Conocimientos básicos en ciencia de datos (Python, pandas, scikit-learn) te ayudarán mucho. No necesitas instalar nada: todo corre en la nube. El plan gratuito permite experimentar con bastantes herramientas, aunque tiene límites mensuales.
Mira un vídeo sobre este paso aquí:
Inicia sesión en IBM Cloud. Ve a Catálogo (arriba en el menú). Busca “Watson Studio”. Haz clic en el servicio y selecciona: Haz clic en "Crear".
Nombre del servicio (por ejemplo, "Watson Studio" o “MiStudioAI”) Elige un plan (puedes empezar con el gratuito: Lite Plan).
Profundiza en este paso con este vídeo tutorial:
Desde el panel de Watson Studio, haz clic en “Crear proyecto”. Selecciona: Haz clic en "Crear".
Mira un vídeo aquí:
Proyecto vacío Asigna un nombre Vincula un servicio de almacenamiento (te sugerirá automáticamente IBM Cloud Object Storage; actívalo si no lo has hecho).
Dentro del proyecto, haz clic en la pestaña “Assets”. Selecciona “Agregar al proyecto” > “Datos”. Puedes subir un archivo .csv, .xls, .json, etc., o conectarte a bases de datos.
Mira un vídeo sobre este paso aquí:
Aprende cómo hacerlo aquí:
También puedes conectar Watson con tu base de datos.
Profundiza en este paso con este vídeo tutorial:
Ve a Assets > Add to project > Notebook. Elige “From scratch” o usa una plantilla. Selecciona el entorno de ejecución (Python 3.x es común).
Aprende a crear un dataframe con Jupyter Notebooks:
Conoce el proceso de limpieza y transformación de datos:
Ve a Assets > Add to project > AutoAI experiment. Asocia el archivo de datos, selecciona el objetivo (por ejemplo, “churn”) y deja que AutoAI lo modele automáticamente.
Profundiza en este paso con este vídeo tutorial. Activa los subtítulos:
Profundiza en este paso con este vídeo tutorial:
En AutoAI o desde notebooks, guarda tu modelo. Ve a la pestaña “Deployments” del proyecto. Elige "Deploy model" y selecciona “Online deployment” para obtener una API. Así podrás usarlo en una app, formulario o script.
Aprende cómo: Desplegar tu modelo: Testear tu modelo: Crear, entrenar y testear tu modelo:
Micro Videos Tutoriales IBM WATSON STUDIO Canal: Business Data Science Curso Watson Studio Canal: Carlos García Cómo realizar el experimento AutoAI en IBM Watson Canal: Minería de datos
1. Creación del proyecto 2. Preparación de datos 3. Entrenamiento del modelo 4. Evaluación 5. Despliegue 6. Colaboración y gobierno
Inicias un proyecto colaborativo. Defines el objetivo: ¿modelo predictivo?, ¿análisis de texto?, ¿visión por computadora?, etc. Cargas tus datos (desde tu PC, bases de datos, IBM Cloud Object Storage, etc.).
Creación del proyecto
Preparación de datos
Usas Data Refinery para limpiar, transformar, unir o visualizar datos. Puedes usar notebooks en Python o R para tareas más avanzadas. Watson Studio también permite usar SPSS Modeler, una interfaz visual para modelado predictivo.
Flujo de trabajo típico
Puedes escribir tú mismo el código de entrenamiento o usar AutoAI, que: – Selecciona automáticamente algoritmos adecuados. – Optimiza hiperparámetros. – Te presenta un leaderboard de los mejores modelos entrenados.
Entrenamiento del modelo
Evaluación
Evalúas el modelo con métricas estándar (precisión, recall, F1-score, etc.). Puedes comparar diferentes modelos entre sí directamente.
Flujo de trabajo típico
Usas Watson Machine Learning para desplegar el modelo como una API REST. Puedes monitorear el uso, la degradación del modelo y hacer retraining si es necesario.
Despliegue
Colaboración y gobierno
Control de versiones, rastreo de experimentos, permisos por usuario. Integración con herramientas de gobernanza de datos de IBM.