Tutoriais de iniciação rápida
Obtenha tutoriais de iniciação rápida para aprender como executar tarefas específicas, como refinar dados ou construir um modelo Esses tutoriais o ajudam a aprender rapidamente como executar uma tarefa específica ou um conjunto de tarefas relacionadas.
Se você deseja aprender como implementar casos de uso específicos, considere usar os tutoriais de caso de uso Os tutoriais de caso de uso ajudam você a experimentar casos de uso de malha de dados, como a integração de dados ou a construção e o controle de casos de uso de IA, como Data Science e MLOps.
Procurando vídeos? Visite a biblioteca de vídeos para ver muitas tarefas comuns em Cloud Pak for Data as a Service.
Depois de concluir esses tutoriais, consulte a seção Outros recursos de aprendizado para continuar seu aprendizado
Os tutoriais de iniciação rápida são categorizados por tarefa:
Cada tutorial requer uma ou mais instâncias de serviço.. Alguns serviços estão incluídos em vários tutoriais.. Os tutoriais são agrupados por tarefa É possível iniciar com qualquer tarefa Cada um desses tutoriais fornece uma descrição da ferramenta, um vídeo, instruções e recursos de aprendizado adicionais.
As tags para cada tutorial descrevem o nível de conhecimento (, ou ) e a quantidade de codificação necessária (; ou ).
Pré-requisito
O pré-requisito para todos os tutoriais é registrar-se ou ingressar em uma conta Cloud Pak for Data as a Service.
Preparando dados
Para começar a preparar, transformar e integrar dados, entenda o fluxo de trabalho geral, escolha um tutorial e confira outros recursos de aprendizado para trabalhar na plataforma.
O fluxo de trabalho de preparação de dados tem estas etapas básicas:
Crie um projeto.
Se necessário, crie a instância de serviço que fornece a ferramenta que você deseja usar e associe-a ao projeto.
Inclua dados no projeto. É possível incluir arquivos de dados de seu sistema local, dados de uma origem de dados remota à qual você se conecta, dados de um catálogos ou dados de amostra do hub de Recurso
Escolha uma ferramenta para analisar os dados. Cada um dos tutoriais descreve uma ferramenta.
Execute ou planeje uma tarefa para preparar os dados.
Tutoriais para preparação de dados
Cada um destes tutoriais fornece uma descrição da ferramenta, um vídeo, as instruções e os recursos adicionais para aprendizado:
| Tutorial | Descrição | Conhecimento para tutorial |
|---|---|---|
| Refinar e visualizar dados com o Data Refinery | Preparar e visualizar dados tabulares com um editor de fluxo gráfico. | Selecione operações para manipular dados. |
| Transformar dados com o DataStage | Projetar um fluxo de integração de dados para filtrar e classificar tabelas com um editor de fluxo gráfico. | Solte os dados e os nós de operação em uma tela e selecione as propriedades. |
| Virtualizar dados | Junte duas tabelas para criar uma tabela virtualizada. | Selecione tabelas e conecte as colunas de chave primária. |
Analisando e visualizando dados
Para começar a analisar e visualizar dados, entenda o fluxo de trabalho geral, escolha um tutorial e confira outros recursos de aprendizado para trabalhar com outras ferramentas.
A análise e visualização do fluxo de trabalho de dados têm estas etapas básicas:
Crie um projeto.
Se necessário, crie a instância de serviço que fornece a ferramenta que você deseja usar e associe-a ao projeto.
Inclua dados no projeto. É possível incluir arquivos de dados de seu sistema local, dados de uma origem de dados remota à qual você se conecta, dados de um catálogos ou dados de amostra do hub de Recurso
Escolha uma ferramenta para analisar os dados. Cada um dos tutoriais descreve uma ferramenta.
