SSYOK8 - Documentation Index

Table of Contents

• Dokumentationsverzeichnis
• Übersicht über IBM watsonx
  • Neuerungen
  • Anwendungsfälle für watsonx
    • Anwendungsfall: watsonx.ai
    • Anwendungsfall watsonx.governance
  • Funktionsunterschiede zwischen watsonx -Bereitstellungen
    • Vergleich von watsonx und Cloud Pak for Data als Service
  • Plattformarchitektur
    • Assettypen und -eigenschaften
      • Vorschau
      • Profile
      • Aktivitäten
      • Visualisierungen
    • Objektspeicher für Arbeitsbereiche
  • Sicherheit von Basismodellen
  • Dienstleistungsbereich
    • Regionale Verfügbarkeit von Diensten und Funktionen
    • Rechnungsdaten für das Studio „ watsonx.ai “
    • Abrechnungsdetails für Machine Learning-Assets in der Laufzeitumgebung „ watsonx.ai “
    • Abrechnungsdetails für generative KI-Assets in der Laufzeitumgebung „ watsonx.ai “
    • Dienstleistungen am IBM Cloud
      • Services erstellen
      • watsonx.ai Studiopläne
      • watsonx.ai Laufzeitpläne
      • watsonx.governance pläne
        • watsonx.governance verantwortlichkeiten
      • IBM Cloud Object Storage pläne
    • AWS -Services
      • watsonx.governance unter AWS
    • AWS GovCloud Dienstleistungen
  • Bekannte Probleme und Einschränkungen
  • Häufig gestellte Fragen
    • Browserunterstützung
    • Sprachunterstützung
    • Vorschau-Versionen
    • Bemerkungen
    • Behindertengerechte Bedienung
  • Hilfe anfordern
• Developer Hub
  • Bibliotheken und APIs
  • Schnellstart: Anleitung zum Erzeugen von Text
  • Tutorial für Listenmodelle
  • Chat mit einem Modell-Tutorial
  • Anleitung zum Streamen von Text
  • Aufruf eines Tool-Tutorials
  • Tutorial zu Texteinbettungen
  • Anleitung zum Reranken von Text
• Planung einer AI-Lösung
  • Erste strategische Entscheidungen
  • Vergleich von Tools und Code
  • Planung des Arbeitsablaufs für gen AI
  • Planung des Arbeitsablaufs für ML
  • Lösungsmuster für die Beantwortung von Fragen mit RAG
• Einführung und Lernprogramme
  • Anmeldung für „ IBM “ watsonx
  • Wechseln zwischen Erfahrungen
  • Erstellen von Aufgabenanmeldeinformationen
  • API-Schlüssel und Bearer-Token generieren
  • watsonx APIs und SDKs
  • Lernprogramme für den Schnelleinstieg
    • Daten vorbereiten
      • Daten optimieren
      • Synthetische Tabellendaten generieren
    • Analysieren von Daten
      • Daten in einem Jupyter-Notebook analysieren
    • Modelle für maschinelles Lernen erstellen
      • Modell mit AutoAI erstellen
      • Modell in einem Jupyter-Notebook erstellen
      • Modell mit SPSS Modeler erstellen
      • Decision Optimization -Modell erstellen
      • Automatisierung des Lebenszyklus für ein Modell mit Pipelines
    • Mit generativer KI arbeiten
      • Stiftungsmodell mit Prompt Lab
      • Erstellen Sie mithilfe von RAG ein Fundamentmodell
      • Ein Fundamentmodell abstimmen
      • Testen Sie den End-to-End-Anwendungsfall watsonx.ai
      • Erstellen und Bereitstellen eines Agenten
    • KI steuern
      • Eingabeaufforderungsvorlage auswerten und verfolgen
      • Vergleichen Sie die schnelle Leistung
      • Bereitstellung in Bereichen bewerten
      • Modell für maschinelles Lernen bewerten
  • Beschleuniger für KI-Lösungen
    • Fragen und Antworten RAG-Beschleuniger
    • Erstellung von ML-Modellen in watsonx.ai und Batch-Scoring mit Spark in watsonx.data accelerator
  • Videothek
• Generative KI-Lösungen
  • Nutzungsbedingungen
  • Token
  • Unterstützte Stiftungsmodelle
    • IBM -Basismodelle
      • Eingabeaufforderung für IBM Granite Code-Modelle
    • Drittstiftungsmodelle
    • Unterstützte encoder modelle
      • IBM Granite einbettung der mehrsprachigen Musterkarte von 278m
      • IBM Schiefer 30m v2 Einbettungsmodellkarte
      • IBM Schiefer 125m v2 Einbettungsmodellkarte
    • Modell-Gateway (Vorschau)
    • Ein Modell auswählen
      • Einsatzmethoden für das Stiftungsmodell
      • Benchmarks für das Stiftungsmodell
      • Lebenszyklus des Basismodells
    • Modellinformationen mit Code abrufen
      • Informationen zum Fundamentmodell erhalten ( Python )
  • Eingabeaufforderungen
    • Tipps für Eingabeaufforderungen
      • Unerwünschte Ausgabe vermeiden
      • Genaue Ausgabe generieren
    • Modellparameter für Bedienerführung
    • Filtern von Modellinhalten mit KI-Sicherheitsvorkehrungen
    • Beispielprompts
    • Prompt Lab
      • Hinzufügen von Eingabeaufforderungen
      • Eingabeaufforderungen speichern
      • Wiederverwendbare Eingabeaufforderungen erstellen
      • Chatten mit Dokumenten und Mediendateien
    • Erzeugen von Text mit Code
      • Textgenerierung
        • Ableitung eines Grundmodells ( Python )
        • Inferenz mit einer Vorlage für Eingabeaufforderungen ( Python )
        • Inferencing-Gateway-Modelle
      • Chatten
  • KI-Agenten
    • Agent Lab (Beta)
      • Sparagenten
      • Erstellen eines benutzerdefinierten Werkzeugs
    • Agenten-Chat
  • Generative KI-Lösungen codieren
    • Entwicklerressourcen
      • Berechtigungsnachweise für programmgesteuerten Zugriff
      • Projekt-ID suchen
      • Python -Bibliothek
      • Node.js SDK
      • REST-API
    • Hinzufügen von Dateien zur Referenz aus der API
  • Prognose zukünftiger Werte
  • Retrieval-Augmented Generation
    • Texteinbettungen
    • Passagen neu ordnen
    • Verstehen von Dokumenten
      • Parameter für die Textverarbeitung
        • Benutzerdefinierte Schemata erstellen
        • Schema für Rechnungen
        • Schema der Versorgungsrechnung
        • Schema für Hypothekarkreditunterlagen
        • Schema des Konnossements
        • Schema des Zollformulars
        • Schema des Lieferscheins
        • Schema der Kostenaufstellung
        • Schema der Quittung
        • Bestellungsschema
        • Schema des Steuerformulars
        • Schema des Finanzberichts
        • Schema für Überweisung oder Zahlungsavis
        • Schema des Kontoauszugs
        • Schema der Kreditkartenabrechnung
        • Schema für den Führerscheinnachweis
        • Schema des Reisepasses
        • Schema der nationalen ID-Karte
        • W-4 formularschema
        • I-9 formularschema
        • Schema des Patientenaufnahmeformulars
        • Schema der Versicherungsansprüche
        • Schema der Abschrift
        • Schema für das Diplom oder die Zertifizierung
        • Standardantragsformular für die Lebensversicherung bei Invalidität - Schema
        • Schema der Standard-Lebensversicherungsgenehmigung
        • ACORD standardisiertes Schema für Versicherungsformulare
        • Schema der Erklärung des Antragstellers
        • Schema für Geschäftslizenzen und Genehmigungen
      • Textklassifizierung
        • Parameter für die Textklassifizierung
        • Klassifizierung von Dokumenten
      • Textextraktion
        • Parameter für die Textextraktion
        • Extrahieren von Text aus Dokumenten
      • Hinzufügen von extrahiertem Text zu RAG-Lösungen
        • Parsing der extrahierten JSON-Ausgabe
    • Optimieren Sie Ihre RAG-Wissensbasis
    • Automatisieren eines RAG-Musters mit AutoAI
      • Auswahl eines Vektorspeichers für ein RAG-Experiment
      • Erstellen eines RAG-Experiments (fastpath)
      • Einsatz von Wissensdatenbanken in RAG-Experimenten
        • Einsatz von Vektor-Wissensdatenbanken in RAG-Experimenten mit „ AutoAI “
        • Einsatz von SQL-Wissensdatenbanken in RAG-Experimenten mit „ AutoAI “
      • RAG-Experiment-Einstellungen anpassen
      • Überprüfung der Details des RAG-Musters
      • Speichern eines RAG-Musters
      • Kodierung eines AutoAI RAG-Experiments in Python
      • Kodierung eines AutoAI mit Chroma
      • Codierung eines AutoAI -RAG-Experiments mit Textextraktion
      • Kodierung eines AutoAI RAG-Experiments mit einem benutzerdefinierten Fundamentmodell
      • Verwendung des AutoAI für den Chat mit Dokumenten
  • Tuning-Modelle
    • Zeitpunkt für die Optimierung eines Modells
    • Zu optimiertes Modell auswählen
    • Tuning-Methoden
      • LoRA feintuning
      • QLoRA feintuning
    • Datenformate für die Abstimmung
