使用内部部署数据训练基于云的机器学习模型

时间:2019-03-04 18:33:14 阅读:18次
摘要
许多公司和个人都在努力使用他们的本地数据 - 这些数据存储在本地计算机上,数据中心内,防火墙后面 - 用于云中的机器学习。找到一种快速,简单且安全的解决方案,将受保护环境中的资源与云中的资源相连接,可能具有挑战性。
借助Watson Studio和机器学习,Db2和Secure Gateway,可以在内部部署数据和云之间建立安全,持久的连接,从而利用Spark,弹性环境和GPU等云计算资源来训练机器学习模型。
描述
在本指南中,我们将在本地计算机上创建一个本地Db2数据库,填充它,并通过Secure Gateway将其连接到Watson Studio。接下来,我们将从该数据库中读取建筑物违规数据并构建模型,以根据芝加哥市的历史数据预测特定建筑物未通过检查的可能性。在我们构建模型之后,我们将使用Watson Machine Learning将其部署为API端点,只有授权用户才能访问。
完成此代码模式后,您将学习如何:
配置到IBM Cloud的安全网关。
将Watson Studio连接到内部部署的Db2数据库。
创建机器学习模型。

源数据保留在内部部署Db2数据库中。
Watson Studio可通过Secure Gateway访问数据。
安全网关用于训练基于云的机器学习模型。
说明
获取README文件中的详细说明。这些步骤将告诉您如何:
将样本数据加载到内部部署的Db2数据库中。
创建IBM Cloud Service依赖项。
配置到IBM Cloud的安全网关。
创建Watson Studio项目。
创建机器学习模型。
使用内部部署数据训练基于云的机器学习模型所属专题:部署 模型 《使用内部部署数据训练基于云的机器学习模型》链接:http://www.zhouchuanxiong.net/638