SSYOK8 - Documentation Index

Table of Contents

• 文档主页
• IBM watsonx 概述
  • 新增内容
  • watsonx 用例
    • watsonx.ai 用例
    • watsonx.governance 用例
  • watsonx 部署之间的功能差异
    • 将 watsonx 与 Cloud Pak for Data 作为服务进行比较
  • 平台体系结构
    • 资产类型和属性
      • 预览
      • 概要文件
      • 活动
      • 可视化
    • 工作空间的对象存储器
  • 基础模型的安全性
  • 服务
    • 服务和功能的地区可用性
    • watsonx.ai 工作室的账单详情
    • watsonx.ai 运行时中机器学习资产的计费详情
    • watsonx.ai 运行时生成式AI资产的计费详情
    • 服务 IBM Cloud
      • 创建服务
      • watsonx.ai 工作室计划
      • watsonx.ai 运行时间计划
      • watsonx.governance 计划
        • watsonx.governance 责任
      • IBM Cloud Object Storage 计划
    • AWS服务
      • watsonx.governance在AWS
    • AWS GovCloud 服务
  • 已知问题和限制
  • 常见问题解答
    • 浏览器支持
    • 语言支持
    • 预览版
    • 声明
    • 辅助功能
  • 获取帮助
• Developer Hub
  • 库和应用程序接口
  • 快速启动：生成文本教程
  • 列表模型教程
  • 与模特聊天教程
  • 流文本教程
  • 调用工具教程
  • 文本嵌入教程
  • 重新排名文本教程
• 规划人工智能解决方案
  • 初步战略决策
  • 工具和代码比较
  • 规划人工智能基因的工作流程
  • 规划 ML 的工作流程
  • 用RAG回答问题的解决方案模式
• 入门和教程
  • 注册 IBMwatsonx
  • 体验之间的切换
  • 创建任务凭据
  • 生成 API 密钥和承载令牌
  • watsonx 应用程序接口和 SDK
  • 快速入门教程
    • 准备数据
      • 细化数据
      • 生成合成表格数据
    • 分析数据
      • 分析 Jupyter Notebook 中的数据
    • 构建机器学习模型
      • 使用 AutoAI 构建模型
      • 在 Jupyter Notebook 中构建模型
      • 使用 SPSS Modeler 构建模型
      • 构建 Decision Optimization 模型
      • 使用管道自动执行模型的生命周期
    • 使用生成性 AI
      • 提示基础模型，带有 Prompt Lab
      • 使用RAG创建基础模型
      • 调整基础模型
      • 请尝试 watsonx.ai 端到端用例
      • 构建和部署代理
    • 治理 AI
      • 评估和跟踪提示模板
      • 即时性能比较
      • 评估空间中的部署
      • 评估机器学习模型
  • 人工智能解决方案加速器
    • 问答 RAG加速器
    • 在 watsonx.ai 中构建 ML 模型，并在 watsonx.data 加速器中使用 Spark 进行批量评分
  • 视频库
• 通用人工智能解决方案
  • 使用条款
  • 令牌
  • 支持的基础模型
    • IBM 基础模型
      • 提示IBM Granite代码模型
    • 第三方基金会车型
    • 支持的编码器型号
      • IBM Granite 嵌入 278m 多语言模型卡
      • IBM Slate 30m v2 嵌入模型卡
      • IBM Slate 125m v2 嵌入模型卡
    • 模型网关（预览）
    • 选择模型
      • 基础模型部署方法
      • 基础模型基准
      • 基础模型生命周期
    • 获取带有代码的车型信息
      • 获取基础车型信息（ Python ）
  • 生成提示
    • 提示提示
      • 避免不期望的输出
      • 生成准确的输出
    • 用于提示的模型参数
    • 通过人工智能防护栏过滤模型内容
    • 样本提示
    • Prompt Lab
      • 添加提示
      • 正在保存提示
      • 构建可复用的提示
      • 与文件和媒体文件聊天
    • 用代码生成文本
      • 文本生成
        • 推断基础模型 ( Python )
        • 使用提示模板进行推理（ Python ）
        • 推理网关模型
      • 聊天
  • AI 代理
    • Agent Lab（测试版）
      • 保存代理
      • 创建自定义工具
    • 代理驱动聊天
  • 编码生成 AI 解决方案
    • 开发人员资源
      • 用于程序化访问的凭证
      • 查找项目标识
      • Python 库
      • Node.js SDK
      • REST API
    • 添加文件以从API引用
  • 预测未来价值
  • 检索增强生成
    • 文本嵌入
    • 重新排序段落
    • 了解文件
      • 文本处理参数
        • 创建自定义模式
        • 发票模式
        • 公用事业账单模式
        • 抵押贷款文件模式
        • 提单模式
        • 海关表格模式
        • 交货收据模式
        • 支出报告模式
        • 收据模式
        • 采购订单模式
        • 税表模式
        • 财务报表模式
        • 汇款或付款通知模式
        • 银行对账单模式
        • 信用卡账单模式
        • 驾驶执照声明模式
        • 护照模式
        • 国民身份证示意图
        • W-4 表格结构
        • I-9 表格结构
        • 病人接诊表模式
        • 保险索赔示意图
        • 文字记录模式
        • 文凭或认证模式
        • 人寿保险标准伤残索赔表示意图
        • 标准人寿保险授权表示意图
        • ACORD 标准化保险表格模式
        • 索赔人的陈述模式
        • 营业执照和许可证模式
      • 文本分类
        • 文本分类参数
        • 文件分类
      • 文本抽取
        • 文本提取参数
        • 从文件中提取文本
      • 将提取的文本添加到 RAG 解决方案中
        • 解析提取的 JSON 输出
    • 优化您的 RAG 知识库
    • 使用AutoAI自动处理 RAG 模式
      • 为 RAG 实验选择载体存储库
      • 创建 RAG 实验（快速通道）
      • 在RAG实验中使用知识库
        • 在 AutoAI 的RAG实验中使用向量知识库
        • 在 AutoAI 的RAG实验中使用SQL知识库
      • 自定义 RAG 实验设置
      • 审查 RAG 模式细节
      • 保存RAG模式
      • AutoAI RAG 实验编码 Python
      • 使用 Chroma 对AutoAIRAG 实验进行编码
      • 用文本提取对 AutoAI RAG实验进行编码
      • 使用自定义基础模型编码 AutoAI RAG 实验
      • 使用AutoAIRAG 索引与文档聊天
  • 改装车型
    • 何时调整模型
    • 选择要调整的模型
    • 调整方法
      • LoRA 微调
      • QLoRA 微调
    • 调校数据格式
    • 调整实验参数
    • Tuning Studio
    • 使用代码进行模型调整
    • 评估调整实验
• 项目
  • 您的沙箱项目
  • 跨经验共享项目
  • 创建项目
    • 导入项目
    • 导入项目资产
  • 管理项目
    • 管理合作者
    • 项目合作者角色
    • 将项目标记为敏感
    • 管理任务凭证
    • 添加关联服务
    • 导出项目资产
    • 启用文件夹
    • 转换项目经验
  • 管理项目中的资产
    • 使用文件夹整理资产
  • 下载数据资产
  • 为工具选择计算资源
    • Notebook 编辑器的计算选项
    • Data Refinery 的计算选项
    • RStudio 计算选项
