Oceniaj dane przesyłane strumieniowo za pomocą modelu uczenia maszynowego

To jest część Ścieżka szkoleniowa: pierwsze kroki z IBM Streams.

Podsumowanie

W tym wzorcu kodu programisty będziemy przesyłać strumieniowo dane dotyczące zakupów online i wykorzystywać dane do śledzenia produktów, które każdy klient dodał do koszyka. Zbudujemy model grupowania k-średnich z scikit-learn, aby pogrupować klientów według zawartości ich koszyków. Przypisanie klastra może służyć do przewidywania dodatkowych produktów do rekomendacji.

Opis

Nasza aplikacja zostanie zbudowana przy użyciu IBM Streams na IBM Cloud Pak® for Data. IBM Streams udostępnia wbudowane środowisko IDE o nazwie Streams Flows, które umożliwia wizualne tworzenie aplikacji do przesyłania strumieniowego. Platforma IBM Cloud Pak for Data zapewnia dodatkowe wsparcie, takie jak integracja z wieloma źródłami danych, wbudowana analityka, notatniki Jupyter i uczenie maszynowe.

Aby zbudować i wdrożyć nasz model uczenia maszynowego, użyjemy Jupyter Notebook w IBM Watson® Studio i instancji Watson Machine Learning. W naszych przykładach oba działają w IBM Cloud Pak for Data.

Korzystając z edytora Streams Flows stworzymy aplikację do streamingu z następującymi operatorami:

• Operator źródła, który generuje przykładowe dane strumienia kliknięć
• Operator filtra, który przechowuje tylko zdarzenia „dodaj do koszyka”
• Operator kodu, w którym używamy kodu Pythona, aby uporządkować elementy koszyka zakupów w tablicę wejściową do oceniania
• Operator wdrażania WML do przypisywania klienta do klastra
• Operator debugowania do wykazania wyników

Przepływ

1. Użytkownik tworzy i wdraża model uczenia maszynowego.
2. Użytkownik tworzy i uruchamia aplikację IBM Streams.
3. Interfejs użytkownika Streams Flow pokazuje przesyłanie strumieniowe, filtrowanie i ocenianie w akcji.

Instrukcje

Gotowy żeby zacząć? Plik README wyjaśnia kroki, aby:

1. Zweryfikuj dostęp do swojej instancji IBM Streams w Cloud Pak for Data.
2. Utwórz nowy projekt w Cloud Pak for Data.
3. Zbuduj i przechowuj model.
4. Powiąż przestrzeń wdrożenia z projektem.
5. Wdróż model.
6. Utwórz i uruchom aplikację Streams Flow.

Gratulacje! Ten wzorzec kodu zamyka Zacznij korzystać z serii IBM Streams. Oprócz wyjaśnienia IBM Streams, pokazaliśmy, jak:

• Utwórz swoją pierwszą aplikację IBM Streams bez pisania kodu
• Zbuduj aplikację do przesyłania strumieniowego Apache Kafka
• Utwórz aplikację do przesyłania strumieniowego za pomocą interfejsu API języka Python
• Oceniaj dane przesyłane strumieniowo za pomocą modelu uczenia maszynowego

Powinieneś teraz mieć podstawową wiedzę na temat IBM Streams i niektórych jego funkcji. Jeśli chcesz dowiedzieć się więcej, zajrzyj na Wprowadzenie do analizy strumieniowej za pomocą IBM Streams seria wideo.