یہ ایک حصہ ہے سیکھنے کا راستہ: IBM اسٹریمز کے ساتھ شروع کریں۔.
خلاصہ
اس ڈویلپر کوڈ پیٹرن میں، ہم آن لائن شاپنگ ڈیٹا کو اسٹریم کریں گے اور ڈیٹا کا استعمال ان پروڈکٹس کو ٹریک کرنے کے لیے کریں گے جنہیں ہر صارف نے کارٹ میں شامل کیا ہے۔ ہم گروپ صارفین کے لیے ان کی شاپنگ کارٹس کے مواد کے مطابق سکِٹ لرن کے ساتھ ایک K-means کلسٹرنگ ماڈل بنائیں گے۔ کلسٹر تفویض کو تجویز کرنے کے لیے اضافی مصنوعات کی پیشن گوئی کرنے کے لیے استعمال کیا جا سکتا ہے۔
Description
ہماری ایپلیکیشن کو ڈیٹا کے لیے IBM Cloud Pak® پر IBM Streams کا استعمال کرتے ہوئے بنایا جائے گا۔ IBM Streams ایک بلٹ ان IDE فراہم کرتا ہے، جسے Streams Flows کہتے ہیں، جو آپ کو بصری طور پر ایک سٹریمنگ ایپ بنانے کی اجازت دیتا ہے۔ ڈیٹا پلیٹ فارم کے لیے IBM Cloud Pak اضافی مدد فراہم کرتا ہے، جیسے کہ متعدد ڈیٹا ذرائع کے ساتھ انضمام، بلٹ ان اینالیٹکس، Jupyter Notebooks، اور مشین لرننگ۔
اپنے مشین لرننگ ماڈل کی تعمیر اور تعیناتی کے لیے، ہم IBM Watson® Studio میں Jupyter Notebook اور Watson Machine Learning مثال استعمال کریں گے۔ ہماری مثالوں میں، دونوں ڈیٹا کے لیے IBM Cloud Pak پر چل رہے ہیں۔
Streams Flows ایڈیٹر کا استعمال کرتے ہوئے، ہم درج ذیل آپریٹرز کے ساتھ ایک اسٹریمنگ ایپ بنائیں گے۔
- ایک ماخذ آپریٹر جو نمونہ کلک اسٹریم ڈیٹا تیار کرتا ہے۔
- ایک فلٹر آپریٹر جو صرف "کارٹ میں شامل کریں" کے واقعات کو رکھتا ہے۔
- ایک کوڈ آپریٹر جہاں ہم خریداری کی ٹوکری کے آئٹمز کو اسکورنگ کے لیے ایک ان پٹ اری میں ترتیب دینے کے لیے ازگر کوڈ استعمال کرتے ہیں۔
- ایک WML تعیناتی آپریٹر کسٹمر کو کلسٹر میں تفویض کرنے کے لیے
- نتائج کو ظاہر کرنے کے لیے ڈیبگ آپریٹر
روانی
- صارف مشین لرننگ ماڈل بناتا اور تعینات کرتا ہے۔
- صارف ایک IBM اسٹریمز ایپلیکیشن بناتا اور چلاتا ہے۔
- اسٹریمز فلو UI عمل میں سٹریمنگ، فلٹرنگ اور اسکورنگ کو دکھاتا ہے۔
ہدایات
شروع کرنے کے لیے تیار ہیں؟ دی پڑھیں کے اقدامات کی وضاحت کرتا ہے:
- Cloud Pak for Data پر اپنے IBM اسٹریمز تک رسائی کی تصدیق کریں۔
- ڈیٹا کے لیے کلاؤڈ پاک میں ایک نیا پروجیکٹ بنائیں۔
- ایک ماڈل بنائیں اور اسٹور کریں۔
- تعیناتی کی جگہ کو پروجیکٹ کے ساتھ منسلک کریں۔
- ماڈل تعینات کریں۔
- اسٹریمز فلو ایپلیکیشن بنائیں اور چلائیں۔
مبارک ہو! یہ کوڈ پیٹرن کو لپیٹ دیتا ہے۔ آئی بی ایم اسٹریمز سیریز کے ساتھ شروع کریں۔. IBM اسٹریمز کی وضاحت کرنے کے علاوہ، ہم نے یہ بھی دکھایا ہے کہ:
- کوڈ لکھے بغیر اپنی پہلی IBM اسٹریمز ایپ بنائیں
- اپاچی کافکا اسٹریمنگ ایپ بنائیں
- Python API کا استعمال کرتے ہوئے ایک اسٹریمنگ ایپ بنائیں
- مشین لرننگ ماڈل کے ساتھ اسکور اسٹریمنگ ڈیٹا
اب آپ کو IBM اسٹریمز اور اس کی کچھ خصوصیات کی بنیادی سمجھ ہونی چاہیے۔ اگر آپ مزید جاننا چاہتے ہیں تو، پر ایک نظر ڈالیں۔ آئی بی ایم اسٹریمز کے ساتھ اسٹریمنگ اینالیٹکس کا تعارف ویڈیو سیریز.
ماخذ: https://developer.ibm.com/patterns/score-streaming-data-with-a-machine-learning-model/