使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习

时间:2019-03-04 18:33:12 阅读:8次
摘要
了解如何使用IBM Watson Machine Learning,Apache Spark和Watson Studio快速构建和建模模型,监控部署,并在更多数据可用时随时了解情况。在此代码模式中,您将学习如何使用这些服务来创建和部署自学Watson机器学习模型。
描述
由于模型部署不是一次性事件,因此您可以使用IBM Watson Studio通过新数据重新训练模型。性能监控和持续学习使机器学习模型能够重新训练您或其他数据源提供的新数据。然后,依赖于模型的所有应用程序和分析工具都会自动更新,因为Watson Studio会处理选择和部署最佳模型的过程。
此代码模式使用IBM Watson Machine Learning和Watson Studio帮助您将机器学习和深度学习模型放入您的应用程序中。在将源数据加载到IBM Db2 Warehouse on Cloud之后,Watson Machine Learning服务创建了一个机器学习模型并将数据保存回Warehouse。反馈数据上传到Watson机器学习服务,以不断学习和评估新数据。然后,通过API公开模型数据。
完成此代码模式后,您将了解如何:
使用Watson Studio创建项目并关联服务
使用IBM机器学习服务利用机器学习模型管理(持续学习系统)和部署(在线,批处理,流式传输)
使用Apache Spark作为服务集群计算框架,针对极快速和大规模数据处理进行了优化
创建和部署自学Watson机器学习模型

初始源数据加载到IBM Db2 Warehouse on Cloud数据库中。
源数据作为数据资产加载到Watson Studio中。
Watson机器学习服务使用源数据并使用Apache Spark作为服务计算评估,以创建机器学习模型,并将评估信息保存回Db2 Warehouse on Cloud数据库。
Apache Spark as a Service计算评估。
反馈数据上传到Db2 Warehouse on Cloud数据库中的反馈表。
评估完成后,Watson Machine Learning服务会创建一个机器学习模型。
模型数据通过API公开。
应用程序可以使用API??来评估新数据并基于持续学习创建新模型。
说明
获取README文件中的详细说明。这些步骤向您展示如何:
克隆GitHub回购。
创建Watson Studio项目。
在Watson Studio中添加和优化数据资产。
在云上创建Db2 Warehouse并将连接添加到Watson Studio。
使用IBM Cloud创建Apache Spark即服务。
创建Watson机器学习模型。
将新的Watson Machine Learning模型添加到Watson Studio。
将反馈数据和新评估添加到持续学习模型中。
部署模型以通过API公开它。
测试模型。
使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习所属专题:Warehouse Learning 《使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习》链接:http://www.zhouchuanxiong.net/637