خلاصہ
یہ ڈویلپر کوڈ پیٹرن Red Hat® Marketplace سے Findability Platform (FP) Predict Plus آپریٹر کا استعمال کرتا ہے تاکہ تاریخی ڈیٹا کا استعمال کرتے ہوئے کسٹمر کے اخراجات کی پیشن گوئی کی جا سکے اور ماڈلز بنانے کے خودکار عمل کو ظاہر کیا جا سکے۔
Description
مشین لرننگ مطالعہ کا ایک بڑا شعبہ ہے جو مصنوعی ذہانت جیسے بہت سے متعلقہ شعبوں سے آئیڈیاز کو اوورلیپ کرتا ہے اور وراثت میں ملتا ہے۔ فیلڈ کا فوکس سیکھنا ہے - یعنی تجربے سے مہارت یا علم حاصل کرنا۔ عام طور پر، اس کا مطلب تاریخی اعداد و شمار سے مفید تصورات کی ترکیب کرنا ہے۔ اس طرح، سیکھنے کی بہت سی قسمیں ہیں جن کا آپ کو مشین لرننگ کے میدان میں مطالعہ کے پورے شعبوں سے لے کر مخصوص تکنیکوں تک ایک پریکٹیشنر کے طور پر سامنا ہو سکتا ہے۔
مشین لرننگ اور شماریات میں رجعت ایک زیر نگرانی سیکھنے کا طریقہ ہے جس میں کمپیوٹر پروگرام نئے مشاہدات یا پیشین گوئیاں کرنے کے لیے اسے دیے گئے ڈیٹا سے سیکھتا ہے۔ اس تکنیک میں، ہدف کے متغیر کی صفر سے لے کر لامحدود تک کی مسلسل قدریں ہوتی ہیں۔ دیئے گئے تاریخی اعداد و شمار کے ساتھ رجعت کے مسائل کی مثالوں میں شامل ہیں:
- درجہ حرارت کا اندازہ لگانا
- فروخت کی پیشن گوئی
- گھر کی قیمت کا اندازہ لگانا
- کسٹمر کے اخراجات کی پیشن گوئی
ہم تاریخی ڈیٹا کا استعمال کرتے ہوئے گاہک کے اخراجات کی پیش گوئی کرنے پر توجہ مرکوز کریں گے اور FP Predict plus آپریٹر کا استعمال کرتے ہوئے ماڈلز بنانے کے خودکار عمل کا مظاہرہ کریں گے۔ ریڈ ہیٹ مارکیٹ. ہم استعمال کے اس معاملے کو حل کرنے کے لیے Red Hat Marketplace سے FP Predict Plus آپریٹر استعمال کریں گے۔
جب آپ اس پیٹرن کو مکمل کر لیں گے، تو آپ سمجھ جائیں گے کہ کیسے:
- ماڈل بلڈنگ کے لیے OpenShift® کلسٹر پر فوری طور پر مثال قائم کریں۔
- ڈیٹا کو ہضم کریں اور FP Predict Plus کا عمل شروع کریں۔
- FP Predict Plus کا استعمال کرتے ہوئے ماڈلز بنائیں اور کارکردگی کا جائزہ لیں۔
- بہترین ماڈل کا انتخاب کریں اور تعیناتی مکمل کریں۔
- تعینات ماڈل کا استعمال کرتے ہوئے نئی پیشین گوئیاں بنائیں۔
روانی
- صارف FP Predict Plus آپریٹر کی مثال استعمال کرتے ہوئے FP Predict Plus پلیٹ فارم میں لاگ ان ہوتا ہے۔
- صارف CSV فارمیٹ میں ڈیٹا فائل کو پلیٹ فارم پر Kubernetes اسٹوریج میں اپ لوڈ کرتا ہے۔
- صارف OpenShift کلسٹر پر FP Predict Plus آپریٹر کا استعمال کرتے ہوئے ماڈل بنانے کا عمل شروع کرتا ہے اور پائپ لائنز بناتا ہے۔
- صارف FP Predict Plus سے مختلف پائپ لائنوں کا جائزہ لیتا ہے اور تعیناتی کے لیے بہترین ماڈل کا انتخاب کرتا ہے۔
- صارف تعینات ماڈل کا استعمال کرکے درست پیشین گوئیاں تیار کرتا ہے۔
ہدایات
میں اس پیٹرن کے لیے تفصیلی اقدامات تلاش کریں۔ پڑھیں فائل اقدامات آپ کو دکھائے گا کہ کیسے:
- ڈیٹا شامل کریں۔
- نوکری پیدا کریں۔
- ملازمت کی تفصیلات کا جائزہ لیں۔
- نتائج کا تجزیہ کریں۔
- نتائج اور ماڈل فائل ڈاؤن لوڈ کریں۔
- نئے ڈیٹا کا استعمال کرتے ہوئے پیشن گوئی
- پیشن گوئی کا کام بنائیں
- کام کا خلاصہ چیک کریں۔
- پیشن گوئی کے کام کے نتائج کا تجزیہ کریں۔
- پیش گوئی شدہ نتائج ڈاؤن لوڈ کریں۔
