Scor de date de streaming cu un model de învățare automată

Aceasta face parte din Calea de învățare: începeți cu IBM Streams.

Rezumat

În acest model de cod de dezvoltator, vom transmite date de cumpărături online și vom folosi datele pentru a urmări produsele pe care fiecare client le-a adăugat în coș. Vom construi un model de grupare k-means cu scikit-learn pentru a grupa clienții în funcție de conținutul coșului de cumpărături. Atribuirea clusterului poate fi utilizată pentru a prezice produse suplimentare de recomandat.

Descriere

Aplicația noastră va fi construită folosind IBM Streams pe IBM Cloud Pak® for Data. IBM Streams oferă un IDE încorporat, numit Streams Flows, care vă permite să creați vizual o aplicație de streaming. Platforma IBM Cloud Pak for Data oferă suport suplimentar, cum ar fi integrarea cu mai multe surse de date, analiză încorporată, notebook-uri Jupyter și învățare automată.

Pentru a construi și a implementa modelul nostru de învățare automată, vom folosi un notebook Jupyter în IBM Watson® Studio și o instanță Watson Machine Learning. În exemplele noastre, ambele rulează pe IBM Cloud Pak for Data.

Folosind editorul Streams Flows, vom crea o aplicație de streaming cu următorii operatori:

• Un operator sursă care generează eșantion de date din fluxul de clic
• Un operator de filtru care păstrează doar evenimentele „adăugați în coș”.
• Un operator de cod în care folosim codul Python pentru a aranja articolele din coșul de cumpărături într-o matrice de intrare pentru scor
• Un operator de implementare WML pentru a atribui clientul unui cluster
• Un operator Debug pentru a demonstra rezultatele

Debit

1. Utilizatorul construiește și implementează un model de învățare automată.
2. Utilizatorul creează și rulează o aplicație IBM Streams.
3. Interfața de utilizare Streams Flow arată fluxul, filtrarea și scorul în acțiune.

Instrucțiuni

Sunteți gata să începeți? README explică pașii pentru:

1. Verificați accesul la instanța dumneavoastră IBM Streams pe Cloud Pak for Data.
2. Creați un nou proiect în Cloud Pak for Data.
3. Construiți și stocați un model.
4. Asociați spațiul de desfășurare cu proiectul.
5. Implementați modelul.
6. Creați și rulați o aplicație Streams Flow.

Felicitări! Acest model de cod finalizează Începeți cu seria IBM Streams. Pe lângă explicarea IBM Streams, am arătat cum să:

• Creați-vă prima aplicație IBM Streams fără a scrie cod
• Creați o aplicație de streaming Apache Kafka
• Creați o aplicație de streaming utilizând un API Python
• Scor de date de streaming cu un model de învățare automată

Acum ar trebui să aveți o înțelegere fundamentală a IBM Streams și a unora dintre caracteristicile sale. Dacă doriți să aflați mai multe, aruncați o privire la Introducere în analiza de streaming cu IBM Streams seriale video.