    • Experimentparameter abstimmen
    • Tuning Studio
    • Modellabstimmung mit Code
    • Auswertung des Tuning-Experiments
• Projekte
  • Ihr Sandbox-Projekt
  • Gemeinsame Projekte über Erfahrungen hinweg
  • Erstellen eines Projekts
    • Projekt importieren
    • Projektassets importieren
  • Projekte verwalten
    • Mitbearbeiter verwalten
    • Mitbearbeiterrollen für Projekte
    • Ein Projekt als sensitiv markieren
    • Verwalten von Berechtigungsnachweisen für Aufgaben
    • Zugehörige Services hinzufügen
    • Projektassets exportieren
    • Freigabe von Ordnern
    • Umschalten der Erfahrung für ein Projekt
  • Assets in Projekten verwalten
    • Organisieren von Assets mit Ordnern
  • Datenassets herunterladen
  • Rechenressourcen für Tools auswählen
    • Rechenoptionen für den Notebook-Editor
    • Rechenressourcenoptionen für Data Refinery
    • Rechenressourcenoptionen für RStudio
    • Rechenoptionen für AutoAI
    • Berechnungsoptionen für Pipelines
  • Rechenressourcen verwalten
    • Erstellen von nicht standardisierten Umgebungsvorlagen
    • Umgebungsvorlagen anpassen
      • Beispiele für Anpassungen (vor „ 25.1 “)
      • Beispiele für Anpassungen (aus „ 25.1 “)
    • Umgebungen hochstufen
    • Laufzeitnutzung
  • Jobs erstellen und verwalten
    • Jobs im Notebook-Editor erstellen
    • Jobs in Data Refinery erstellen
    • Jobs in SPSS Modeler erstellen
    • Jobs für Pipelines erstellen
    • Jobs in Projekten anzeigen
  • Projekt verlassen
  • Markdown-Cheatsheet
• Einsatzbereiche
  • Implementierungsbereiche erstellen
  • Rollen für Mitarbeiter im Bereitstellungsbereich
  • Bereitstellungsbereiche löschen
  • Das Erlebnis in einen Raum verwandeln
  • Ressourcen in Bereitstellungsbereichen
    • Assets in Bereitstellungsbereich hochstufen
    • Räume und Projekte importieren
    • Export von Weltraumressourcen
    • Datenassets zu einem Bereitstellungsbereich hinzufügen
    • Modelle in einen Bereitstellungsbereich importieren
    • Auf die Details eines Objekts zugreifen
    • Verwaltung von Asset-Versionen
• Daten vorbereiten
  • Daten einem Projekt hinzufügen
    • Einem Projekt sehr große Dateien hinzufügen
    • Verbindungen zu Projekten hinzufügen
    • Hinzufügen von integrierten Dienstkonnektoren
    • Verbindung zu Daten hinter einer Firewall herstellen
    • Daten aus einer Verbindung hinzufügen
    • Hinzufügen eines verbundenen Ordnerassets aus einer Verbindung
  • Konnektoren
    • AlloyDB für PostgreSQL
    • Amazon Aurora für MySQL
    • Amazon Aurora für PostgreSQL
    • Amazon DynamoDB
    • Amazon RDS for MySQL-Verbindung
    • Amazon RDS für Oracle-Verbindung
    • Amazon RDS for PostgreSQL-Verbindung
    • Amazon Redshift-Verbindung
    • Amazon S3-Verbindung
      • Temporäre Berechtigungsnachweise oder einen Rollen-ARN für Amazon S3 einrichten
      • Amazon S3 Abruf der Zugriffskontrolle
    • Apache Cassandra-Verbindung
    • Apache Derby-Verbindung
    • Apache HDFS-Verbindung
    • Apache Hive-Verbindung
    • Apache Impala Verbindung
    • Apache Spark SQL-Verbindung
    • AWS Databricks
    • Box-Verbindung
    • ClickHouse Verbindung
    • Collibra-Anschluss
    • Zusammenflussverbindung
    • Databricks Delta Lake Verbindung
    • DataStax Astra-Verbindung
    • DataStax Enterprise -Verbindung
    • DataStax HCD-Verbindung
    • Denodo-Anschluss
    • Dremio -Verbindung
    • Dropbox-Verbindung
    • Elasticsearch-Verbindung
    • Elastic Cloud verbindung
    • FTP-Verbindung
    • Generische S3-Verbindung
    • Google BigQuery-Verbindung
      • Beispiele für die Einbindung von Workloadidentitäten
    • Google Cloud Pub/Sub-Verbindung
    • Google Cloud Storage-Verbindung
    • Google Drive Verbindung
    • Google Looker Verbindung
    • Greenplum-Verbindung
    • HTTP-Verbindung
    • IBM Cloud Data Engine Verbindung
    • IBM Cloud Databases for MongoDB Verbindung
    • IBM Cloud Databases for MySQL
    • IBM Cloud Databases for PostgreSQL Verbindung
    • IBM Cloud Object Storage-Verbindung
      • Zugriff auf Cloud Object Storage-Buckets steuern
    • IBM Cloud Object Storage (Infrastruktur) - Verbindung
    • IBM Cloudant-Verbindung
    • IBM Cognos Analytics-Verbindung
    • IBM Data Virtualization Manager for z/OS-Verbindung
    • IBM Db2-Verbindung
    • IBM Db2 Big SQL-Verbindung
    • IBM Db2 for i-Verbindung
    • IBM Db2 for z/OS-Verbindung
    • IBM Db2 on Cloud-Verbindung
    • IBM DB2-Warehouse-Verbindung
    • IBM FileNet P8 verbindung
    • IBM Informix-Verbindung
    • IBM Netezza Performance Server-Verbindung
    • IBM Netezza Performance Server für DataStage Verbindung
    • IBM Planning Analytics-Verbindung
    • IBM watsonx.data Milvus verbindung
    • IBM watsonx.data Presto Verbindung
    • IBM watsonx.data SharePoint verbindung
    • Iceberg-Metastore-Verbindung
    • Informatica- PowerCenter -Verbindung
    • JDBC-Verbindung
    • JMS-Verbindung
    • MariaDB-Verbindung
    • Microsoft Azure Blob Storage-Verbindung
    • Microsoft Azure Cosmos DB-Verbindung
    • Microsoft Azure Data Lake Storage -Verbindung
    • Microsoft- Azure Databricks -Verbindung
    • Microsoft Azure Fabric Warehouse Anschluss
    • Microsoft Azure File Storage-Verbindung
    • Microsoft- Azure PostgreSQL -Verbindung
    • Microsoft Azure SQL Database-Verbindung
    • Verbindung zu Microsoft Azure Synapse Analytics
    • Microsoft OneDrive verbindung
    • IBM watsonx.data SharePoint verbindung
    • Verbindung zu Microsoft- SharePoint -Dateien
    • Microsoft- SharePoint -Verbindung
    • Microsoft SQL Server-Verbindung
    • Milvus-Verbindung
    • MongoDB-Verbindung
    • MySQL-Verbindung
    • OData-Verbindung
    • OpenSearch-Verbindung
    • OpenSearch IBM Cloud Verbindung
    • Oracle-Verbindung
    • PostgreSQL-Verbindung
    • Presto-Verbindung
    • Salesforce.com-Verbindung
    • SAP ASE-Verbindung
    • SAP-IQ-Verbindung
    • SAP OData-Verbindung
    • SingleStoreDB Verbindung
    • Schlupfverbindung
    • Snowflake-Verbindung
    • Splunk-Verbindung
    • Tableau-Verbindung
    • Teradata-Verbindung
    • Trino-Anschluss
    • Vertica Verbindung
    • Web-Client-Verbindung
  • Plattformverbindungen hinzufügen
  • Erstellen benutzerdefinierter Konnektoren mit Connector Forge
  • Parametrisierte Verbindungen
  • Datenveredlung
    • Daten zu Data Refinery hinzufügen
    • Daten validieren
    • Daten visualisieren
    • Data Refinery-Abläufe verwalten
    • Zielverbindungsoptionen
    • GUI-Operationen
    • Interaktive Codevorlagen
    • Unterstützte Datenquellen für Data Refinery
  • Generierung strukturierter synthetischer Daten
    • Generierung strukturierter synthetischer Daten aus Beispieldaten
      • Verwendung der differenzierten Privatsphäre
      • Synthetische Daten auswerten
      • Synthetische Daten exportieren
    • Generierung synthetischer Daten aus einem benutzerdefinierten Datenschema
    • Datenquellen für Synthetic Data Generator
    • Referentielle Integrität und Mehrtabellenknoten
    • Knotenpunkte in Synthetic Data Generator
      • Anonymisierungsknoten
      • Knoten auswerten
      • Exportknoten
      • Knoten generieren
      • Importknoten
      • Mimik-Knoten
      • Multi-Export-Knoten
      • Multi-Gen-Knoten
      • Multi-Import-Knoten
      • Multi-Mimik-Knoten
    • Skripting fließt in Synthetic Data Generator
      • Scripts ausführen
      • Eigenschaften für Knoten und Bewegungen
      • Verfügbare Methoden für die Skripterstellung
      • Parameter in Synthetic Data Generator
  • Generierung unstrukturierter synthetischer Daten
    • Datenersteller und Startdaten
      • Werkzeug zum Aufrufen des Data Builders
      • Text-to-SQL-Datenerstellung
      • Wissen Datenersteller
    • Erstellen von Aufträgen zur Erzeugung unstrukturierter synthetischer Daten
    • Programmatische Erstellung von Aufträgen zur Erzeugung unstrukturierter synthetischer Daten
    • Konfiguration zur Schaffung von Arbeitsplätzen
  • Hinzufügen von vektorisierten Dokumenten
    • Vektorindex-Einstellungen