Tutoriais para analisar e visualizar dados
Cada um destes tutoriais fornece uma descrição da ferramenta, um vídeo, as instruções e os recursos adicionais para aprendizado:
| Tutorial | Descrição | Conhecimento para tutorial |
|---|---|---|
| Analisando dados em um bloco de notas do Jupyter | Carregar dados, executar e compartilhar um bloco de notas. | Entenda o código Python gerado. |
| Refinar e visualizar dados com o Data Refinery | Preparar e visualizar dados tabulares com um editor de fluxo gráfico. | Selecione operações para manipular dados. |
Construindo, implementando e confiando em modelos
Para começar a construir, implementar e confiar em modelos, entenda o fluxo de trabalho geral, escolha um tutorial e confira outros recursos de aprendizado para trabalhar na plataforma.
As diferentes fases envolvidas no ciclo de vida da IA são as seguintes:
- Definir escopo: comece definindo o escopo de seu projeto, identificando os principais objetivos e requisitos.
- Preparar dados: colete e prepare dados para uso com algoritmos de aprendizado de máquina
- Modelo de construção: desenvolver e refinar o modelo de IA para resolver o problema definido treinando o modelo com dados preparados.
- Implementar modelo: Implementar o modelo para produção após o processo de construção ser concluído.
- Automatizar pipeline: automatize o caminho para a produção automatizando partes do ciclo de vida de IA
- Monitorar o desempenho: avalie o desempenho de seu modelo para justiça, qualidade, desvio e explicabilidade.
O diagrama a seguir mostra os estágios do ciclo da IA:
Seu fluxo de trabalho para criar, implantar e confiar em modelos tem estas etapas básicas:
Crie um projeto.
Se necessário, crie a instância de serviço que fornece a ferramenta que você deseja usar e associe-a ao projeto.
Escolha uma ferramenta para criar, implantar e confiar em modelos. Cada um dos tutoriais descreve uma ferramenta.
Tutoriais para construir, implementar e confiar em modelos
Cada tutorial fornece uma descrição da ferramenta, um vídeo, as instruções e recursos de aprendizado adicionais:
| Tutorial | Descrição | Conhecimento para tutorial |
|---|---|---|
| Construir e implementar um modelo de aprendizado de máquina com AutoAI | Construir automaticamente os candidatos do modelo com a ferramenta AutoAI. | Construir, implementar e testar um modelo sem codificação. |
| Construir e implementar um modelo de aprendizado de máquina em um bloco de notas | Crie um modelo atualizando e executando um notebook que usa o código Python e as APIs de tempo de execução do watsonx.ai. | Construir, implementar e testar um modelo scikit-learn que usa o código Python . |
| Construir e implementar um modelo de aprendizado de máquina com SPSS Modeler | Construa um modelo do C5.0 que use a ferramenta SPSS Modeler | Solte os dados e nós de operação em uma tela e selecione as propriedades. |
| Construir e implementar um modelo do Decision Optimization | Construir automaticamente cenários com o Assistente de Modelagem. | Resolva e explore cenários, em seguida, implemente e teste um modelo sem codificação. |
| Avaliar um modelo de aprendizado de máquina | Implementar um modelo, configurar monitores para o modelo implementado e avaliar o modelo. | Execute um bloco de notas para configurar os modelos e use o Watson OpenScale para avaliar. |
Governando a IA
Para começar a usar o governing AI, entenda o fluxo de trabalho geral, escolha um tutorial e confira outros recursos de aprendizado para trabalhar na plataforma.
Seu fluxo de trabalho de governança de IA tem estas etapas básicas:
Crie um projeto.
Se necessário, crie a instância que fornece a ferramenta que você deseja usar e associe-a ao projeto.
Escolha uma ferramenta para governar a IA. Cada um dos tutoriais descreve um exemplo de como governar ativos de IA.
