Notez les données en streaming avec un modèle d'apprentissage automatique

Cela fait partie du Parcours d'apprentissage: Premiers pas avec IBM Streams.

Résumé

Dans ce modèle de code de développeur, nous diffuserons les données d'achat en ligne et utiliserons les données pour suivre les produits que chaque client a ajoutés au panier. Nous allons créer un modèle de clustering k-means avec scikit-learn pour regrouper les clients en fonction du contenu de leur panier. L'affectation de cluster peut être utilisée pour prédire des produits supplémentaires à recommander.

Description

Notre application sera créée à l'aide d'IBM Streams sur IBM Cloud Pak® for Data. IBM Streams fournit un IDE intégré, appelé Streams Flows, qui vous permet de créer visuellement une application de streaming. La plate-forme IBM Cloud Pak for Data fournit une prise en charge supplémentaire, telle que l'intégration avec plusieurs sources de données, des analyses intégrées, des notebooks Jupyter et l'apprentissage automatique.

Pour créer et déployer notre modèle d'apprentissage automatique, nous utiliserons un bloc-notes Jupyter dans IBM Watson® Studio et une instance Watson Machine Learning. Dans nos exemples, les deux s'exécutent sur IBM Cloud Pak for Data.

À l'aide de l'éditeur Streams Flows, nous allons créer une application de streaming avec les opérateurs suivants:

• Un opérateur source qui génère des exemples de données de parcours de clics
• Un opérateur de filtre qui ne conserve que les événements «ajouter au panier»
• Un opérateur de code dans lequel nous utilisons du code Python pour organiser les articles du panier dans un tableau d'entrée pour la notation
• Un opérateur de déploiement WML pour affecter le client à un cluster
• Un opérateur de débogage pour démontrer les résultats

Flow

1. L'utilisateur crée et déploie un modèle d'apprentissage automatique.
2. L'utilisateur crée et exécute une application IBM Streams.
3. L'interface utilisateur Streams Flow affiche le streaming, le filtrage et la notation en action.

Instructions

Prêt à commencer? le README explique les étapes pour:

1. Vérifiez l'accès à votre instance IBM Streams sur Cloud Pak for Data.
2. Créez un nouveau projet dans Cloud Pak for Data.
3. Créez et stockez un modèle.
4. Associez l'espace de déploiement au projet.
5. Déployez le modèle.
6. Créez et exécutez une application Streams Flow.

Toutes nos félicitations! Ce modèle de code résume le Premiers pas avec la série IBM Streams. En plus d'expliquer IBM Streams, nous avons montré comment:

• Créez votre première application IBM Streams sans écrire de code
• Créer une application de streaming Apache Kafka
• Créer une application de streaming à l'aide d'une API Python
• Notez les données en streaming avec un modèle d'apprentissage automatique

Vous devez maintenant avoir une compréhension fondamentale d'IBM Streams et de certaines de ses fonctionnalités. Si vous souhaitez en savoir plus, jetez un œil à la Introduction à l'analyse en continu avec IBM Streams série vidéo.