开发一个使用机器学习的基于Web的移动健康应用程序

时间:2019-03-04 18:37:00 阅读:3次

摘要
此代码模式向您展示如何开发和部署从手机运行的基于Web的应用程序,该应用程序检查您的脉搏率,然后使用其他研究中的机器学习评估这些脉冲率,以获得读取脉冲率的最准确值。
描述
免责声明:此应用程序仅用于说明和说明目的,并不构成已通过监管审查的产品。它不是用作医疗应用。没有关于此应用程序输出准确性的表示,并且它没有保修。
训练机器学习模型目前是一个高度复杂和计算密集的过程。要实现机器学习,开发人员需要全面了解底层硬件和软件基础架构,包括如何配置Spark,如何在将托管这些库的框架中安装机器学习库,以及如何在运行时管理作业处理故障和恢复。幸运的是,开发人员现在可以使用IBM Watson Studio,它提供机器学习即服务,并且必须了解机器学习系统的所有底层复杂性。
在此代码模式中,我们将向您展示如何部署基于Web的健康应用程序,该应用程序使用陀螺仪进行脉冲度量,并在IBM Cloud和IBM Watson Studio上使用Watson Machine Learning。健康应用程序称为MyPulse,它是一个Node.js应用程序。 MyPulse读取大约一分钟内生成的实时数据,实时传输数据,以秒为单位执行心率预测,并返回每分钟节拍(bpm)作为评分值。运行状况应用程序提供其他陀螺仪指标,并将所有数据值存储在Cloudant数据库中。它也在Watson IoT Platform上显示它们。一切都是实时的。
该模式提供训练数据以制作现有的机器学习模型。 Jupyter笔记本显示了Pixiedust库如何读取数据。设置Spark实例并将其与机器学习模型相关联。

用户通过智能手机在浏览器中访问Web应用程序(MyPulse)。他们把手机放在胸前,以便采取脉搏。
数据值实时发送到IBM Cloud上的Cloudant数据库,Watson IoT Platform以及IBM Watson Studio和Watson Machine Learning服务。
Watson Machine Learning使用部署的机器学习模型实时验证数据。
来自训练的机器学习模型的预测脉搏率值被发送回web应用程序(MyPulse)。数据实时显示在应用程序的首页上。用户可以输入自己的值并从机器学习模型接收即时反馈。
说明
在README中查找此模式的详细步骤。这些步骤将告诉您如何:
创建Node.js应用程序。
在IBM Cloud中设置Watson Machine Learning服务。
在IBM Watson Studio中设置机器学习模型。
在智能手机上试用。

开发一个使用机器学习的基于Web的移动健康应用程序所属专题:应用程序 机器学习 《开发一个使用机器学习的基于Web的移动健康应用程序》链接:http://www.zhouchuanxiong.net/693

开发一个使用机器学习的基于Web的移动健康应用程序相关文章

  • 创建一个Web应用程序以与机器学习生成的图像标题进行交互
  • 创建一个Web应用程序,以便与使用机器学习检测到的对象进
  • 机器学习模型的性能评估
  • 构建机器学习推荐引擎,以鼓励基于过去购买行为的额外购买
  • 使用内部部署数据训练基于云的机器学习模型
  • 使用Watson Machine Learning和IBM Db2 Warehouse on Cloud持续学习
  • 部署深度学习驱动的“魔术裁剪工具”
  • 使用机器学习预测心脏病
  • 使用Watson OpenScale监控自定义机器学习引擎
  • 使用Watson OpenScale监控Sagemaker机器学习
  • 使用机器学习和高级分析分析物联网传感器数据
  • 使用Watson OpenScale监控Azure机器学习
  • 从计算机中学习大脑,反之亦然
  • 机器学习分支出来
  • 更好的机器学习
  • 通过玩游戏来学习语言
  • 更灵活的机器学习
  • 深度学习算法可以预测照片在“近人”级别的可记忆性
  • 像人一样学习的机器
  • 建筑学习的先驱,名誉教授Seymour Papert在88岁时去世
  • 计算机通过观看视频来学习识别声音
  • 从图片中学习单词
  • 利用机器学习来改善患者护理
  • ML 2.0:许多机器学习
  • 麻省理工学院健康机器学习的Abdul Latif Jameel诊所旨在彻底改变疾病预防,检测和治疗
  • 机器学习系统同时处理语音和对象识别
  • 学习语言的机器就像孩子一样
  • 麻省理工学院开放式学习启动了高级虚拟化中心
  • 深度学习技术在黑暗中揭示“隐形”物体
  • 学习教学,加快学习速度