで評判分析を実行する
  
• パイプラインを作成して機械学習モデルを自動化する
  
• データ・ファブリック: モデル・モニターによる AI パイプラインのオーケストレーション
  
• データ・ファブリック: データ統合による AI パイプラインのオーケストレーション
  

SPSS Modeler を使用してモデルを作成する

• 病気を診断するための予測分析モデルの構築とデプロイ
  
• カイ 2 乗機械学習モデルの作成
  
• プロジェクトへ SPSS Modeler フローをインポートする
  
• テキスト分析を使用したデータのマイニング
  

モデルの管理

• ノートブックでのモデルをビルド、デプロイ、およびテストする
  
• 機械学習 API を使用してモデルをテストする
  
• 機械学習モデルの評価
  
• アプローチによるモデル使用の作成
  
• 機械学習モデル資産アクティビティーを追跡する
  
• 提供 'watsonx.ai'IBM Cloudでのランタイム
  

Decision Optimization

• サンプル Decision Optimization エクスペリメントを実行する
  
• モデリング・アシスタントで拡張機能を使用する
  
• 環境の変更と Python 拡張機能のエクスペリメントへの追加
  
• Python DOcplex を使用した拡張カスタム制約の作成
  
• その他の Decision Optimization ビデオ
  

統合学習

• 統合学習の概要
  
• 統合学習エクスペリメントを作成する
  

RStudio

• RStudio IDE の概要
  
• データをロードする
  
• 外部データ・ソースへ接続する
  
• Shiny アプリケーションを実行する
  

開始する

• Cloud Pak for Data as a Service に登録する
  
• プロジェクトを作成する
  
• Resource Hub のツアー
  
• カタログの作成と資産を素早く検索
  
• プロジェクトでのコラボレーション
  

ガイド付きチュートリアル

• パート 1: データを探索と準備する
  
• データ・ファブリック: データを統合する
  
• データ・ファブリック: 外部データの仮想化
  
• データ・ファブリック: 360 度ビューを構成する
  
• データ・ファブリック: 顧客を探索する
  

Data Refinery

• データ・ソースからプロジェクトへ接続済みデータを追加する
  
• シェイプ・データ
  
• 新規ターゲットへのデータをコピーする
  
• 複数のソースからのデータを混合する
  
• Data Refinery 操作のビデオ・シリーズ
  

DataStage

• データ・ファブリック: データを統合する
  
• データ・ソースからプロジェクトへ接続済みデータを追加する
  
• 単純な DataStage フローを作成する
  
• プロジェクトへ DataStage フローをインポートする
  
• 実行する DataStage フローのスケジュール
  
• データ定義の作成
  
• DataStage を使用してエンタープライズ・データを Snowflake にロード
  
• DataStage コネクターおよびステージのビデオ・シリーズ
  

Data Virtualization

• データ・ファブリック: 外部データの仮想化
  
• プロジェクトまたはカタログへ仮想化データを追加する
  
• Data Virtualizationの概要
  

Match 360

• データ・ファブリック: 360 度ビューを構成する
  

Data Replication

• データ・ファブリック: データの複製
  

開始する

• Cloud Pak for Data as a Service に登録する
  
• プロジェクトを作成する
  
• Resource Hub のツアー
  
• カタログの作成と資産を素早く検索
  
• プロジェクトでのコラボレーション
  

ガイド付きチュートリアル

• データ・ファブリック: 高品質データのキュレート
  
• データ・ファブリック: データの保護
  
• データ・ファブリック: データの取り込み
  

IBM Knowledge Catalog の基本

• IBM Knowledge Catalog の概要
  
• カタログの作成と資産を素早く検索
  
• プロジェクトでのカタログ資産を使用する
  

カタログ内のデータ接続

• プラットフォーム接続を追加する
  
• カタログへ資産を追加する
  
• カタログでフォルダー資産を作成する
  
• 外部ソースからプロジェクトへの資産メタデータをインポートする
  

カタログ・データ・ガバナンス

• データ・ポリシーの概要
  
• カテゴリーを使用してガバナンス成果物を編成する
  
• データをマスクする
  
• データ資産アクティビティーを追跡する
  
• 機械学習モデル資産アクティビティーを追跡する
  
• 拡張マスキング・オプションの有効化とマスキング・フローの作成
  

アカウント管理者

• IBM Cloudでの基本アクセス・グループのセットアップ
  
• IBM Cloud アカウントへのユーザーの招待
  
• 管理者用の Cloud Object Storage のセットアップ
  

プロジェクト管理者

• プロジェクトでのコラボレーション