    • AutoAI 的计算选项
    • 管道的计算选项
  • 管理计算资源
    • 创建非标准环境模板
    • 定制环境模板
      • 自定义示例（ 25.1 之前）
      • 自定义示例（摘自 25.1 ）
    • 推广环境
    • 运行时使用情况
  • 创建和管理作业
    • 在 Notebook 编辑器中创建作业
    • 在 Data Refinery 中创建作业
    • 在 SPSS Modeler 中创建作业
    • 为管道创建作业
    • 跨项目查看作业
  • 退出项目
  • Markdown 备忘单
• 部署空间
  • 创建部署空间
  • 部署空间协作者角色
  • 删除部署空间
  • 为空间打造独特的体验
  • 部署空间中的资产
    • 将资产提升到部署空间
    • 导入空间和项目
    • 出口太空资产
    • 将数据资产添加到部署空间
    • 将模型导入部署空间
    • 查看资产详情
    • 管理资产版本
• 准备数据
  • 将数据添加到项目
    • 将非常大的文件添加到项目
    • 添加到项目的连接
    • 添加集成服务连接器
    • 连接到防火墙后的数据
    • 添加来自连接的数据
    • 从连接添加已连接文件夹资产
  • 连接器
    • AlloyDB for PostgreSQL
    • Amazon Aurora for MySQL
    • Amazon Aurora for PostgreSQL
    • Amazon DynamoDB
    • Amazon RDS for MySQL 连接
    • Amazon RDS for Oracle 连接
    • Amazon RDS for PostgreSQL 连接
    • Amazon Redshift 连接
    • Amazon S3 连接
      • 为 Amazon S3 设置临时凭证或角色 ARN
      • Amazon S3 访问控制列表的检索
    • Apache Cassandra 连接
    • Apache Derby 连接
    • Apache HDFS 连接
    • Apache Hive 连接
    • Apache Impala 连接
    • Apache Spark SQL 连接
    • AWS Databricks
    • Box 连接
    • ClickHouse 连接
    • 阿胶连接
    • 汇流连接
    • Databricks Delta Lake 连接
    • DataStax Astra 连接
    • DataStax Enterprise 连接
    • DataStax HCD连接
    • 电能表连接
    • Dremio 连接
    • Dropbox 连接
    • Elasticsearch 连接
    • Elastic Cloud 联系
    • FTP 连接
    • 通用 S3 连接
    • Google BigQuery 连接
      • 工作负载身份联合示例
    • Google Cloud Pub/Sub 连接
    • Google Cloud Storage 连接
    • Google Drive 连接
    • Google Looker 连接
    • Greenplum 连接
    • HTTP 连接
    • IBM Cloud Data Engine连接
    • IBM Cloud Databases for MongoDB连接
    • IBM Cloud Databases for MySQL
    • IBM Cloud Databases for PostgreSQL连接
    • IBM Cloud Object Storage 连接
      • 控制对 Cloud Object Storage 存储区的访问权
    • IBM Cloud Object Storage（基础结构）连接
    • IBM Cloudant 连接
    • IBM Cognos Analytics 连接
    • IBM Data Virtualization Manager for z/OS 连接
    • IBM Db2 连接
    • IBM Db2 Big SQL 连接
    • IBM Db2 for i 连接
    • IBM Db2 for z/OS 连接
    • IBM Db2 on Cloud 连接
    • IBM Db2 Warehouse 连接
    • IBM FileNet P8 联系
    • IBM Informix 连接
    • IBM Netezza Performance Server 连接
    • IBM Netezza Performance Server 用于 DataStage 连接
    • IBM Planning Analytics 连接
    • IBM watsonx.data Milvus 联系
    • IBM watsonx.data Presto 连接
    • IBM watsonx.data SharePoint 联系
    • 冰山元数据存储连接
    • Informatica PowerCenter 连接
    • JDBC 连接
    • JMS 连接
    • MariaDB 连接
    • Microsoft Azure Blob Storage 连接
    • Microsoft Azure Cosmos DB 连接
    • Microsoft Azure Data Lake Storage 连接
    • Microsoft Azure Databricks 连接
    • Microsoft Azure 织物仓库连接
    • Microsoft Azure File Storage 连接
    • Microsoft Azure PostgreSQL 连接
    • Microsoft Azure SQL Database 连接
    • Microsoft Azure突触分析连接
    • Microsoft OneDrive 联系
    • IBM watsonx.data SharePoint 联系
    • Microsoft Exchange 连接
    • Microsoft SharePoint 文件连接
    • Microsoft SharePoint 连接
    • Microsoft SQL Server 连接
    • Milvus 连接
    • MongoDB 连接
    • MySQL 连接
    • OData 连接
    • OpenSearch 连接
    • OpenSearch IBM Cloud 连接
    • Oracle 连接
    • PostgreSQL 连接
    • Presto 连接
    • Redis 连接
    • Salesforce.com 连接
    • SAP ASE 连接
    • SAP IQ 连接
    • SAP OData 连接
    • SingleStoreDB联系
    • 松弛连接
    • Snowflake 连接
    • Splunk 连接
    • Tableau 连接
    • Teradata 连接
    • 特里诺连接
    • Vertica 连接
    • 网络客户端连接
  • 添加平台连接
  • 使用 Connector Forge 构建自定义连接器
  • 参数化连接
  • 提炼数据
    • 将数据添加到 Data Refinery
    • 验证数据
    • 可视化数据
    • 管理 Data Refinery 流
    • 目标连接选项
    • GUI 操作
    • 交互式代码模板
    • Data Refinery 支持的数据源
  • 生成结构化合成数据
    • 从样本数据生成结构化合成数据
      • 使用差分隐私
      • 评估合成数据
      • 导出合成数据
    • 从自定义数据模式生成合成数据
    • 数据来源 Synthetic Data Generator
    • 参照完整性和多表节点
    • 节点 Synthetic Data Generator
      • “匿名化”节点
      • 评估节点
      • 导出节点
      • 生成节点
      • 导入节点
      • 模仿节点
      • 多出口节点
      • 多基因节点
      • 多进口节点
      • 多模仿节点
    • 脚本流程 Synthetic Data Generator
      • 运行脚本
      • 节点和流量的属性
      • 可用的脚本编写方法
      • 中的参数 Synthetic Data Generator
  • 生成非结构化合成数据
    • 数据建立者和种子数据
      • 调用数据生成器的工具
      • 文本到 SQL 数据生成器
      • 知识数据生成器