      • Einrichten eines Elasticsearch-Vektorspeichers
      • Einrichtung eines Milvus -Vektor-Stores
    • Erstellen eines Vektorindexes über die Benutzeroberfläche
    • Erstellen eines Vektorindex mit Code
  • Verwalten von Featuregruppen (Beta)
• Data-Science-Lösungen
  • Notebooks und Scripts
    • Erfahrung mit der Planung von Notebooks und Scripts
    • Jupyter-Notebookeditor
      • Notebooks erstellen und verwalten
      • Bestandteile eines Notebooks
      • Jupyter-Kernel und Notizbuch-Umgebungen
      • Notebooks codieren und ausführen
    • RStudio
      • Spark in RStudio verwenden
      • Migration von R-Code aus „ RStudio “-Skripten in Jupyter-Notebooks
    • Bibliotheken und Scripts
      • Angepasste Bibliotheken installieren
      • Scripts in ein Notebook importieren
    • Watson Natural Language Processing (Verarbeitung natürlicher Sprache)
      • Mit vorab trainierten Modellen arbeiten
      • Bibliothekstaskkatalog
        • Spracherkennung
        • Syntaxanalyse
        • Extraktion von Nomenphrasen
        • Schlüsselwortextraktion und Rangfolge
        • Extrahieren von Entitäten
        • Einbettungen
        • HAP-Erkennung
        • Stimmungsextraktion
        • Tonklassifizierung
        • Emotionsklassifizierung
        • Beziehungsextraktion
        • Hierarchische Kategorisierung
          • Kategorientypen
      • Eigene Modelle erstellen
        • Erkennung von Entitäten mit einem benutzerdefinierten Wörterbuch
        • Entitäten mit regulären Ausdrücken erkennen
        • Entitäten mit einem angepassten Umsetzungsprogrammmodell erkennen
        • Klassifizierung von Text mit einem angepassten Klassifizierungsmodell
        • Stimmung mit einem angepassten Umsetzungsprogrammmodell extrahieren
        • Zielstimmung mit einem angepassten Umsetzungsprogrammmodell extrahieren
      • Verwendungsbeispiele
    • Zusammenfassung der wichtigsten Punkte
    • Geodatenanalyse
    • Daten werden für Spark-SQL übersprungen
    • Parquet-Verschlüsselung
      • Schlüsselmanagement über die Anwendung
      • Schlüsselmanagement über KMS
    • Zeitreihenanalyse
      • Zeitreihenbibliothek verwenden
      • Wichtige Zeitreihenfunktionalität
      • Zeitreihenfunktionen
      • Verzögerte Zeitreihenauswertung
      • Zeitreferenzsystem
    • SPSS-Vorhersageanalysealgorithmen
      • Datenaufbereitung
      • Klassifikation und Regression
      • Clusterbildung
      • Vorhersage
      • Überlebensanalyse
      • Punktzahl
    • Daten in ein Notebook laden und darauf zugreifen
      • Daten über generierte Code-Snippets laden
      • Auf Daten in einem AWS S3-Bucket zugreifen
      • Manuelles Hinzufügen des Projektzugriffstokens
      • Mit ibm-watson-studio-lib auf Projektassets zugreifen
        • ibm-watson-studio-lib für Python
        • ibm-watson-studio-lib für R
      • Verwendung von Python Funktionen für die Arbeit mit IBM Cloud Object Storage
      • Verwalten von Featuregruppen mit assetframe-lib für Python (Beta)
    • Lebenszyklus von Notebooks und Scripts verwalten
      • Notebooks gemeinsam nutzen
        • Code in einem Notebook verbergen
      • Notebooks auf GitHub publizieren
      • Notebooks als Gist publizieren
  • AutoAI für maschinelles Lernen
    • Glossar für AutoAI
    • Automatisieren eines Experiments zum maschinellen Lernen
      • Experimenteinstellungen konfigurieren
      • Textanalyseexperiment konfigurieren
    • Automatisierung eines Experiments zur Zeitreihenprognose
      • Lernprogramm: AutoAI -Experiment für univariate Zeitreihen
      • Lernprogramm: AutoAI -Unterstützungsfunktionen für Zeitreihenexperimente
      • Implementierungsdetails für Zeitreihenexperimente
      • Scoring für ein Zeitreihenmodell durchführen
    • AutoAI-generiertes Notebook speichern
    • AutoAI-Modell auswählen
    • AutoAI bibliothek
    • Details der AutoAI-Implementierung
    • Datenimputation konfigurieren
      • Imputationsdetails für Zeitreihenexperimente
    • Inkrementelles Lernen zum Trainieren von Pipelines verwenden
      • Inkrementelles Lernen im Detail
    • AutoAI-Experimente auf Fairness bewerten
    • Fehlerbehebung für AutoAI-Experimente
  • Decision Optimization
    • Möglichkeiten zur Verwendung von Decision Optimization
    • Unterstützte Datenquellen in Decision Optimization
    • Beispielmodelle und Notebooks
    • Decision Optimization-Notebooks
    • Decision Optimization-Experimente
      • Experiment Decision Optimization erstellen
      • Szenarien
        • Szenariofenster öffnen
        • Szenario im Szenariofenster erstellen
        • Szenario aus Übersicht erstellen
        • Szenario importieren
        • Szenario exportieren
        • Alle Szenarios anzeigen
        • Notebook aus Szenario generieren
        • Szenarien vergleichen
        • Vergleich von Szenariotabellen
        • Vergleich von Szenariomodellen und Protokolldateien
        • Szenarios für Implementierung speichern
      • Decision Optimization -Experiment konfigurieren
        • Bereitstellungsbereich für Ihr Experiment ändern
        • Standardumgebungen ändern und Python -Bibliotheken hinzufügen
      • Eingabedaten vorbereiten
        • Hinzufügen von Daten zu einem Szenario
        • Eingabedaten bearbeiten
        • Tabellensuche und -filterung
        • Daten in ein Projekt exportieren
      • Erstellen eines Modells
        • Importierte Daten referenzieren und Ausgabe definieren
        • Code-Schnipsel für Gebäudemodelle
        • Mehrere Modelldateien
        • Modell importieren
        • Engineeinstellungen in einem Modell konfigurieren
      • Modell lösen
        • Zwischenlösungen
        • Ausführungsparameter für ein Szenario konfigurieren
        • Andere Ausführungsumgebung für ein Szenario auswählen
      • Lösung erkunden
      • Visualisierungsansicht
        • Visualisierungswidgets
        • Mehrere Szenarios anzeigen
        • Syntax des Visualisierungswidgets
          • Notizwidgets
          • Tabellenwidgets
          • Diagrammwidgets
          • Vega Chart-Widgets
          • Gantt-Widgets
          • Pivot-Tabellenwidgets
      • Python DOcplex-Modelle
        • Eingabe- und Ausgabedaten
        • Ein Modell lösen und analysieren: das Ernährungsproblem
          • Ändern der Szenariodaten
        • Mit mehreren Szenarios arbeiten
          • Mehrere Szenarios generieren
        • Engineeinstellungen
      • Modeling Assistant -Modelle
        • Entscheidungsdomäne im Modellierungsassistenten auswählen
        • Gestaltung und Ausführung eines Modells: Hausbauplanung
        • Mehrkonzeptbedingungen und angepasste Entscheidungen hinzufügen: Schichtzuordnung
        • Erweiterte angepasste Integritätsbedingungen mit Python erstellen
      • OPL-Modelle
    • Decision Optimization -Java-Modelle
  • SPSS Modeler
    • Erste Schritte in SPSS Modeler
      • Datenauswertung in SPSS Modeler
      • Auswertung von Textdaten mit Textanalyse
        • Wissenswertes über das Textmining
        • Funktionsweise der Extraktion
        • Funktionsweise der Kategorisierung
    • Lernprogramme
      • Einführung in Modellierung
      • Modellierung für ein Flaggenziel automatisieren
      • Automatisieren Sie die Modellierung für ein kontinuierliches Ziel
      • Automatisieren Sie die Datenaufbereitung
      • Graphen für die Drogenbehandlung erforschen
      • Prädiktoren screenen
      • Länge der Eingabedatenkette reduzieren
      • Telekommunikationskunden klassifizieren
      • Telekommunikationsabwanderung vorhersagen
      • Vorhersage der Bandbreitennutzung
      • Prognose der Katalogverkäufe
      • Angebote an Kunden machen (selbstlernend)
      • Verkaufsförderungsmaßnahmen im Einzelhandel vorhersagen
      • Bedingungsüberwachung
      • Analysieren Sie Text für die Zufriedenheit von Hotels
    • Verstehen und Aufbereiten von Daten
      • SPSS Modeler-Datenstrom importieren
      • SQL-Optimierung
        • Funktionsweise des SQL-Pushbacks
        • Tipps für die Maximierung des SQL-Pushbacks
        • Knoten mit Unterstützung des SQL-Pushbacks
