これは、 学習パス:IBMStreamsを使い始める.
まとめ
この開発者コードパターンでは、オンラインショッピングデータをストリーミングし、そのデータを使用して、各顧客がカートに追加した製品を追跡します。 ショッピングカートの内容に応じて顧客をグループ化するために、scikit-learnを使用してk-meansクラスタリングモデルを構築します。 クラスターの割り当てを使用して、推奨する追加の製品を予測できます。
説明
このアプリケーションは、IBMCloudPak®forData上のIBMStreamsを使用して構築されます。 IBM Streamsは、Streams Flowsと呼ばれる組み込みIDEを提供します。これにより、ストリーミングアプリを視覚的に作成できます。 IBM Cloud Pak for Dataプラットフォームは、複数のデータソースとの統合、組み込みの分析、Jupyter Notebook、機械学習などの追加サポートを提供します。
機械学習モデルを構築してデプロイするために、IBMWatson®StudioのJupyterNotebookとWatsonMachineLearningインスタンスを使用します。 この例では、両方がIBM Cloud Pak forDataで実行されています。
Streams Flowsエディターを使用して、次の演算子を使用してストリーミングアプリを作成します。
- サンプルのクリックストリームデータを生成するソース演算子
- 「カートに追加」イベントのみを保持するフィルター演算子
- Pythonコードを使用して、ショッピングカートのアイテムをスコアリング用の入力配列に配置するコード演算子
- 顧客をクラスターに割り当てるためのWMLデプロイメントオペレーター
- 結果を示すためのデバッグ演算子
Flow
- ユーザーは機械学習モデルを構築してデプロイします。
- ユーザーはIBMStreamsアプリケーションを作成して実行します。
- Streams Flow UIは、ストリーミング、フィルタリング、およびスコアリングの動作を示します。
説明書
始める準備はできましたか? ザ・ README 次の手順について説明します。
- Cloud Pak forData上のIBMStreamsインスタンスへのアクセスを確認します。
- Cloud Pak forDataで新しいプロジェクトを作成します。
- モデルを作成して保存します。
- デプロイメントスペースをプロジェクトに関連付けます。
- モデルを展開します。
- StreamsFlowアプリケーションを作成して実行します。
おめでとう! このコードパターンは、 IBMStreamsシリーズを始めましょう。 IBM Streamsの説明に加えて、次の方法を示しました。
- コードを記述せずに最初のIBMStreamsアプリを作成する
- ApacheKafkaストリーミングアプリを構築する
- PythonAPIを使用してストリーミングアプリを構築する
- 機械学習モデルを使用してストリーミングデータをスコアリングする
これで、IBMStreamsとその機能のいくつかについて基本的な知識が得られたはずです。 詳細については、 IBMStreamsを使用したストリーミング分析の概要 ビデオシリーズ。
ソース:https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/