    • 创建工作以生成非结构化合成数据
    • 以编程方式创建工作，生成非结构化合成数据
    • 创造就业机会的配置
  • 添加矢量化文件
    • 向量索引设置
      • 设置 Elasticsearch 矢量存储
      • 建立 Milvus 矢量商店
    • 从用户界面创建向量索引
    • 通过代码创建向量索引
  • 管理功能部件组 (Beta)
• 数据科学解决方案
  • 笔记本和脚本
    • 规划 Notebook 和脚本体验
    • Jupyter Notebook 编辑器
      • 创建和管理 Notebook
      • Notebook 的组成部分
      • Jupyter 内核和 Notebook 环境
      • 编码和运行 Notebook
    • RStudio
      • 在 RStudio 中使用 Spark
      • 将 R 代码从 RStudio 脚本迁移到 Jupyter 笔记本
    • 库和脚本
      • 安装定制库
      • 将脚本导入到 Notebook 中
    • Watson 自然语言处理
      • 使用预先训练的模型
      • 库任务目录
        • 语言检测
        • 语法分析
        • 名词短语抽取
        • 关键字抽取和排名
        • 实体抽取
        • 嵌入
        • HAP检测
        • 观点提取
        • 语气分类
        • 情感分类
        • 关系抽取
        • 分层分类
          • 类别类型
      • 创建您自己的模型
        • 使用定制字典检测实体
        • 检测具有正则表达式的实体
        • 使用定制变换器模型检测实体
        • 使用定制分类模型对文本进行分类
        • 使用定制变换器模型抽取观点
        • 使用定制变换器模型抽取目标观点
      • 用法样本
    • 要点总结
    • 地理空间数据分析
    • Spark SQL 数据跳过
    • Parquet 加密
      • 通过应用程序管理密钥
      • 通过 KMS 管理密钥
    • 时间序列分析
      • 使用时间序列库
      • 时间序列关键功能
      • 时间序列函数
      • 时间序列延迟评估
      • 时间基准系统
    • SPSS 预测性分析算法
      • 数据准备
      • 分类和回归
      • 集群
      • 预测
      • 生存分析
      • 分数
    • 在 Notebook 中加载和访问数据
      • 通过生成的代码片段装入数据
      • 访问 AWS S3 存储区中的数据
      • 手动添加项目访问令牌
      • 使用 ibm-watson-studio-lib 访问项目资产
        • ibm-watson-studio-lib 用于 Python
        • 用于 R 的 ibm-watson-studio-lib
      • 使用 Python 函数处理 IBM Cloud Object Storage
      • 使用 assetframe-lib for Python (Beta) 管理功能部件组
    • 管理 Notebook 和脚本生命周期
      • 共享 Notebook
        • 在 Notebook 中隐藏代码
      • 在 GitHub 上发布 Notebook
      • 将 Notebook 作为 gist 发布
  • 用于机器学习的AutoAI
    • AutoAI 词汇表
    • 机器学习实验自动化
      • 配置试验设置
      • 配置文本分析试验
    • 自动进行时间序列预测实验
      • 教程: AutoAI 单变量时间序列试验
      • 教程: AutoAI 支持功能部件时间序列试验
      • 时间序列实验实现详细信息
      • 对时间序列模型进行评分
    • 保存 AutoAI 生成的 Notebook
    • 选择 AutoAI 模型
    • AutoAI 图书馆
    • AutoAI 实现详细信息
    • 配置数据插补
      • 时间序列实验的插补详细信息
    • 使用增量学习训练管道
      • 渐进式学习细节
    • 评估 AutoAI 试验以获取公平性
    • 对 AutoAI 试验进行故障诊断
  • Decision Optimization
    • 使用 Decision Optimization 的方法
    • Decision Optimization 中支持的数据源
    • 样本模型和 Notebook
    • Decision Optimization Notebook
    • Decision Optimization 试验
      • 创建 Decision Optimization 试验
      • 方案
        • 打开方案窗格
        • 从方案窗格创建方案
        • 从 "概述" 创建方案
        • 导入方案
        • 导出方案
        • 查看所有方案
        • 从方案生成 Notebook
        • 场景比较
        • 比较设想方案表
        • 比较情景模式和日志文件
        • 保存方案以进行部署
      • 配置 Decision Optimization 试验
        • 更改试验的部署空间
        • 更改缺省环境和添加 Python 库
      • 准备输入数据
        • 向场景添加数据
        • 编辑输入数据
        • 表搜索和过滤
        • 将数据导出到项目
      • 构建模型
        • 引用导入的数据并定义输出
        • 用于构建模型的代码片段
        • 多个模型文件
        • 导入模型
        • 在模型中配置引擎设置
      • 对模型求解
        • 中间解决方案
        • 配置方案的运行参数
        • 为方案选择其他运行环境
      • 探索解决方案
      • 可视化视图
        • 可视化窗口小部件
        • 显示多个方案
        • 可视化窗口小部件语法
          • 注释窗口小部件
          • 表窗口小部件
          • 图表窗口小部件
          • Vega 图表窗口小部件
          • 甘特图窗口小部件
          • 透视表窗口小部件
      • Python DOcplex 模型
        • 输入和输出数据
        • 求解和分析模型：饮食问题
          • 更改场景数据
        • 使用多个方案
          • 生成多个方案
        • 引擎设置
      • Modeling Assistant 模型
        • 在 Modeling Assistant 中选择决策域
        • 规划并运行模型：房屋建造调度
        • 添加多概念约束和定制决策：轮班分配
        • 使用 Python 创建高级定制约束
      • OPL 模型
    • Decision Optimization Java 模型
  • SPSS Modeler
    • 开始使用 SPSS Modeler
      • 在 SPSS Modeler 中挖掘数据
      • 利用文本分析技术挖掘文本数据
        • 关于文本挖掘
        • 抽取的工作方式
        • 分类工作方式
    • 教程
      • 建模简介
      • 为旗帜目标自动建模
      • 为连续目标自动建模
      • 数据准备自动化
      • 探索戒毒治疗图表
      • 筛选预测变量
      • 减少输入数据字符串长度
      • 电信客户分类
      • 预测电信用户流失
      • 预测带宽利用率
      • 预测目录销售额
      • 向客户提供优惠（自学）
      • 预测零售促销活动
      • 条件监视
      • 分析酒店满意度文本
    • 了解和准备数据
      • 导入 SPSS Modeler 流
      • SQL 优化
        • SQL 回送是如何工作的？
        • 最大化 SQL 回送的提示
        • 支持 SQL 回送的节点
        • 支持 SQL 回送的 CLEM 表达式和运算符
        • 从模型块生成 SQL
      • 缺失数据值
        • 处理缺失值
          • 处理包含缺失值的记录