        • CLEM-Ausdrücke und -Operatoren mit Unterstützung von SQL-Pushback
        • SQL aus Modellnuggets generieren
      • Fehlende Datenwerte
        • Fehlende Werte behandeln
          • Datensätze mit fehlenden Werten behandeln
          • Felder mit fehlenden Werten behandeln
          • Datensätze mit systemdefiniert fehlenden Werten behandeln
        • Verfügbare Funktionen für fehlende Werte
      • Temporärer Speicher
    • Unterstützte Datenquellen für SPSS Modeler
    • Bauabläufe und Modelle
      • Knoten in einem Ablauf inaktivieren oder zwischenspeichern
        • Knoten in einem Ablauf inaktivieren
        • Caching-Optionen für Knoten
      • Kommentare und Anmerkungen hinzufügen
      • Eigenschaften für Abläufe festlegen
      • Diagrammerstellungsfunktion
      • Fluss-Skripting
        • Beispiel für Ablaufscripting
        • Ablauf- und Superknotenparameter
    • Knotenpalette
      • Importieren
        • Data Asset-Knoten
        • Erweiterungsimportknoten
        • Simulationsgenerierungsknoten
        • Benutzereingabeknoten
      • Datensatzoperationen
        • Aggregatknoten
        • Anhangknoten
        • Balancierungsknoten
        • CPLEX-Optimierung (Knoten)
        • Duplikatknoten
        • Erweiterungstransformationsknoten
        • Zusammenführungsknoten
        • RFM-Aggregat (Knoten)
        • Stichprobenknoten
        • Knoten auswählen
        • SMOTE-Knoten
        • STB-Knoten
        • Sortierknoten
        • Streaming-TCM-Knoten
        • Streaming-Zeitreihenknoten
      • Feldfunktionen
        • Anonymisierungsknoten
        • Knoten "Automatische Datenaufbereitung"
        • Klassierknoten
        • Ableitungsknoten
        • Ensembleknoten
        • Knoten "Felder umordnen"
        • Füllerknoten
        • Filterknoten
        • Verlaufsknoten
        • Partitionsknoten
        • Umcodierungsknoten
        • Umstrukturierungsknoten
        • RFM-Analyse (Knoten)
        • Dichotomknoten
        • Zeitintervallknoten
        • Transponierknoten
        • Typknoten
          • Informationen zu Typen anzeigen und festlegen
          • Messniveaus
            • Georäumliche Untermessniveaus
          • Stetige Daten umwandeln
          • Funktionsweise der Instanziierung
          • Datenwerte
            • Optionen für Werte festlegen
            • Werte und Beschriftungen für kontinuierliche Daten angeben
            • Werte und Beschriftungen für nominale und ordinale Daten angeben
            • Werte für ein Flag angeben
            • Werte für Sammlungsdaten angeben
            • Werte für Geodaten angeben
          • Fehlende Werte definieren
          • Typwerte überprüfen
          • Feldrolle festlegen
          • Optionen für Feldformate festlegen
      • Diagramme
        • Diagrammknoten
        • Sammlungsknoten
        • Verteilungsknoten
        • Evaluierungsknoten
        • Histogrammknoten
        • Plotknoten
        • Multiplotknoten
        • Zeitdiagrammknoten
        • Netzdiagrammknoten
      • Modellierung
        • Anomalieknoten
        • Apriori-Knoten
        • Assoziationsregelknoten
        • Knoten "Autom. Klassifikationsmerkmal"
          • Fortlaufendes maschinelles Lernen
        • Knoten "Autonumerisch"
        • Knoten "Autom. Cluster"
        • Bayes-Netzknoten
        • C5.0-Knoten
        • Knoten "C&R-Baum"
        • CARMA-Knoten
        • CHAID-Knoten
        • Cox-Knoten
        • Entscheidungslistenknoten
        • Diskriminanzknoten
        • Erweiterungsmodellknoten
          • Nugget für Erweiterungsmodelle
        • Merkmalauswahlknoten
        • Knoten "Gaußsche Mischverteilung"
        • GenLin-Knoten
        • GLE-Knoten
        • GLMM-Knoten
        • HDBSCAN-Knoten
        • Knoten "Isotonisch-AS"
        • KDE-Knoten
        • K-Means-Knoten
        • K-Means-AS-Knoten
        • KNN-Knoten
        • Kohonen-Knoten
        • Linearknoten
        • Linear-AS-Knoten
        • Logistikknoten
        • LSVM-Knoten
        • Neuronaler Netzknoten
        • MultiLayerPerceptron-AS-Knoten
        • Knoten "One-Class SVM"
        • Faktor/PCA-Knoten
        • QUEST-Knoten
        • Random Trees-Knoten
        • Random Forest-Knoten
        • Regressionsknoten
        • Sequenzknoten
        • SLRM-Knoten
        • SVM-Knoten
        • TCM-Knoten
        • Zeitreihenknoten
        • Tree-AS-Knoten
        • TwoStep-Clusterknoten
        • TwoStep-AS-Clusterknoten
        • XGBoost-AS-Knoten
        • Knoten "XGBoost Linear"
        • Knoten "XGBoost Tree"
      • Textanalyse
        • Language Identifier-Knoten
        • Textlinkanalyseknoten
          • Expertenoptionen
          • Ausgabe des TLA-Knotens
        • Textmining-Knoten
          • Textmining-Modellnuggets
          • Textanalyseworkbench
            • Registerkarte "Konzepte"
            • Registerkarte "Textlinks"
            • Registerkarte "Kategorien"
            • Registerkarte 'Ressourceneditor'
              • Regel-Labor
              • Erstellen von TLA-Regeln mit dem Rule Lab
            • Optionen festlegen
              • Erweiterte Einstellungen für Linguistik
              • Erweiterte Einstellungen für Häufigkeit
            • Modellnugget generieren
        • Linguistische Ressourcen
          • Wiederverwendung benutzerdefinierter linguistischer Ressourcen
            • Wiederverwendung benutzerdefinierter Kategoriesätze
            • Wiederverwendung einer Bibliothek
            • Wiederverwendung einer Vorlage
            • Wiederverwendung eines Textanalysepakets (TAP)
      • Ausgaben
        • Analyseknoten
        • Data Audit-Knoten
        • Erweiterungsausgabeknoten
        • KDE-Simulationsknoten
        • Matrixknoten
        • Mittelwertknoten
        • Berichtknoten
        • Globalwerteknoten
        • Simulationsanpassungsknoten
        • Simulationsevaluierungsknoten
        • Statistikknoten
        • Tabellenknoten
        • Transformationsknoten
      • Exportieren
        • Datenasset-Exportknoten
        • Erweiterungsexportknoten
      • Erweiterungsknoten
        • Native Python -APIs
        • Python for Spark-Scripts
          • Scripting mit Python for Spark
            • Datenmetadaten
            • Datum, Uhrzeit, Zeitmarke
            • Ausnahmen
            • Beispiele
        • R-Scripts
      • SuperNodes
    • Förderung von SPSS Modeler und -Modellen
    • Scripting und Automatisierung
      • Scripting - Übersicht
        • Scripttypen
        • Flow-Scripts
          • Beispiel eines Flow-Scripts: Trainieren eines neuronalen Netzes
          • Größenbegrenzungen für Jython-Code
        • Scripts ausführen und unterbrechen
      • Die Scriptsprache
        • Python und Jython
        • Python-Scripting
          • Betriebsabläufe
          • Listen
          • Zeichenfolgen
          • Anmerkungen
          • Anweisungssyntax
          • Kennungen
          • Codeblöcke
          • Übergeben von Argumenten an ein Script
          • Beispiele
          • Mathematische Methoden
          • Verwendung von Nicht-ASCII-Zeichen
        • Objektorientierte Programmierung
          • Definieren einer Klasse
          • Erstellen einer Klasseninstanz
          • Hinzufügen von Attributen zu einer Klasseninstanz
          • Definieren von Klassenattributen und Methoden
          • Ausgeblendete Variablen
          • Vererbung
      • Scripting in SPSS Modeler
        • Abläufe, Superknotendatenströme und Diagramme
          • Abläufe
          • Superknotenabläufe
          • Diagramme
        • Ablauf ausführen
        • Scripting-Kontext
        • Referenzieren vorhandener Knoten
          • Suchen von Knoten
          • Eigenschaften werden festgelegt
        • Knoten erstellen und Abläufe ändern
          • Erstellen von Knoten
          • Aktivieren und Aufheben von Links für Knoten
          • Importieren, Ersetzen und Löschen von Knoten
          • Durch Knoten in einem Flow traversieren
        • Abrufen von Informationen zu Knoten
      • Scripting-API
        • Beispiel: Suchen nach Knoten mit einem benutzerdefinierten Filter
