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
- Utilizatorul construiește și implementează un model de învățare automată.
- Utilizatorul creează și rulează o aplicație IBM Streams.
- Interfața de utilizare Streams Flow arată fluxul, filtrarea și scorul în acțiune.
Instrucțiuni
Sunteți gata să începeți? README explică pașii pentru:
- Verificați accesul la instanța dumneavoastră IBM Streams pe Cloud Pak for Data.
- Creați un nou proiect în Cloud Pak for Data.
- Construiți și stocați un model.
- Asociați spațiul de desfășurare cu proiectul.
- Implementați modelul.
- 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.
Sursa: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/