นี่เป็นส่วนหนึ่งของ เส้นทางการเรียนรู้: เริ่มต้นใช้งาน IBM Streams.
สรุป
ในรูปแบบโค้ดสำหรับนักพัฒนานี้ เราจะสตรีมข้อมูลการช็อปปิ้งออนไลน์และใช้ข้อมูลเพื่อติดตามผลิตภัณฑ์ที่ลูกค้าแต่ละรายเพิ่มลงในรถเข็น เราจะสร้างโมเดลคลัสเตอร์ k-mean ด้วย scikit-learn เพื่อจัดกลุ่มลูกค้าตามเนื้อหาของตะกร้าสินค้า การกำหนดคลัสเตอร์สามารถใช้เพื่อคาดการณ์ผลิตภัณฑ์เพิ่มเติมที่จะแนะนำ
รายละเอียด
แอปพลิเคชันของเราจะสร้างขึ้นโดยใช้ IBM Streams บน IBM Cloud Pak® for Data IBM Streams จัดเตรียม IDE ในตัวที่เรียกว่า Streams Flows ซึ่งช่วยให้คุณสามารถสร้างแอปสตรีมมิ่งแบบเห็นภาพได้ แพลตฟอร์ม IBM Cloud Pak for Data ให้การสนับสนุนเพิ่มเติม เช่น การผสานรวมกับแหล่งข้อมูลหลายแหล่ง การวิเคราะห์ในตัว Jupyter Notebooks และการเรียนรู้ของเครื่อง
ในการสร้างและปรับใช้โมเดลการเรียนรู้ของเครื่อง เราจะใช้ Jupyter Notebook ใน IBM Watson® Studio และอินสแตนซ์ Watson Machine Learning ในตัวอย่างของเรา ทั้งคู่กำลังทำงานบน IBM Cloud Pak for Data
เมื่อใช้ตัวแก้ไข Streams Flows เราจะสร้างแอปสตรีมมิงด้วยโอเปอเรเตอร์ต่อไปนี้:
- โอเปอเรเตอร์ต้นทางที่สร้างข้อมูลการคลิกตัวอย่าง
- ตัวดำเนินการตัวกรองที่เก็บเฉพาะเหตุการณ์ "หยิบใส่ตะกร้า"
- ตัวดำเนินการรหัสที่เราใช้รหัส Python เพื่อจัดเรียงรายการตะกร้าสินค้าลงในอาร์เรย์อินพุตสำหรับการให้คะแนน
- ตัวดำเนินการการปรับใช้ WML เพื่อกำหนดลูกค้าให้กับคลัสเตอร์
- ตัวดำเนินการ Debug เพื่อแสดงผลลัพธ์
ไหล
- ผู้ใช้สร้างและปรับใช้โมเดลการเรียนรู้ของเครื่อง
- ผู้ใช้สร้างและรันแอ็พพลิเคชัน IBM Streams
- UI ของ Streams Flow แสดงการสตรีม การกรอง และการให้คะแนนในการดำเนินการ
คำแนะนำ
พร้อมที่จะเริ่มต้นหรือยัง NS README อธิบายขั้นตอนเพื่อ:
- ตรวจสอบการเข้าถึงอินสแตนซ์ IBM Streams ของคุณบน Cloud Pak for Data
- สร้างโครงการใหม่ใน Cloud Pak for Data
- สร้างและจัดเก็บโมเดล
- เชื่อมโยงพื้นที่การปรับใช้กับโปรเจ็กต์
- ปรับใช้โมเดล
- สร้างและเรียกใช้แอปพลิเคชัน Streams Flow
ยินดีด้วย! รูปแบบโค้ดนี้ปิดท้าย เริ่มต้นกับ IBM Streams series. นอกจากการอธิบาย IBM Streams แล้ว เราได้แสดงวิธี:
- สร้างแอพ IBM Streams แรกของคุณโดยไม่ต้องเขียนโค้ด
- สร้างแอพสตรีมมิ่ง Apache Kafka
- สร้างแอปสตรีมมิ่งโดยใช้ Python API
- ให้คะแนนการสตรีมข้อมูลด้วยโมเดลแมชชีนเลิร์นนิง
ตอนนี้คุณควรมีความเข้าใจพื้นฐานเกี่ยวกับ IBM Streams และคุณลักษณะบางอย่างของมัน หากคุณต้องการเรียนรู้เพิ่มเติม ดูที่ บทนำสู่การวิเคราะห์การสตรีมด้วย IBM Streams ซีรีส์วิดีโอ
ที่มา: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/