        • Metadaten: Informationen zu Daten
        • Parameter
        • Globale Werte
        • Fehlerberichte für Datenflüsse
      • Tipps zum Scripting
        • Verwendung von Schleifen bei Knoten
        • Auf Ergebnisse der Ablaufausführung zugreifen
          • Tabelleninhaltsmodell
          • XML-Inhaltsmodell
          • JSON-Inhaltsmodell
          • Inhaltsmodell für Spaltenstatistiken und Inhaltsmodell für paarweise Statistikdaten
      • Eigenschaftsreferenz - Übersicht
        • Syntax für Eigenschaften
          • Strukturierte Eigenschaften
          • Abkürzungen
        • Beispiele für Knoten- und Flow-Eigenschaften
        • Knoteneigenschaften - Übersicht
          • Allgemeine Knoteneigenschaften
      • Datenflusseigenschaften
      • Eigenschaften des Datenassetimportknotens
        • Eigenschaften von "dataassetimport"
        • extensionimportnode, Eigenschafen
        • simgennode, Eigenschaften
        • userinputnode, Eigenschaften
      • Eigenschaften von Datensatzoperationsknoten
        • appendnode, Eigenschaften
        • aggregatenode, Eigenschaften
        • balancenode, Eigenschaften
        • cplexoptnode, Eigenschaften
        • Eigenschaften von "derive_stbnode"
        • distinctnode, Eigenschaften
        • extensionprocessnode, Eigenschaften
        • mergenode, Eigenschaften
        • rfmaggregatenode, Eigenschaften
        • samplenode, Eigenschaften
        • selectnode, Eigenschaften
        • Sortierknoten, Eigenschaften
        • Eigenschaften von "streamingtimeseries"
      • Eigenschaften von Feldoperationsknoten
        • anonymizenode, Eigenschaften
        • Eigenschaften von "autodataprepnode"
        • astimeintervalsnode, Eigenschaften
        • binningnode, Eigenschaften
        • derivenode, Eigenschaften
        • ensemblenode, Eigenschaften
        • fillernode, Eigenschaften
        • Eigenschaften von "filternode"
        • historynode, Eigenschaften
        • partitionnode, Eigenschaften
        • reclassifynode, Eigenschaften
        • reordernode, Eigenschaften
        • restructurenode, Eigenschaften
        • rfmanalysisnode, Eigenschaften
        • settoflagnode, Eigenschaften
        • Transponierknoten, Eigenschaften
        • Eigenschaften von "typenode"
      • Eigenschaften von Modellierungsknoten
        • Allgemeine Eigenschaften von Modellierungsknoten
        • anomalydetectionnode, Eigenschaften
        • apriorinode, Eigenschaften
        • associationrulesnode, Eigenschaften
        • autoclassifiernode, Eigenschaften
          • Festlegen der Algorithmuseigenschaften
        • autoclusterernode, Eigenschaften
        • autonumericnode, Eigenschaften
        • Eigenschaften von "bayesnetnode"
        • c50node, Eigenschaften
        • carmanode, Eigenschaften
        • cartnode, Eigenschaften
        • chaidnode, Eigenschaften
        • coxregnode, Eigenschaften
        • Eigenschaften von "decisionlistnode"
        • discriminantnode, Eigenschaften
        • extensionmodelnode, Eigenschaften
        • factornode, Eigenschaften
        • featureselectionnode, Eigenschaften
        • genlinnode, Eigenschaften
        • Eigenschaften von "glmmnode"
        • gle, Eigenschaften
        • kmeansnode, Eigenschaften
        • kmeansasnode, Eigenschaften
        • knnnode, Eigenschaften
        • kohonennode, Eigenschaften
        • Eigenschaften von "linearnode"
        • Eigenschaften von "linearasnode"
        • logregnode, Eigenschaften
        • lsvmnode, Eigenschaften
        • neuralnetworknode, Eigenschaften
        • questnode, Eigenschaften
        • randomtrees, Eigenschaften
        • regressionnode, Eigenschaften
        • sequencenode, Eigenschaften
        • slrmnode, Eigenschaften
        • svmnode, Eigenschaften
        • Eigenschaften von "tcmnode"
        • ts, Eigenschaften
        • Tree-AS, Eigenschaften
        • Eigenschaften von "twostepnode"
        • TwoStep AS, Eigenschaften
      • Eigenschaften von Modellnuggetknoten
        • Eigenschaften von "applyanomalydetectionnode"
        • Eigenschaften von "applyapriorinode"
        • applyassociationrulesnode, Eigenschaften
        • Eigenschaften von "applyautoclassifiernode"
        • applyautoclusternode, Eigenschaften
        • applyautonumericnode, Eigenschaften
        • Eigenschaften von "applybayesnetnode"
        • Eigenschaften von applyc50node
        • applycarmanode, Eigenschaften
        • Eigenschaften von "applycartnode"
        • Eigenschaften von "applychaidnode"
        • Eigenschaften von "applycoxregnode"
        • applydecisionlistnode, Eigenschaften
        • Eigenschaften von "applydiscriminantnode"
        • applyextension, Eigenschaften
        • applyfactornode, Eigenschaften
        • applyfeatureselectionnode, Eigenschaften
        • applygeneralizedlinearnode, Eigenschaften
        • Eigenschaften von "applyglmmnode"
        • Eigenschaften von "applygle"
        • Eigenschaften von "applygmm"
        • applykmeansnode, Eigenschaften
        • Eigenschaften von "applyknnnode"
        • applykohonennode, Eigenschaften
        • applylinearnode, Eigenschaften
        • applylinearasnode, Eigenschaften
        • Eigenschaften von "applylogregnode"
        • Eigenschaften von "applylsvmnode"
        • applyneuralnetworknode, Eigenschaften
        • Eigenschaften von "applyocsvmnode"
        • Eigenschaften von "applyquestnode"
        • applyrandomtrees, Eigenschaften
        • applyregressionnode, Eigenschaften
        • applyselflearningnode, Eigenschaften
        • applysequencenode, Eigenschaften
        • applysvmnode, Eigenschaften
        • Eigenschaften von "applytcmnode"
        • Eigenschaften von applyts
        • applytreeas, Eigenschaften
        • applytwostepnode, Eigenschaften
        • applytwostepAS, Eigenschaften
        • Eigenschaften von "applyxgboosttreenode"
        • applyxgboostlinearnode, Eigenschaften
        • Eigenschaften von "hdbscannugget"
        • Eigenschaften von "kdeapply"
      • Eigenschaften von Diagrammknoten
        • collectionnode, Eigenschaften
        • Eigenschaften von "distributionnode"
        • dvcharts-Eigenschaften
        • Eigenschaften von "evaluationnode"
        • Eigenschaften von "histogramnode"
        • Eigenschaften von "multiplotnode"
        • Eigenschaften von "plotnode"
        • Eigenschaften von "timeplotnode"
        • Eigenschaften von "webnode"
      • Eigenschaften von Ausgabeknoten
        • analysisnode, Eigenschaften
        • dataauditnode, Eigenschaften
        • extensionoutputnode, Eigenschaften
        • kdeexport, Eigenschaften
        • matrixnode, Eigenschaften
        • meansnode, Eigenschaften
        • reportnode, Eigenschaften
        • setglobalsnode, Eigenschaften
        • simfitnode, Eigenschaften
        • statisticsnode, Eigenschaften
        • tablenode, Eigenschaften
        • transformnode, Eigenschaften
      • Eigenschaften von Exportknoten
        • Eigenschaften von "dataassetexport"
        • Eigenschaften von "extensionexportnode"
      • Eigenschaften von Python-Knoten
        • Eigenschaften von "gmm"
        • Eigenschaften von "hdbscannode"
        • Eigenschaften von "kdemodel"
        • kdeexport, Eigenschaften
        • Eigenschaften von "ocsvmnode"
        • rfnode, Eigenschaften
        • Eigenschaften von "smotenode"
        • Eigenschaften von "xgboostlinearnode"
        • Eigenschaften von "xgboosttreenode"
      • Eigenschaften des Spark-Knotens
        • Eigenschaften von "isotonicasnode"
        • kmeansasnode, Eigenschaften
        • Eigenschaften von "multilayerperceptronnode"
        • Eigenschaften von "xgboostasnode"
      • Superknoteneigenschaften
    • Ausdruckserstellungsprogramm
      • Funktionen auswählen
    • Referenzinformationen
      • Tipps und Direktaufrufe
      • CLEM-Sprachreferenz (traditionell)
        • CLEM-Ausdrücke (traditionelle Ausdrücke) erstellen
          • Informationen zu CLEM
          • CLEM-Beispiele
          • Werte und Datentypen
          • Ausdrücke und Bedingungen
          • Mit Zeichenfolgen arbeiten