          • 处理包含缺失值的字段
          • 处理包含系统缺失值的记录
        • 适用于缺失值的函数
      • 临时存储器
    • SPSS Modeler 支持的数据源
    • 建立流程和模型
      • 禁用或缓存流程中的节点
        • 禁用流中的节点
        • 节点的缓存选项
      • 添加注释和注解
      • 设置流程的属性
      • 图表构建器
      • 流脚本编制
        • 流脚本编制示例
        • 流和超节点参数
    • “节点”选用板
      • 导入
        • “数据资产”节点
        • “扩展导入”节点
        • “模拟生成”节点
        • 用户输入节点
      • 记录操作
        • “汇总”节点
        • “追加”节点
        • “平衡”节点
        • “CPLEX 优化”节点
        • “区分”节点
        • “扩展变换”节点
        • “合并”节点
        • RFM “汇总”节点
        • “样本”节点
        • 选择节点
        • SMOTE 节点
        • “空间时间限制”节点
        • 排序节点
        • 流式 TCM 节点
        • “流式时间序列”节点
      • 字段操作
        • “匿名化”节点
        • “自动数据准备”节点
        • “分级”节点
        • “派生”节点
        • 整体节点
        • 字段重排节点
        • 填充节点
        • 过滤节点
        • 历史记录节点
        • “分区”节点
        • 重新分类节点
        • 重新结构化节点
        • RFM 分析节点
        • “设为标志”节点
        • 时间间隔节点
        • “转置”节点
        • 类型节点
          • 查看和设置有关类型的信息
          • 测量级别
            • 地理空间测量子级别
          • 转换连续数据
          • 什么是实例化？
          • 数据值
            • 设置值的选项
            • 指定连续数据的值和标签
            • 指定名义和有序数据的值和标签
            • 指定标志的值
            • 指定集合数据的值
            • 指定地理空间数据的值
          • 定义缺失值
          • 检查类型值
          • 设置字段角色
          • 设置字段格式选项
      • 图形
        • “图表”节点
        • “收集”节点
        • “分布”节点
        • 评估节点
        • “直方图”节点
        • “点线图”节点
        • “多重点线图”节点
        • 时间点线图节点
        • Web 节点
      • 建模
        • “异常”节点
        • Apriori 节点
        • “关联规则”节点
        • 自动分类器节点
          • 连续机器学习
        • 自动数值节点
        • 自动聚类节点
        • “贝叶斯网络”节点
        • C5.0 节点
        • C&R 树节点
        • CARMA 节点
        • CHAID 节点
        • Cox 节点
        • 决策列表节点
        • 判别节点
        • “扩展模型”节点
          • “扩展”模型块
        • “特征选择”节点
        • 高斯混合节点
        • GenLin 节点
        • GLE 节点
        • GLMM 节点
        • HDBSCAN 节点
        • Isotonic-AS 节点
        • KDE 节点
        • K-Means 节点
        • K-Means-AS 节点
        • KNN 节点
        • Kohonen 节点
        • 线性节点
        • 线性 AS 节点
        • Logistic 节点
        • LSVM 节点
        • “神经网络”节点
        • “多层感知器 AS”节点
        • “单类 SVM”节点
        • PCA/因子节点
        • QUEST 节点
        • “随机树”节点
        • 随机森林节点
        • 回归节点
        • 序列节点
        • SLRM 节点
        • SVM 节点
        • TCM 节点
        • “时间序列”节点
        • 树-AS 节点
        • “二阶聚类”节点
        • 二阶-AS 聚类节点
        • XGBoost-AS 节点
        • XGBoost Linear 节点
        • XGBoost Tree 节点
      • 文本分析
        • 语言标识节点
        • 文本链接分析节点
          • 专家选项
          • TLA 节点输出
        • 文本挖掘节点
          • “文本挖掘”模型块
          • 文本分析工作台
            • 概念选项卡
            • "文本链接" 选项卡
            • 类别选项卡
            • "资源编辑器" 选项卡
              • 规则实验室
              • 使用 Rule Lab 创建 TLA 规则
            • 设置选项
              • 高级语法设置
              • 高级频率设置
            • 生成模型块
        • 语言资源
          • 重复使用自定义语言资源
            • 重复使用自定义类别集
            • 重复使用图书馆
            • 重复使用模板
            • 重复使用文本分析软件包 (TAP)
      • 输出
        • “分析”节点
        • “数据审核”节点
        • “扩展输出”节点
        • “KDE 模拟”节点
        • “矩阵”节点
        • “均值”节点
        • 报告节点
        • 设置全局量节点
        • “模拟拟合”节点
        • “模拟评估”节点
        • 统计量节点
        • 表节点
        • 变换节点
      • 导出
        • “数据资产导出”节点
        • “扩展导出”节点
      • 扩展节点
        • 本机 Python API
        • Python for Spark 脚本
          • 使用 Python for Spark 进行脚本编制
            • 数据元数据
            • 日期、时间和时间戳记
            • 异常
            • 示例
        • R 脚本
      • SuperNodes
    • 推广SPSS Modeler流程和模型
    • 脚本编写与自动化
      • 脚本编写概述
        • 脚本类型
        • 流脚本
          • 流脚本示例: 训练神经网络
          • Jython 代码大小限制
        • 运行和中断脚本
      • 脚本语言
        • Python 和 Jython
        • Python 脚本编制
          • 操作
          • 列表
          • 字符串
          • 备注
          • 语句语法
          • 标识符
          • 代码块
          • 将参数传递给脚本
          • 示例
          • 数学方法
          • 使用非 ASCII 字符
        • 面向对象的程序设计
          • 定义类
          • 创建类实例
          • 向类实例添加属性
          • 定义类属性和方法
          • 隐藏变量
          • 继承
      • SPSS Modeler 中的脚本编制
