요약
이 개발자 코드 패턴에서는 온라인 쇼핑 데이터를 스트리밍하고 데이터를 사용하여 각 고객이 장바구니에 추가 한 제품을 추적합니다. 장바구니의 내용에 따라 고객을 그룹화하기 위해 scikit-learn을 사용하여 k- 평균 클러스터링 모델을 구축 할 것입니다. 클러스터 할당은 추천 할 추가 제품을 예측하는 데 사용할 수 있습니다.
상품 설명
우리의 애플리케이션은 IBM Cloud Pak® for Data에서 IBM Streams를 사용하여 빌드됩니다. IBM Streams는 스트리밍 앱을 시각적으로 만들 수있는 Streams Flows라는 내장 IDE를 제공합니다. IBM Cloud Pak for Data 플랫폼은 여러 데이터 소스, 기본 제공 분석, Jupyter 노트북 및 기계 학습과의 통합과 같은 추가 지원을 제공합니다.
기계 학습 모델을 빌드하고 배치하기 위해 IBM Watson® Studio 및 Watson Machine Learning 인스턴스에서 Jupyter 노트북을 사용합니다. 예제에서 둘 다 IBM Cloud Pak for Data에서 실행됩니다.
Streams Flows 편집기를 사용하여 다음 연산자로 스트리밍 앱을 만듭니다.
- 샘플 클릭 스트림 데이터를 생성하는 소스 연산자
- "장바구니에 추가"이벤트 만 유지하는 필터 연산자
- Python 코드를 사용하여 장바구니 항목을 채점을위한 입력 배열로 정렬하는 코드 연산자
- 고객을 클러스터에 할당하는 WML 배포 운영자
- 결과를 보여주는 디버그 연산자
흐름
- 사용자가 기계 학습 모델을 빌드하고 배포합니다.
- 사용자가 IBM Streams 애플리케이션을 작성하고 실행합니다.
- Streams Flow UI는 작동중인 스트리밍, 필터링 및 채점을 보여줍니다.
명령
시작할 준비가 되셨습니까? 그만큼 README 다음 단계를 설명합니다.
- Cloud Pak for Data에서 IBM Streams 인스턴스에 대한 액세스를 확인하십시오.
- Cloud Pak for Data에서 새 프로젝트를 만듭니다.
- 모델을 빌드하고 저장합니다.
- 배포 공간을 프로젝트와 연결합니다.
- 모델을 배포하십시오.
- Streams Flow 애플리케이션을 생성하고 실행합니다.
축하합니다! 이 코드 패턴은 IBM Streams 시리즈 시작하기. IBM Streams를 설명하는 것 외에도 다음과 같은 방법을 보여주었습니다.
- 코드를 작성하지 않고 첫 번째 IBM Streams 앱 만들기
- Apache Kafka 스트리밍 앱 빌드
- Python API를 사용하여 스트리밍 앱 빌드
- 기계 학습 모델로 스트리밍 데이터 점수 매기기
이제 IBM Streams 및 일부 기능에 대한 기본적인 이해가 있어야합니다. 자세한 내용을 보려면 IBM Streams를 사용한 스트리밍 분석 소개 비디오 시리즈.
출처 : https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/