          • Verarbeitung von Leerzeichen und fehlenden Werten
          • Mit Zahlen arbeiten
          • Mit Zeiten und Daten arbeiten
          • Mehrere Felder zusammenfassen
          • Mit mehreren Antwortdaten arbeiten
          • Expression Builder
            • Zugriff auf Expression Builder
            • Ausdrücke erstellen
            • Funktionen auswählen
              • Datenbankfunktionen
            • Felder auswählen
            • Anzeigen oder Auswählen von Werten
            • Prüfen von CLEM-Ausdrücken
          • Suchen
        • CLEM-Datentypen
          • Ganzzahlen
          • Reelle Zahlen
          • Zeichen
          • Zeichenfolgen
          • Listen
          • Felder
          • Daten
          • Zeit
        • CLEM-Operatoren
        • Funktionsreferenz
          • Konventionen bei Funktionsbeschreibungen
          • Bitweise ganzzahlige Operationen
          • Vergleichsfunktionen
          • Konvertierungsfunktion
          • Datums-und Zeitfunktionen
            • Datums-und Zeitwerte konvertieren
          • Funktionen mit Verarbeitung der Leerzeichen und Nullwerte
          • Globale Funktionen
          • Informationsfunktionen
          • Logische Funktionen
          • Numerische Funktionen
          • Wahrscheinlichkeitsfunktionen
          • Zufallsfunktionen
          • Sequenzfunktionen
          • SoundEx-Funktionen
          • Räumliche Funktionen
          • Sonderfelder
          • String-Funktionen
          • Trigonometrische Funktionen
      • SPSS-Algorithmen
  • Daten visualisieren
    • Diagrammtypen
      • 3-D-Diagramme
      • Balkendiagramme
      • Boxplot-Diagramme
      • Blasendiagramme
      • Candlestick-Diagramme
      • Kreisverdichtungsdiagramme
      • Benutzerdefinierte Diagramme
      • Dendrogrammdiagramme
      • Diagramme mit doppelter Y-Achse
      • Fehlerbalkendiagramme
      • Evaluierungsdiagramme
      • Heat-Map-Diagramme
      • Histogrammdiagramme
      • Liniendiagramme
      • Kartendiagramme
      • Mathematische Kurvendiagramme
      • Mehrfachdiagramme
      • Diagramme mit mehreren Zeitreihen
      • Paralleldiagramme
      • Pareto-Diagramme
      • Kreisdiagramme
      • Bevölkerungspyramidendiagramme
      • Q-Q-Diagramme
      • Radardiagramme
      • Beziehungsdiagramme
      • Streudiagramme und Punktdiagramme
      • Streumatrixdiagramme
      • Reihenarraydiagramme
      • Sunburst-Diagramme
      • t-SNE-Diagramme
      • Zeitdiagramme
      • Theme River-Diagramme
      • Baumdiagramme
      • Treemap-Diagramme
      • Wortwolkendiagramme
    • Globale Visualisierungsvorgaben
• Einsatz von KI
  • Serviceendpunkte
  • KI-Assets implementieren
    • Einsatz generativer und agentenbasierter KI-Anwendungen
      • Eingabeaufforderungsvorlage bereitstellen
      • Einsatz von abgestimmten Modellen
        • Anforderungen für die Bereitstellung von LoRA oder QLoRA optimierten Modellen
        • Bereitstellung optimierter Modelle mit Benutzeroberfläche
        • Bereitstellung optimierter Modelle mit Code
      • Einsatz eines maßgeschneiderten Fundamentmodells
        • Planung der Bereitstellung eines benutzerdefinierten Fundamentmodells
        • Herunterladen eines benutzerdefinierten Fundamentmodells und Einrichten der Lagerung
        • Erstellen eines Modell-Assets
        • Globale Parameter für benutzerdefinierte Gründungsmodelle
        • Erstellen einer Bereitstellung für ein benutzerdefiniertes Fundamentmodell
        • Ableitung eines benutzerdefinierten Fundamentmodells
        • Verwaltung eines Einsatzes für ein benutzerdefiniertes Stiftungsmodell
      • Bereitstellung eines Fundamentmodells auf Abruf
        • Bereitstellung von Foundation-Modellen auf Abruf über die Ressourcendrehscheibe
        • Bereitstellung von Foundation-Modellen auf Abruf mit REST API
        • Bereitstellung von Foundation-Modellen auf Abruf mit der Python
      • Bereitstellung von KI-Diensten
        • Bereitstellung von KI-Diensten mit visuellen Tools
        • KI-Dienste mit Code bereitstellen
          • KI-Dienste manuell codieren und bereitstellen
          • KI-Dienste mit Vorlagen kodieren und bereitstellen
          • KI-Dienste mit CPDCTL kodieren und bereitstellen
          • Kodierung und Bereitstellung von KI-Diensten mit ibm- watsonx -ai-cli
        • Testen von AI-Service-Implementierungen
        • Verwaltung von KI-Dienstbereitstellungen
      • Einsatz von agentenbasierten KI-Anwendungen
    • Assets für maschinelles Lernen bereitstellen
      • Maschinelles Lernen programmgesteuert bereitstellen
        • Beispielnotebooks für den Python -Client
      • Onlinebereitstellungen erstellen
      • Stapelbereitstellungen erstellen
        • Datenquellen für das Auswerten von Batch-Bereitstellungen
        • Eingabedetails für Batchbereitstellung nach Rahmenwerk
          • AutoAI -Modelle
          • Decision Optimization-Modelle
          • Python-Funktionen
          • Python-Scripts
          • Pytorch-Modelle
          • Scikit-learn-und XGBoost-Modelle
          • Spark-und PMML-Modelle
          • SPSS-Modelle
          • Tensorflow -Modelle
          • SPSS-Modell mit mehreren Eingaben bereitstellen
      • Python-Funktionen bereitstellen
        • Implementierbare Python -Funktionen schreiben
      • Einsatz von NLP-Modellen
      • Scripts bereitstellen
      • Bereitstellung von in das ONNX-Format konvertierten Modellen
      • Bereitstellungsjobs erstellen
      • Bereitstellung für SPSS Modeler mit mehreren Quellen
      • Erstellen von Aufträgen in Bereitstellungsbereichen für SPSS Modeler-Flows
      • Berechnungsoptionen für Modelltrainings und Scoring
      • Verwaltung der Hardware-Spezifikationen für Bereitstellungen
      • Bereitstellungsjobs verwalten
      • Bereitstellung aktualisieren
      • Bereitstellung skalieren
      • Bewertung von Bereitstellungen
      • Bereitstellung löschen
    • Modellverfolgung mit AI Factsheets aktivieren
    • Frameworks und Softwarespezifikationen
      • Unterstützte Frameworks und Softwarespezifikationen
      • Veraltete Softwarespezifikationen oder Rahmenwerke verwalten
    • Implementierungslaufzeiten anpassen
      • Voraussetzungen für die Verwendung angepasster Komponenten in ML-Modellen
      • Mit Python -Bibliotheken anderer Anbieter und privaten Bibliotheken anpassen
    • KI-Lebenszyklus mit ModelOps verwalten
      • Dashboard 'Bereitstellungen'
      • KI-Lebenszyklus mit CPDCTL verwalten
        • Beispiel: Script-Asset mit CPDCTL erstellen
  • Aufgaben mit „ Orchestration Pipelines “ koordinieren
    • Einführung in Pipelines
      • Pipeline planen
    • Integrierte Beispielpipeline erkunden
    • Beispielpipeline zum Vergleichen von Modellen ausführen
    • Eine Pipeline erstellen
      • Pipelineknoten konfigurieren
      • Standardeinstellungen verwalten
      • Globale Objekte konfigurieren
      • Bedingungen zu einer Pipeline hinzufügen
        • In Pipelines Expression Builder verwendete Funktionen
      • Umgang mit Pipeline-Fehlern
      • Pipeline programmieren
      • Angepasste Komponenten erstellen
    • Pipelines ausführen und speichern
    • Konfigurationsmanagement für „ Orchestration Pipelines “
  • Decision Optimization
    • Modell über die Benutzerschnittstelle bereitstellen
    • Ein Modell programmatisch bereitstellen
      • Modell bereitstellen
      • Formate für Modelleingabe und -ausgabedaten
        • OPL-Modelleingabe- und Ausgabedateiformate
        • Python Modelleingabe- und Ausgabedateiformate
      • Batch-Bereitstellung und Modellausführung
        • Eingabedaten für Einsatzaufträge
        • Ausgabedaten für Einsatzaufträge
        • Ausführungsparameter
        • Jobs ausführen
      • Beispiel für REST-API
    • Java-Modelle implementieren
    • Python-Version in einem implementierten Modell mit REST-API ändern
    • Python-Client-Beispiele
    • Delegieren der Lösung der CPLEX-Engine an watsonx.ai Runtime
• Regierende KI
  • AI-Risikoatlas
    • Toxischer Output
    • Unerklärliche und nicht nachvollziehbare Handlungen