        • 流， SuperNode 流和图
          • 流
          • SuperNode 流
          • 图
        • 运行流程
        • 脚本编制上下文
        • 引用现有节点
          • 查找节点
          • 设置属性
        • 创建节点和修改流
          • 创建节点
          • 链接和取消链接节点
          • 导入、替换和删除节点
          • 遍历流中的节点
        • 获取节点的相关信息
      • 脚本编制 API
        • 示例：使用定制过滤器搜索节点
        • 元数据：有关数据的信息
        • 参数
        • 全局值
        • 流的错误报告
      • 脚本编写技巧
        • 对节点执行循环
        • 访问流运行结果
          • 表内容模型
          • XML 内容模型
          • JSON 内容模型
          • 列统计内容模型和成对统计内容模型
      • 属性参考概述
        • 属性语法
          • 结构化属性
          • 缩写词
        • 节点和流属性示例
        • 节点属性概述
          • 公共节点属性
      • 流属性
      • "数据资产导入" 节点属性
        • dataassetimport 属性
        • extensionimportnode 属性
        • simgennode 属性
        • userinputnode 属性
      • 记录操作节点属性
        • appendnode 属性
        • aggregatenode 属性
        • balancenode 属性
        • cplexoptnode 属性
        • derive_stbnode 属性
        • distinctnode 属性
        • extensionprocessnode 属性
        • mergenode 属性
        • rfmaggregatenode 属性
        • samplenode 属性
        • selectnode 属性
        • sortnode 属性
        • streamingtimeseries 属性
      • 字段操作节点属性
        • anonymizenode 属性
        • autodataprepnode 属性
        • astimeintervalsnode 属性
        • binningnode 属性
        • derivenode 属性
        • ensemblenode 属性
        • fillernode 属性
        • filternode 属性
        • historynode 属性
        • partitionnode 属性
        • reclassifynode 属性
        • reordernode 属性
        • restructurenode 属性
        • rfmanalysisnode 属性
        • settoflagnode 属性
        • transposenode 属性
        • typenode 属性
      • 建模节点属性
        • 公共建模节点属性
        • anomalydetectionnode 属性
        • apriorinode 属性
        • associationrulesnode 属性
        • autoclassifiernode 属性
          • 设置算法属性
        • autoclusternode 属性
        • autonumericnode 属性
        • bayesnetnode 属性
        • c50node 属性
        • carmanode 属性
        • cartnode 属性
        • chaidnode 属性
        • coxregnode 属性
        • decisionlistnode 属性
        • discriminantnode 属性
        • extensionmodelnode 属性
        • factornode 属性
        • featureselectionnode 属性
        • genlinnode 属性
        • glmmnode 属性
        • gle 属性
        • kmeansnode 属性
        • kmeansasnode 属性
        • knnnode 属性
        • kohonennode 属性
        • linearnode 属性
        • linearasnode 属性
        • logregnode 属性
        • lsvmnode 属性
        • neuralnetworknode 属性
        • questnode 属性
        • randomtrees 属性
        • regressionnode 属性
        • sequencenode 属性
        • slrmnode 属性
        • svmnode 属性
        • tcmnode 属性
        • ts 属性
        • treeas 属性
        • twostepnode 属性
        • twostepAS 属性
      • 模型块节点属性
        • applyanomalydetectionnode 属性
        • applyapriorinode 属性
        • applyassociationrulesnode 属性
        • applyautoclassifiernode 属性
        • applyautoclusternode 属性
        • applyautonumericnode 属性
        • applybayesnetnode 属性
        • applyc50node 属性
        • applycarmanode 属性
        • applycartnode 属性
        • applychaidnode 属性
        • applycoxregnode 属性
        • applydecisionlistnode 属性
        • applydiscriminantnode 属性
        • applyextension 属性
        • applyfactornode 属性
        • applyfeatureselectionnode 属性
        • applygeneralizedlinearnode 属性
        • applyglmmnode 属性
        • applygle 属性
        • applygmm 属性
        • applykmeansnode 属性
        • applyknnnode 属性
        • applykohonennode 属性
        • applylinearnode 属性
        • applylinearasnode 属性
        • applylogregnode 属性
        • applylsvmnode 属性
        • applyneuralnetworknode 属性
        • applyocsvmnode 属性
        • applyquestnode 属性
        • applyrandomtrees 属性
        • applyregressionnode 属性
        • applyselflearningnode 属性
        • applysequencenode 属性
        • applysvmnode 属性
        • applytcmnode 属性
        • applyts 属性
        • applytreeas 属性
        • applytwostepnode 属性
        • applytwostepAS 属性
        • applyxgboosttreenode 属性
        • applyxgboostlinearnode 属性
        • hdbscannugget 属性
        • kdeapply 属性
