این بخشی از این است مسیر یادگیری: با IBM Streams شروع کنید.
خلاصه
در این الگوی کد توسعه‌دهنده، ما داده‌های خرید آنلاین را پخش می‌کنیم و از داده‌ها برای ردیابی محصولاتی که هر مشتری به سبد خرید اضافه کرده است استفاده می‌کنیم. ما یک مدل خوشه‌بندی k-means با scikit-learn می‌سازیم تا مشتریان را بر اساس محتویات سبد خریدشان گروه‌بندی کنیم. از انتساب خوشه می توان برای پیش بینی محصولات اضافی برای توصیه استفاده کرد.
توضیحات:
برنامه ما با استفاده از IBM Streams در IBM Cloud Pak® for Data ساخته خواهد شد. IBM Streams یک IDE داخلی به نام Streams Flow ارائه می دهد که به شما امکان می دهد به صورت بصری یک برنامه استریم ایجاد کنید. پلتفرم IBM Cloud Pak for Data پشتیبانی بیشتری از جمله ادغام با چندین منبع داده، تجزیه و تحلیل داخلی، نوت بوک های Jupyter و یادگیری ماشینی را فراهم می کند.
برای ساخت و استقرار مدل یادگیری ماشین خود، از یک نوت بوک Jupyter در IBM Watson® Studio و یک نمونه Watson Machine Learning استفاده خواهیم کرد. در مثال‌های ما، هر دو روی IBM Cloud Pak for Data اجرا می‌شوند.
با استفاده از ویرایشگر جریان جریان، یک برنامه پخش جریانی با اپراتورهای زیر ایجاد خواهیم کرد:
- یک اپراتور منبع که داده های جریان کلیک نمونه را تولید می کند
- یک اپراتور فیلتر که فقط رویدادهای "افزودن به سبد خرید" را نگه می دارد
- یک اپراتور کد که در آن از کد پایتون برای مرتب کردن اقلام سبد خرید در یک آرایه ورودی برای امتیازدهی استفاده می‌کنیم
- یک اپراتور WML Deployment برای اختصاص مشتری به یک خوشه
- یک اپراتور Debug برای نشان دادن نتایج
جریان
- کاربر یک مدل یادگیری ماشینی می سازد و به کار می گیرد.
- کاربر یک برنامه IBM Streams را ایجاد و اجرا می کند.
- رابط کاربری Streams Flow جریان، فیلتر کردن و امتیازدهی را در عمل نشان می دهد.
دستورالعمل ها
برای شروع آماده اید؟ در README مراحل را توضیح می دهد:
- دسترسی به نمونه IBM Streams خود را در Cloud Pak for Data تأیید کنید.
- یک پروژه جدید در Cloud Pak for Data ایجاد کنید.
- یک مدل بسازید و ذخیره کنید.
- فضای استقرار را با پروژه مرتبط کنید.
- مدل را مستقر کنید.
- یک برنامه Streams Flow ایجاد و اجرا کنید.
تبریک می گویم! این الگوی کد را جمع بندی می کند با سری IBM Streams شروع کنید. علاوه بر توضیح IBM Streams، ما نشان داده‌ایم که چگونه:
- اولین برنامه IBM Streams خود را بدون نوشتن کد ایجاد کنید
- یک برنامه استریم آپاچی کافکا بسازید
- با استفاده از API پایتون یک برنامه استریم بسازید
- داده های جریانی را با یک مدل یادگیری ماشینی به دست آورید
اکنون باید درک اساسی از IBM Streams و برخی از ویژگی های آن داشته باشید. اگر می خواهید بیشتر بدانید، نگاهی به آن بیندازید مقدمه ای بر تحلیل جریانی با IBM Streams سری ویدئویی
منبع: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/