    • Datenvergiftung
    • Unzuverlässige Angabe der Quelle
    • Schadensbegrenzung und Instandhaltung
    • Einhaltung der Vorschriften durch AI-Agenten
    • Funktion, die Halluzinationen hervorruft
    • Schädlicher Output
    • Angriff mit indirekten Anweisungen
    • Vertrauliche Informationen in Daten
    • Mangelnde Transparenz des Modells
    • Vertrauensmissverhältnis ausnutzen
    • Unrepräsentative Daten
    • Auswirkungen von KI-Agenten auf das menschliche Handeln
    • Auswirkungen von KI-Agenten auf das menschliche Handeln
    • Persönliche Informationen in der Eingabeaufforderung
    • Weitergabe von IP/PI/vertraulichen Informationen an Nutzer
    • Zeitliche Lücke
    • Nicht einvernehmliche Nutzung
    • Voreingenommenheit
    • Mangelnde Vielfalt bei den Tests
    • Offenlegung persönlicher Informationen
    • Vertrauliche Daten in der Eingabeaufforderung
    • Angleichung der Datenschutzrechte
    • Diskriminierende Maßnahmen
    • IP-Informationen in der Eingabeaufforderung
    • Promptes Auslaufen
    • Halluzination
    • Rechtliche Verantwortlichkeit
    • Social-Hacking-Angriff
    • Nichtangabe
    • Mangelnde Transparenz der Ausbildungsdaten
    • Einschränkungen der Nutzungsrechte am Modell
    • Reproduzierbarkeit
    • Spezialisierter Angriff mit Spielsteinen
    • Prompt-Injektionsangriff
    • Unvollständige Beratung
    • Mangelnde Transparenz des Systems
    • Einschränkungen der Datennutzung
    • Auswirkungen auf die kulturelle Vielfalt
    • Auswirkungen auf die Bildung: Plagiate
    • Persönliche Informationen in Daten
    • Direkte Anweisungen Angriff
    • Unsachgemäße Verwendung
    • Ausschluss
    • Extraktionsangriff
    • Auswirkungen auf die Arbeitsplätze
    • Jailbreaking
    • Einschränkungen bei der Datenerfassung
    • Gemeinsame Nutzung von IP/PI/vertraulichen Informationen mit Tools
    • Zeitnahe Grundierung
    • Re-Identifizierung
    • Überanpassung
    • Angriff durch Attributinferenz
    • Schlechte Modellgenauigkeit
    • Einschränkungen bei der Datenübertragung
    • Eigentum an generierten Inhalten und IP
    • Angriff auf verschlüsselte Interaktionen
    • Auswirkungen auf die Menschenwürde
    • Vorspannung am Ausgang
    • Gefährliche Verwendung
    • Mangelnde Transparenz der KI-Agenten
    • Unerklärlicher Output
    • Ausbeutung des Menschen
    • Auswirkungen von KI-Agenten auf die Beschäftigung
    • Unsachgemäße Datenkuration
    • Übermäßiges oder unzureichendes Vertrauen in KI-Agenten
    • Angriff auf externe Ressourcen von AI-Agenten
    • Offenlegung vertraulicher Informationen
    • Mangelndes Fachwissen
    • Verbreitung von Desinformationen
    • Datenverzerrung
    • Unsichere Datenherkunft
    • Unrepräsentative Risikotests
    • Redundante Aktionen
    • Einschränkungen der Datennutzungsrechte
    • Unerlaubte Nutzung
    • Falsch ausgerichtete Aktionen
    • Auswirkungen von AI-Agenten auf die Umwelt
    • Schädliche Codegenerierung
    • Kontamination der Daten
    • Unvollständige Definition der Verwendung
    • Verletzung des Urheberrechts
    • Angriff durch Kontextüberlastung
    • Mangelnde Datentransparenz
    • Auswirkungen auf die betroffenen Gemeinschaften
    • Unsachgemäße Umschulung
    • Ausbreitung der Toxizität
    • Unzugängliche Trainingsdaten
    • Auswirkungen auf die Bildung: Umgehung des Lernens
    • Datenverzerrung einführen
    • Verantwortlichkeit für die Handlungen von AI-Agenten
    • Unvollständige Bewertung von AI-Agenten
    • Nicht zurückverfolgbare Zuschreibung
    • Ausweichmanöver
    • Auswirkungen auf die Umwelt
    • Über- oder Untervertrauen
    • Fehlerhafte Risikoprüfung
    • Angriff durch Mitgliedschaftsinferenz
  • Governance planen
  • KI-Modelle bewerten
    • Setup-Optionen für Modellauswertungen
      • Konfigurieren von Modellauswertungen mit automatischer Einrichtung
      • Konfigurieren von Modellauswertungen mit manueller Einrichtung
      • Konfigurieren von Modellauswertungen mit erweiterten Einstellungen
    • Begriffe für Bewertungen
    • Häufig gestellt Fragen (FAQs)
    • Unterstützte Machine Learning-Engines, Frameworks und Modelle
      • IBM watsonx.ai Runtime
      • Microsoft Azure ML Studio-Frameworks
      • Microsoft Azure ML Service-Frameworks
      • Amazon SageMaker-Frameworks
      • Angepasste ML-Frameworks
      • Integration von ML-Engines von Drittanbietern für Modellbewertungen
    • Auswertung von Modellen vorbereiten
      • Implementierungen für Bewertungen hinzufügen
      • Modelldetails bereitstellen
      • Assetbereitstellungen mit JSON-Konfigurationsdateien konfigurieren
    • Daten für Modellevaluierungen verwalten
      • Nutzdaten verwalten
        • Nutzdatenprotokollierung
      • Trainingsdaten verwalten
      • Rückmeldedaten werden verwaltet
      • Modelltransaktionen senden
    • Auswertung Studio
      • Evaluation Studio für Agentic AI-Anwendungen
    • Bewertung von Agenten und agentenbasierten Anwendungen
    • Eingabeaufforderungsvorlagen in Projekten auswerten
    • Eingabeaufforderungsvorlagen in Bereitstellungsbereichen auswerten
    • Vorlagen für freigegebene Eingabeaufforderungen in Projekten auswerten
    • Vorlagen für freigegebene Eingabeaufforderungen in Bereichen auswerten
    • Bewertung der generativen KI-Ausgabe in mehreren Sprachen
    • Auswertungsmetriken
      • Abstraktheit
      • Genauigkeit
      • Widerstandsfähigkeit gegenüber Widersachern
      • Antwortrelevanz
      • Antwortähnlichkeit
      • API-Latenz
      • API-Durchsatz
      • Fläche unter PR
      • Fläche unter ROC
      • Durchschnittliche absolute Odds-Differenz
      • Durchschnittliche Odds-Differenz
      • Durchschnittliche Genauigkeit
      • BLEU
      • Komprimierung
      • Enthält alles
      • Enthält ein beliebiges der folgenden Elemente
      • Enthält E-Mail
      • Enthält_JSON
      • Enthält Link
      • Enthält keine
      • Enthält Zeichenkette
      • Enthält einen gültigen Link
      • Kontextrelevanz
      • Abdeckung
      • Dichte
      • Ungleiche Auswirkungen
      • Einbettungsdrift
      • Endet mit
      • Gleich
      • Differenz bei Fehlerrate
      • Exakte Übereinstimmung
      • Treue
      • Differenz der False Discovery Rate
      • Differenz der Falsch-Negativ-Rate
      • Differenz der Falschauslassungsquote
      • Differenz der Falsch-Positiv-Rate
      • Feature-Drift
      • Grobe Übereinstimmung
      • HAP-Metrik
      • Trefferrate
      • Auswirkungsbewertung
      • Abweichung der Eingabemetadaten
      • Anzahl der Eingabetoken
      • Ist E-Mail
      • Ist JSON
      • Einbeziehung von Schlüsselwörtern
      • Länge größer als
      • Länge kleiner als
      • Makro-F1-Score
      • Makro-Genauigkeit
      • Makro-Trefferquote
      • METEOR
      • Kompakt-F1-Score
      • Micro-Genauigkeit
      • Micro-Trefferquote
      • Modellqualitätsdrift
      • Natürliche Robustheit
      • Keine ungültigen Links
      • Normalisierter diskontierter kumulativer Gewinn
      • Ausgabedrift
      • Abweichung der Ausgabemetadaten
      • Anzahl der Ausgabetoken
      • Nutzdatengröße
      • Personenbezogene Daten
      • Vorhersageabweichung
      • Risiko einer schnellen Leckage
      • Fragestellung
      • Lesbarkeit
      • Reziproker Rang
      • Datensatzlatenz
      • Datensatzdurchsatz
      • Aufzeichnungen
      • Regulärer Ausdruck
      • Wiederholbarkeit
      • Abrufgenauigkeit
      • ROUGE
      • SARI
      • Scoring-Anforderungen
      • Satzähnlichkeit
      • Beginnt mit
      • Statistische Paritätsdifferenz
      • Textqualität
      • Nicht erfolgreiche Anforderungen
      • Benutzer
    • Konfigurieren von Qualitätsbewertungen
    • Konfiguration von Fairnessbewertungen
      • Fairness berechnen
      • Konfiguration für indirekte Verzerrung
    • Konfigurieren von Drift-Bewertungen v2
    • Konfiguration von Qualitätsbewertungen generativer KI
    • Konfigurieren von Modellbewertungen für Gesundheitsmonitore
      • Durchsatz
    • Angepasste Bewertungen und Metriken erstellen