      • 图形节点属性
        • collectionnode 属性
        • distributionnode 属性
        • dvcharts 属性
        • evaluationnode 属性
        • histogramnode 属性
        • multiplotnode 属性
        • plotnode 属性
        • timeplotnode 属性
        • webnode 属性
      • 输出节点属性
        • analysisnode 属性
        • dataauditnode 属性
        • extensionoutputnode 属性
        • kdeexport 属性
        • matrixnode 属性
        • meansnode 属性
        • reportnode 属性
        • setglobalsnode 属性
        • simfitnode 属性
        • statisticsnode 属性
        • tablenode 属性
        • transformnode 属性
      • 导出节点属性
        • dataassetexport 属性
        • extensionexportnode 属性
      • Python 节点属性
        • gmm 属性
        • hdbscannode 属性
        • kdemodel 属性
        • kdeexport 属性
        • ocsvmnode 属性
        • rfnode 属性
        • smotenode 属性
        • xgboostlinearnode 属性
        • xgboosttreenode 属性
      • Spark 节点属性
        • isotonicasnode 属性
        • kmeansasnode 属性
        • multilayerperceptronnode 属性
        • xgboostasnode 属性
      • 超节点属性
    • 表达式构建器
      • 选择函数
    • 参考信息
      • 提示和快捷方式
      • CLEM (旧) 语言参考
        • 构建 CLEM (legacy) 表达式
          • 关于 CLEM
          • CLEM 示例
          • 值和数据类型
          • 表达式和条件
          • 字符串的处理
          • 处理空白值和缺失值
          • 数字的处理
          • 时间和日期的处理
          • 多个字段的汇总
          • 多个响应数据的处理
          • 表达式构建器
            • 访问表达式构建器
            • 创建表达式
            • 选择函数
              • 数据库函数
            • 选择字段
            • 查看或选择值
            • 检查 CLEM 表达式
          • 查找
        • CLEM 数据类型
          • 整数
          • 实数
          • 个字符之后
          • 字符串
          • 列表
          • 字段
          • 日期
          • 时间
        • CLEM 运算符
        • 函数参考
          • 函数说明中的约定
          • 位元整数运算
          • 比较函数
          • 转换函数
          • 日期和时间函数
            • 转换日期和时间值
          • 处理空白值和空值的函数
          • 全局函数
          • 信息函数
          • 逻辑函数
          • 数字函数
          • 概率函数
          • 随机函数
          • 序列函数
          • SoundEx 函数
          • 空间函数
          • 特殊字段
          • 字符串函数
          • 三角函数
      • SPSS 算法
  • 可视化数据
    • 图表类型
      • 三维图
      • 条形图
      • 箱图
      • 气泡图
      • 蜡烛图
      • 圆填充图
      • 定制图表
      • 谱系图图表
      • 双 Y 轴图
      • 误差条形图
      • 评估图表
      • 热图
      • 直方图
      • 折线图
      • 地图
      • 数学曲线图
      • 多重图
      • 多系列图
      • 平行图
      • 排列图
      • 饼形图
      • 人口金字塔图
      • Q-Q 图
      • 雷达图
      • 关系图
      • 散点图和点图
      • 散点矩阵图
      • 序列数组图表
      • 旭日图
      • t-SNE 图
      • 时间散点图
      • 主题江河图
      • 树状图
      • 树状图
      • 字云图
    • 全局可视化首选项
• 部署人工智能
  • 服务端点
  • 部署 AI 资产
    • 部署生成式和代理式人工智能应用
      • 部署提示模板
      • 部署经过调整的模型
        • 部署 LoRA 或 QLoRA 调优模型的要求
        • 通过用户界面部署调优后的模型
        • 使用代码部署调优后的模型
      • 部署自定义基础模型
        • 计划部署自定义基础模型
        • 下载自定义基础模型并设置存储
        • 创建资产模型
        • 自定义地基模型的全局参数
        • 为自定义基础模型创建部署
        • 推断自定义基础模型
        • 管理定制基础模型的部署
      • 按需部署基础模型
        • 从资源中心按需部署基础模型
        • 利用 REST API 按需部署基础模型
        • 使用 Python 客户端库按需部署基础模型
      • 部署人工智能服务
        • 利用可视化工具部署人工智能服务
        • 通过代码部署人工智能服务
          • 人工编码和部署人工智能服务
          • 使用模板编码和部署人工智能服务
          • 使用CPDCTL对人工智能服务进行编码和部署
          • 使用 ibm- watsonx -ai-cli 对人工智能服务进行编码和部署
        • 测试人工智能服务部署
        • 管理人工智能服务部署
      • 部署代理型人工智能应用
    • 部署机器学习资产
      • 通过编程方式部署机器学习资源
        • Python 客户机示例 Notebook
      • 创建联机部署
      • 创建批处理部署
        • 用于对批处理部署进行评分的数据源
        • 按框架列出的批处理部署输入详细信息
          • AutoAI 模型
          • Decision Optimization 模型
          • Python 函数
          • Python 脚本
          • Pytorch 模型
          • Scikit-learn 和 XGBoost 模型
          • Spark 和 PMML 模型
          • SPSS 模型
          • Tensorflow 模型
          • 使用多个输入部署 SPSS 模型
      • 部署 Python 函数
        • 编写可部署的 Python 函数
      • 部署 NLP 模型
      • 部署脚本
      • 部署转换为 ONNX 格式的模型
      • 创建部署作业
      • 为多源 SPSS Modeler 流程进行部署
      • 在 SPSS Modeler 流量的部署空间中创建作业
      • 用于模型训练和评分的计算选项
      • 管理部署的硬件规格
      • 管理部署作业
      • 更新部署
      • 缩放部署
      • 评估部署情况
      • 删除部署
    • 使用 AI Factsheets 启用模型跟踪
    • 框架和软件规范
      • 支持的框架和软件规范
      • 管理过时的软件规范或框架