Tutoriais para governar a IA
Cada tutorial fornece uma descrição da ferramenta, um vídeo, as instruções e recursos de aprendizado adicionais:
| Tutorial | Descrição | Conhecimento para tutorial |
|---|---|---|
| Avaliar um modelo de aprendizado de máquina | Implante um modelo, configure monitores para o modelo implantado e avalie o modelo Watson OpenScale. | Execute um notebook para configurar os monitores e use ' Watson OpenScale para avaliar. ' ' |
| Avaliar uma implantação em espaços | Implantar um modelo, configurar monitores para o modelo implantado e avaliar o modelo em um espaço de implantação. | Configure os monitores e avalie um modelo em um espaço de implantação. |
Curadoria e controle de dados
Para começar a fazer a curadoria e a governança de dados, entenda os fluxos de trabalho gerais, escolha um tutorial e confira outros recursos de aprendizado para trabalhar no Cloud Pak for Data as a Service.
Se estiver trabalhando com seu próprio plano IBM watsonx.data intelligence Lite, você poderá criar dois catálogos com 50 ativos, cinco termos comerciais e uma regra de proteção de dados. Você também é proprietário da única categoria para organizar artefatos de controle, como classes de dados e termos de negócios.
Se estiver trabalhando na conta da sua organização com um plano IBM watsonx.data intelligence Standard, Enterprise ou Professional, você deverá ter funções e permissões específicas para curar dados e criar artefatos de governança, como classes de dados e termos comerciais.
O fluxo de trabalho de curadoria de dados tem estas etapas básicas:
- Incluir ativos de dados em um catálogo:
- Inclua os ativos de dados um por vez em um projeto e publique-os em um catálogo.
- Inclua todos os ativos de dados de uma conexão em um projeto importando metadados e publique-os em um catálogo.
- Inclua os ativos de dados um por vez de dentro de um catálogo.
- Enriqueça os ativos de dados designando artefatos de controle, como termos de negócios.
O fluxo de trabalho de dados de controle têm estas etapas básicas:
- Para uma regra de proteção de dados, especifique como identificar o tipo de dados para mascarar e o método de mascaramento. A regra é aplicada imediatamente.
- Para todos os outros tipos de artefatos de controle:
- Crie os artefatos de controle de rascunho em uma categoria.
- Publique os artefatos de controle.
Tutoriais para curadoria e controle de dados
Escolha um tutorial de tecido de dados no caso de uso de inteligência de dados.
Outros recursos de aprendizado
Tutoriais guiados
Acesse o projeto de amostra Criar um modelo de IA para seguir um tutorial guiado no hub de recursos. Após criar o projeto de amostra, o leia-me fornece instruções:
- Escolha Explorar e preparar dados para remover anomalias nos dados com Data Refinery.
- Escolha Construir um modelo em um bloco de notas para construir um modelo com o código Python.
- Escolha Construir e implementar um modelo para automatizar a construção de um modelo com a ferramenta AutoAI.
Assista a esta série de vídeos para ver como trabalhar com os ativos no projeto de amostra
Geral
Preparando dados
Analisando e visualizando dados
Construindo, implementando e confiando em modelos
Curadoria e controle de dados
Governando a IA
Vídeos
- Um conjunto abrangente de vídeos que mostram muitas tarefas comuns em Cloud Pak for Data as a Service
Amostras
O hub de recurso fornece blocos de notas, conjuntos de dados e projetos de amostra que podem ser importados
Aceleradores da indústria fornecem projetos de amostra com soluções de ponta a ponta que resolvem problemas de negócios específicos.
Knowledge Accelerators fornecem conjuntos de artefatos de governança específicos de setor de mercado prontos para uso.
Treinamento
Faça um tutorial de malha de dados para experimentar um caso de uso de malha de dados, como governança de IA, ciência de dados e MLOps, inteligência de dados ou integração de dados.
Assuma o controle dos seus dados com o watsonx.ai Studio é um caminho de aprendizagem que consiste em tutoriais passo a passo que explicam o processo de trabalho com dados usando watsonx.ai Studio.