    • Erstellen benutzerdefinierter Bewertungen mit LLM als Richter
    • Erklärbarkeit konfigurieren
    • Alerts festlegen
    • Modelleinblicke prüfen
      • Bewertungsergebnisse prüfen
      • Modelltransaktionen prüfen
        • Modelltransaktionen erklären
        • Verzerrungsbereinigte Transaktionen überprüfen
    • Erstellung von Berechtigungsnachweisen für Modellevaluierungen
    • Berechnung von Metriken für generative KI mithilfe des SDK „ Python “
      • Bewertung der Agenten-KI
      • Metriken auswerten
      • Modell zur Risikobewertung
      • Einblicke in das Modell
    • Berechnung von Metriken für ML-Modelle mit dem SDK „ Python “
    • Python für Modellbewertungen
    • Integration von Webhooks mit watsonx.governance
  • Assets in KI-Anwendungsfällen regulieren
    • Einrichtung einer KI-Governance
      • Bestände erstellen und verwalten
      • Berichtsvorlagen verwalten
      • Anhänge verwalten
    • KI-Anwendungsfall einrichten
      • Assoziieren von Arbeitsbereichen mit einem KI-Anwendungsfall
    • Assets in einem KI-Anwendungsfall verfolgen
      • Vorlagen für Tracking-Eingabeaufforderungen
      • Modelle für maschinelles Lernen verfolgen
      • Python -Funktionen verfolgen
      • Externe Modelle verfolgen
      • Assets in einem Notebook verfolgen
    • Datenblätter anzeigen
    • Collaboration-Rollen für Governance
    • Hinzufügen benutzerdefinierter Fakten zu einem Factsheet
    • Kodierung benutzerdefinierter Fakten und Benutzerdetails
  • Management von Risiken und Compliance mit Governance console in IBM watsonx
    • Integration von IBM watsonx.governance auf IBM Cloud mit Governance console
      • Upgrade-Lösungen watsonx.governance auf IBM Cloud
    • Integration von Governance console und Modellverwaltung auf AWS
      • watsonx.governance Upgrade-Lösungen auf AWS
    • Einführung
    • Governance console für Geschäftsbenutzer konfigurieren
      • Einrichten der Agentenkonfiguration
      • Anbindung an Agentenplattformen
      • Konfiguration der Use-Case-App für Slack
      • Konfiguration der Metrik-Synchronisierung für watsonx Orchestrate Agenten
      • Konfiguration der automatischen Erkennung von KI-Assets
      • Konfiguration des Governance-Graphs
        • Hinzufügen einer Registerkarte „Governance Graph“ zu einem Dashboard
        • Konfiguration von Lösungen für den Governance Graph
    • Anwendungsfälle erstellen
    • Anwendungsfälle anzeigen
    • Ermittlung potenzieller Risiken
    • Ermittlung der für einen Anwendungsfall geltenden Vorschriften
    • Zuordnung verwandter Objekte zu Anwendungsfällen
      • Assoziierende Agenten
      • Verknüpfung von Amazon SageMaker Modellen mit Anwendungsfällen
    • Einreichen von Anwendungsfällen zur Genehmigung
    • Prüfung und Genehmigung von Anwendungsfällen
    • Löschen von Anwendungsfällen
    • Modelle und Modelldetails anzeigen
    • Anzeige von Agenten
    • Die Regierung hat verdeckte KI-Ressourcen aufgedeckt
    • Auswertung von Governance-Daten mit dem Governance Graph
    • Lösungskomponenteen
      • Model Risk Governance-Lösung
        • Governance-Workflows für Modellrisiken
      • Operational Risk Management-Lösung
        • Workflows für das Management operationeller Risiken
      • Regulatory Compliance Management-Lösung
        • Workflows für das Management der Einhaltung von Verordnungen
      • Objekttypen
  • Konfigurieren von Leitplanken
    • Einrichtung eines Inventars für Leitplankenrichtlinien
    • Erstellen von Leitplankenrichtlinien
    • Verfügbare Filter für Leitplanken
    • Erstellen benutzerdefinierter Detektoren für Guardrail-Richtlinien
    • Programmatische Konfiguration für Echtzeit-Erkennung
  • Geregelter Agentenkatalog verwenden
    • Suche nach und Verwendung von regierungsamtlichen Mitteln und Werkzeugen
    • Verwaltung von reglementierten Agenten und Tools
  • Migration von Vermögenswerten zu Vorräten in watsonx.governance
• Verwaltung
  • Verwaltung unter IBM Cloud
    • Einrichten der Plattform auf IBM Cloud
      • IBM Cloud-Konto einrichten
      • Benutzer und Zugriff verwalten
        • Benutzer zum Konto hinzufügen
        • Ebenen der Benutzerzugriffsrollen
        • IAM-Zugriffsgruppen
          • Einrichten von IAM-Zugriffsgruppen
          • Beispiel für IAM-Zugriffsgruppen
      • Cloud Object Storage einrichten
      • Einrichtung von watsonx.ai Studio und watsonx.ai Runtime
      • Katalog der Plattformassets erstellen
      • Einrichten von watsonx.governance am IBM Cloud
        • Einrichten des Standardinventars
    • Verwaltung der Plattform auf IBM Cloud
      • Kontoressourcennutzung überwachen
      • Einrichten vertrauenswürdiger Profile
      • Kontoeinstellungen verwalten
      • Alle Projekte im Konto verwalten
      • Upgrade für Services auf der Plattform durchführen
      • Ressourcen von Cloud Object Storage verwalten
      • Eigene Lizenz verwenden (Bring Your Own License, BYOL)
      • Einrichten des Modell-Gateways (Vorschau)
        • Einrichten des Modell-Gateways (Vorschau) in der Benutzeroberfläche
        • Das Modell-Gateway (Vorschau) programmgesteuert einrichten
      • Verwaltung des Modell-Gateways (Vorschau)
      • Verknüpfung der IBM watsonx.ai Demo und watsonx.ai Konten
      • Benutzer entfernen
      • Verwendung von Services oder der Plattform stoppen
    • Sicherheit am IBM Cloud
      • Netzsicherheit
      • Unternehmenssicherheit
      • Kontosicherheit
      • Datensicherheit
      • Mitarbeitersicherheit
      • Sicherheitspolitik und Verantwortlichkeiten in IBM Cloud
      • Verbindungen zu Services mit privaten Serviceendpunkten sichern
      • Firewallzugriff konfigurieren
        • Firewall-Zugang für die Plattform
        • Firewall-Zugang für IBM Cloud Object Storage
        • Firewall-Zugriff für Redshift
        • Firewall-Zugang für Spark
        • Firewall-Zugang für watsonx.ai Runtime
        • Firewall-Zugang für watsonx.ai Studio
  • Verwaltung unter AWS
    • Einrichten der Plattform auf AWS
    • Einrichten Ihrer watsonx.governance Umgebung auf AWS
      • Bereitstellung von watsonx.governance as a Service auf AWS Instanzen
      • Verwaltung des IAM-Zugriffs für watsonx.governance as a Service auf AWS
      • Sichern Sie Ihre Daten in watsonx.governance as a Service auf AWS
      • Anpassen des Hostnamens in der Governance-Konsole URL für watsonx.governance as a Service auf AWS
      • Integration von watsonx.governance as a Service auf AWS mit Amazon SageMaker
        • Ablauf des Anwendungsfalls
        • Prozessablauf modellieren
      • Verwaltung Ihrer watsonx.governance Umgebung auf AWS (laufende Wartung)
        • Geschäftskontinuität und Notfallwiederherstellung für watsonx.governance SaaS auf AWS
        • Hohe Verfügbarkeit für watsonx.governance SaaS auf AWS
        • Sichern und Wiederherstellen von watsonx.governance SaaS auf AWS
        • Verwalten von IP-Adressen für watsonx.governance SaaS auf AWS
        • Wartungsfenster für watsonx.governance SaaS auf AWS
        • Software-Updates für watsonx.governance SaaS auf AWS
        • Installation von ObjectManager für watsonx.governance als Dienst auf AWS
        • Protokolle mit der LogCollector-Benutzerschnittstelle zusammenstellen
        • Aktivieren der REST-API in watsonx.governance as a Service auf AWS
    • Verwaltung der Plattform auf AWS
    • Sicherheit am AWS
      • Kontosicherheit auf AWS
      • Datensicherheit auf AWS
      • Sicherheit des Mitarbeiters am AWS
      • Konfigurieren des Firewall-Zugriffs auf AWS
  • Fehlerbehebung
    • Verbindungen
    • Data Refinery
    • IBM Cloud-Status
    • IBM Cloud Object Storage für Projekte
    • SPSS Modeler
    • Synthetic Data Generator
    • watsonx.ai Runtime
    • Watson OpenScale
    • watsonx.ai Studio
    • watsonx.governance
  • Benutzer-API-Schlüssel verwalten
  • Verwalten Ihrer Einstellungen auf IBM Cloud
  • Verwalten Ihrer Einstellungen auf AWS
  • Rollen bestimmen
  • Activity Tracker-Ereignisrouting
  • Verwaltung Ihres Cloud-Kontos
• Glossar