    • 定制部署运行时
      • 在 ML 模型中使用定制组件的需求
      • 使用第三方和专用 Python 库进行定制
    • 使用 ModelOps 管理 AI 生命周期
      • 部署仪表板
      • 使用 CPDCTL 管理 AI 生命周期
        • 示例: 使用 CPDCTL 创建脚本资产
  • 使用 Orchestration Pipelines 协调任务
    • 管道入门
      • 规划管道
    • 探索内置样本管道
    • 运行样本管道以比较模型
    • 创建管道
      • 配置管道节点
      • 管理缺省设置
      • 配置全局对象
      • 向管道添加条件
        • 管道表达式构建器中使用的函数
      • 处理管道错误
      • 对管道进行编程
      • 创建定制组件
    • 运行和保存管道
    • Orchestration Pipelines 的配置管理
  • Decision Optimization
    • 使用用户界面部署模型
    • 以编程方式部署模型
      • 部署模型
      • 模型输入和输出数据文件格式
        • OPL 模型输入和输出数据文件格式
        • Python模型输入和输出数据文件格式
      • 批量部署和模型执行
        • 部署工作的输入数据
        • 部署工作的输出数据
        • 运行参数
        • 运行作业
      • REST API 示例
    • 部署 Java 模型
    • 使用 REST API 在已部署的模型中更改 Python 版本
    • Python 客户机示例
    • 将 CPLEX 引擎求解委托给watsonx.aiRuntime
• 管理人工智能
  • 人工智能风险图集
    • 毒性输出
    • 无法解释和无法追踪的行动
    • 数据中毒
    • 来源不可靠
    • 缓解和维护
    • 人工智能代理合规性
    • 功能调用幻觉
    • 有害产出
    • 间接指令攻击
    • 数据中的机密信息
    • 模型缺乏透明度
    • 利用信任错配
    • 数据不具代表性
    • 人工智能代理对人类代理的影响
    • 人工智能代理对人类代理的影响
    • 提示个人信息
    • 与用户共享 IP/PI/机密信息
    • 时间差
    • 未经同意的使用
    • 决策偏差
    • 测试缺乏多样性
    • 暴露个人信息
    • 提示机密数据
    • 数据隐私权调整
    • 歧视性行动
    • 提示中的 IP 信息
    • 及时泄漏
    • 幻觉
    • 法律责任
    • 社交黑客攻击
    • 保密
    • 培训数据缺乏透明度
    • 模型使用权限制
    • 可复现性
    • 专用令牌攻击
    • 提示注入攻击
    • 不完整的建议
    • 系统缺乏透明度
    • 数据使用限制
    • 对文化多样性的影响
    • 对教育的影响：剽窃
    • 数据中的个人信息
    • 直接指令攻击
    • 不正当的使用
    • 排除项
    • 提取攻击
    • 对就业的影响
    • 越狱
    • 数据采集限制
    • 与工具共享 IP/PI/机密信息
    • 及时启动
    • 重新认定
    • 过度拟合
    • 属性推理攻击
    • 模型精度差
    • 数据传输限制
    • 生成的内容所有权和知识产权
    • 编码互动攻击
    • 对人类尊严的影响
    • 输出偏置
    • 危险使用
    • 人工智能代理缺乏透明度
    • 无法解释的输出
    • 人类剥削
    • 人工智能代理对工作的影响
    • 数据整理不当
    • 过度或过度依赖人工智能代理
    • 攻击人工智能代理的外部资源
    • 泄露机密信息
    • 缺乏领域专业知识
    • 传播虚假信息
    • 数据偏差
    • 数据来源不确定
    • 不具代表性的风险测试
    • 多余的行动
    • 数据使用权限制
    • 未经授权的使用
    • 错位行动
    • 人工智能代理对环境的影响
    • 有害代码生成
    • 数据污染
    • 使用定义不完整
    • 侵犯版权
    • 上下文超载攻击
    • 数据缺乏透明度
    • 对受影响社区的影响
    • 再培训不当
    • 传播毒性
    • 无法获取训练数据
    • 对教育的影响：绕过学习
    • 引入数据偏差
    • 人工智能代理行动的问责制
    • 不完整的人工智能代理评估
    • 无法追踪的归属
    • 闪避攻击
    • 对环境的影响
    • 过度依赖或依赖不足
    • 不正确的风险测试
    • 成员推理攻击
  • 规划治理
  • 评估 AI 模型
    • 模型评估的设置选项
      • 通过自动设置配置模型评估
      • 使用手动设置配置模型评估
      • 使用高级设置配置模型评估
    • 评估术语
    • 常见问题
    • 受支持的机器学习引擎、框架和模型
      • IBM watsonx.ai Runtime
      • Microsoft Azure ML Studio 框架
      • Microsoft Azure ML Service 框架
      • Amazon SageMaker 框架
      • 定制 ML 框架
      • 集成第三方 ML 引擎进行模型评估
    • 准备评估模型
      • 添加用于评估的部署
      • 提供模型详细信息
      • 使用 JSON 配置文件配置资产部署
    • 管理模型评估的数据
      • 管理有效内容数据
        • 有效内容日志记录
      • 管理训练数据
      • 管理反馈数据
      • 发送模型事务
    • Evaluation Studio
      • 人工智能代理应用评估工作室
    • 评估智能体及其智能体应用
    • 评估项目中的提示模板
    • 评估部署空间中的提示模板
    • 评估项目中已拆离的提示模板
    • 在空间中评估已拆离的提示模板
    • 评估多种语言的人工智能生成结果
    • 评估指标
      • 抽象度
      • 准确性
      • 对抗式稳健性
      • 回答相关性
      • 答案相似性
      • API 延迟
      • API 吞吐量
      • PR 下面积
      • ROC 下面积
      • 平均绝对几率差
      • 平均几率差
      • 平均精度
      • BLEU
      • 压缩
      • 包含全部
      • 包含任一项
      • 包含电子邮件
      • 包含JSON
      • 包含链接
      • 不包含任何内容
      • 包含字符串
      • 包含有效链接
      • 上下文相关性
      • 覆盖范围
      • 密度
      • 差异性影响
      • 嵌入漂移
      • 结尾为
      • 等于
      • 错误率差异
      • 精确匹配
      • 忠实度
      • 误发现率差异
      • 误否定率差异
      • 误遗漏率差异
      • 误肯定率差异
      • 特征漂移
      • 模糊匹配
      • HAP 指标
      • 命中率
      • 影响力分数
      • 输入元数据漂移
      • 输入令牌计数
      • 电子邮件
      • 是JSON吗
      • 关键词包含
      • 长度大于
      • 长度小于
      • 宏 F1 得分
      • 宏查准率
      • 宏查全率
      • METEOR
      • 微 F1 得分
      • 微查准率
      • 微查全率
      • 模型质量漂移
      • 自然坚固
      • 没有无效链接
      • 归一化折现累计增益
      • 输出漂移
      • 输出元数据漂移
      • 输出标记计数
      • 有效内容大小
      • PII
      • 预测漂移
      • 漏油风险
      • 坚固性
      • 可读性
      • 倒数排名
      • 记录延迟
      • 记录吞吐量
      • 记录
      • 正则表达式
      • 重复性
      • 检索精度
      • ROUGE
      • SARI
      • 评分请求
      • 句子相似性
      • 开头为
      • 统计奇偶差异
      • 文本质量
      • 不成功的请求数
      • 用户
