快速入门教程

获取快速入门教程以了解如何执行特定任务，例如优化数据或构建模型。这些教程帮助您快速了解如何执行特定任务或一组相关任务。

正在寻找视频？访问视频库，观看 watsonx 中的许多常见任务。

完成这些教程后，请参阅其他学习资源部分以继续学习。

快速入门教程按任务分类:

每个教程都需要一个或多个服务实例。某些服务包含在多个教程中。教程按任务分组。您可以从任何任务开始。其中每个教程都提供了工具的描述，视频，指示信息和其他学习资源。

每个教程的标记都描述了专业知识级别 (，或 ) 以及所需的编码量 (，或 )。

准备数据

要开始准备，转换和集成数据，请了解整个工作流程，选择教程，并查看其他学习资源以在平台上工作。

数据准备工作流程涉及以下以下基本步骤：

在这些教程中，每一个都提供了工具描述、视频、指示信息和其他学习资源：

教程	描述	教程的专业知识
使用 Data Refinery优化和可视化数据	使用图形流编辑器来准备和可视化表格数据。	选择操作以处理数据。
生成合成表格数据	使用图形流编辑器生成合成表格数据。	选择要生成数据的操作。

要开始分析和可视化数据，请了解整个工作流程，选择教程，并查看其他学习资源以使用其他工具。

分析和可视化数据工作流程涉及以下以下基本步骤：

在这些教程中，每一个都提供了工具描述、视频、指示信息和其他学习资源：

教程	描述	教程的专业知识
分析 Jupyter Notebook 中的数据	装入数据，运行和共享 Notebook。	了解生成的 Python 代码。
使用 Data Refinery优化和可视化数据	使用图形流编辑器来准备和可视化表格数据。	选择操作以处理数据。

要开始构建，部署和信任模型，请了解整个工作流程，选择教程，并查看其他学习资源以在平台上工作。

AI 生命周期中涉及的不同阶段如下:

下图显示了 AI 生命周期的各个阶段:

AI 生命周期的各个阶段

构建、部署和信任模型的工作流程包含以下基本步骤：

每个教程都提供了工具的描述，视频，指示信息和其他学习资源:

教程	描述	教程的专业知识
使用 AutoAI构建和部署机器学习模型	使用 AutoAI 工具自动构建模型候选项。	无需编码即可构建，部署和测试模型。
在 Notebook 中构建和部署机器学习模型	通过更新和运行使用Python代码和watsonx.aiRuntime API 的笔记本来构建模型。	构建，部署和测试使用 Python 代码的 scikit-learn 模型。
使用 SPSS Modeler构建和部署机器学习模型	构建使用 SPSS Modeler 工具的 C5.0 模型。	将数据和操作节点放在画布上并选择属性。
构建和部署 Decision Optimization 模型	使用 Modeling Assistant自动构建方案。	求解和探索方案，然后部署和测试模型而不进行编码。
使用管道自动执行模型的生命周期	创建并运行管道以自动构建和部署机器学习模型。	将操作节点放在画布上并选择属性。
评估机器学习模型	部署模型，配置已部署模型的监视器，并评估模型。	运行 Notebook 以配置模型并使用 Watson OpenScale 进行评估。

要开始使用生成性 AI ，请了解整个工作流程，选择教程，并查看其他学习资源以在平台上工作。

提示工程工作流程具有以下基本步骤:

每个教程都提供了工具的描述，视频，指示信息和其他学习资源:

教程	描述	教程的专业知识
使用 Prompt Lab	试用提示不同的基础模型，浏览样本提示，并保存和共享您的最佳提示。	使用 Prompt Lab 提示模型，无需编码。
通过检索增强生成模式，提示基础模型	通过利用知识库中的信息来提示基础模型。	在使用 Python 代码的 Jupyter Notebook 中使用检索增强生成模式。
调整基础模型	调整基础模型，提升模型性能。	使用Tuning Studio无需编码即可调整模型。
watsonx.ai 全程教程	使用任何工具（如 AutoAI, SPSS Modeler 或Jupyter笔记本）构建模型，然后部署并测试模型。此外，您还可以使用 watsonx.ai 来转换数据并调整基础模型。

要开始管理 AI ，请了解整体工作流程，选择教程，并查看其他学习资源以在平台上工作。

您的 AI 监管工作流程包含以下基本步骤:

每个教程都提供了工具的描述，视频，指示信息和其他学习资源:

教程	描述	教程的专业知识
评估和跟踪提示模板	评估一个即时模板，以衡量基础模型的性能，并跟踪即时模板的生命周期。	使用评估工具和 AI 用例来跟踪提示模板。
即时性能比较	使用适合您使用案例的定量指标和自定义标准评估和比较您的生成式人工智能资产。	使用评估工作室同时评估多个资产的性能。
评估机器学习模型	部署模型，为已部署的模型配置监视器，并评估模型 Watson OpenScale。	运行 Notebook 以配置监视器，并使用 Watson OpenScale 进行评估。
评估空间中的部署	部署模型，为已部署的模型配置监视器，并在部署空间中评估模型。	配置监视器并评估部署空间中的模型。