    • 质量评估配置
    • 公平性评估的配置
      • 计算公平性
      • 配置间接偏差
    • 漂移配置 v2 评估
    • 配置生成人工智能质量评估
    • 配置模型健康监测评估
      • 吞吐量
    • 创建定制评估和度量
    • 使用 LLM 作为评委创建自定义评估
    • 配置可解释性
    • 设置警报
    • 查看模型洞察
      • 审查评价结果
      • 审查模型事务
        • 解释模型事务
        • 复审无偏交易
    • 为模型评估创建证书
    • 基于 Python SDK的生成式AI指标计算
      • Agentic AI 评估
      • 评估指标
      • 模型风险评估引擎
      • 车型解析
    • 使用 Python SDK进行机器学习模型的指标计算
    • 用于模型评估的Python客户端样本
    • 将网络钩子与 watsonx.governance
  • 管理 AI 用例中的资产
    • 建立人工智能治理体系
      • 创建和管理库存
      • 管理报告模板
      • 管理附件
    • 设置 AI 用例
      • 将工作空间与人工智能用例联系起来
    • 跟踪 AI 用例中的资产
      • 跟踪提示模板
      • 跟踪机器学习模型
      • 追踪 Python 函数
      • 跟踪外部模型
      • 在 Notebook 中跟踪资产
    • 查看事实表
    • 用于监管的协作角色
    • 在事实表中添加自定义事实
    • 自定义事实和用户详细信息的编码
  • 使用 Governance console in IBM watsonx 管理风险和合规性
    • 将 IBM watsonx.governance 与 IBM Cloud 整合 Governance console
      • 升级 watsonx.governance 解决方案 IBM Cloud
    • 整合 Governance console 和模型管理 AWS
      • 在 AWS 上升级 watsonx.governance 解决方案
    • 入门
    • 为业务用户配置 Governance console
      • 设置代理配置
      • 连接到代理平台
      • 配置 Slack 的用例应用
      • 为 watsonx Orchestrate 代理配置指标同步
      • 配置 AI 资产自动发现
      • 配置治理图
        • 在仪表盘中添加“治理图”选项卡
        • 配置治理图的解决方案
    • 创建用例
    • 查看用例
    • 识别潜在风险
    • 确定适用于某个用例的法规
    • 将相关对象与用例关联起来
      • 关联代理
      • 将模型与用例关联 Amazon SageMaker 起来
    • 提交用例以供审批
    • 审查和批准用例
    • 删除用例
    • 查看模型和模型详细信息
    • 看房经纪人
    • 《Governing》杂志发现了隐蔽的AI资产
    • 利用治理图探索治理数据
    • 解决方案组件
      • 模型风险监管解决方案
        • 模型风险监管工作流程
      • 运营风险管理解决方案
        • 运营风险管理工作流程
      • 合规性管理解决方案
        • 法规合规性管理工作流程
      • 对象类型
  • 配置防护栏
    • 建立护栏策略清单
    • 制定防护栏政策
    • 护栏可用过滤器
    • 为防护栏策略创建自定义检测器
    • 实时检测的程序化配置
  • 使用受管理的代理目录
    • 查找和使用受管理的代理和工具
    • 管理受管理的代理和工具
  • 将资产转为库存 watsonx.governance
• 管理
  • 管理页面： IBM Cloud
    • 在 IBM Cloud
      • 设置 IBM Cloud 帐户
      • 管理用户和访问权
        • 将用户添加到帐户
        • 用户访问角色的级别
        • IAM 访问组
          • 设置IAM访问组
          • IAM访问组示例
      • 设置 Cloud Object Storage
      • 创建 watsonx.ai Studio和 watsonx.ai Runtime
      • 创建平台资产目录
      • 设置 watsonx.governance 邮箱地址 IBM Cloud
        • 设置默认库存
    • 管理平台 IBM Cloud
      • 监视帐户资源使用情况
      • 设置可信配置文件
      • 管理帐户设置
      • 管理帐户中的所有项目
      • 升级平台上的服务
      • 管理Cloud Object Storage资源
      • 自带许可证
      • 设置模型网关（预览版）
        • 在用户界面中设置模型网关（预览版）
        • 通过编程方式设置模型网关（预览版）
      • 管理模型网关（预览版）
      • 连接IBM watsonx.ai演示和watsonx.ai账户
      • 移除用户
      • 停止使用服务或平台
      • Activity Tracker 事件路由
    • 安全 IBM Cloud
      • 保护网络安全
      • 企业安全
      • 账户安全性
      • 数据安全性
      • 合作者安全性
      • 安全政策和责任 IBM Cloud
      • 使用私有服务端点安全连接服务
      • 配置防火墙访问
        • 平台的防火墙访问
        • 防火墙访问 IBM Cloud Object Storage
        • Redshift 的防火墙访问权限
        • Spark 的防火墙访问
        • watsonx.ai Runtime 的防火墙访问
        • watsonx.ai Studio 的防火墙访问
  • 管理页面： AWS
    • 在 AWS
    • 设置 watsonx.governance 环境 AWS
      • 在 AWS 实例上调配 watsonx.governance 即服务
      • 管理 watsonx.governance 即服务的 IAM 访问权限 AWS
      • 在 watsonx.governance 上确保您的数据安全。 AWS
      • 自定义治理控制台中的主机名 URL watsonx.governance as a Service on AWS
      • 在 AWS 上将 watsonx.governance 作为服务与亚马逊集成 SageMaker
        • 用例流程
        • 工艺流程模型
      • 在 AWS 上管理 watsonx.governance 环境（持续维护）
        • watsonx.governance SaaS 上的业务连续性和灾难恢复 AWS
        • watsonx.governance SaaS 上的高可用性 AWS
        • 备份和恢复 watsonx.governance SaaS on AWS
        • 管理 watsonx.governance SaaS 上的 IP 地址 AWS
        • watsonx.governance SaaS 的维护窗口 AWS
        • watsonx.governance SaaS 上的软件更新 AWS
        • 安装 ObjectManager for watsonx.governance as a Service on AWS
        • 使用 LogCollector 用户界面收集日志
        • 在 watsonx.governance 上启用 REST API 作为服务 AWS
    • 管理平台 AWS
    • 安全 AWS
      • 账户安全 AWS
      • 数据安全 AWS
      • 合作者安全 AWS
      • 在 AWS 上配置防火墙访问
  • 故障诊断
    • 连接
    • Data Refinery
    • IBM Cloud 状态
    • IBM Cloud Object Storage 用于项目
    • SPSS Modeler
    • Synthetic Data Generator
    • watsonx.ai Runtime
    • Watson OpenScale
    • watsonx.ai Studio
    • watsonx.governance
  • 管理用户 API 密钥
  • 在 IBM Cloud
  • 在 AWS
  • 确定您的角色
  • 管理您的云账户
• 术语表