Crie e implemente um modelo de pontuação para prever problemas na frequência cardíaca

Apresentação

O aprendizado de máquina vem explorando inúmeros campos e um dos mais interessantes é o da saúde. Este padrão de código utiliza um Jupyter Notebook no IBM Watson Studio para desenvolver um modelo preditivo que demonstre um potencial caso de uso de assistência médica. Esse modelo preditivo é implementado na produção no Watson Machine Learning Service e chamado por um aplicativo Node.js customizado em execução em um Cloud Foundry Runtime na Nuvem IBM.

Descrição

Você é um desenvolvedor ou cientista de dados muito ocupado e deseja encontrar o caminho mais rápido para entregar insights de dados para os usuários, mas isso exige profundos conhecimentos em vários domínios de tecnologia. Este exemplo completo percorre as inúmeras tecnologias utilizadas para:

  • Adquirir, limpar e explorar dados
  • Desenvolver um modelo de aprendizado de máquina preditivo
  • Fazer predições
  • Hospedar o modelo para consumo
  • Chamar o modelo hospedado a partir de um aplicativo Node.js

Ao longo do caminho, aprenda sobre o Watson Machine Learning Service da IBM para hospedar seu modelo treinado na Nuvem IBM e no IBM Watson Studio, uma IDE baseada em nuvem para equipes de ciência de dados, além das ferramentas que reúnem várias tecnologias de software livre desenvolvidas para ciência de dados e aprendizado de máquina.

Neste padrão de código, utilize um Jupyter Notebook no IBM Watson Studio para desenvolver um modelo preditivo que demonstre um potencial caso de uso de assistência médica. Embora ele tenha apenas fins demonstrativos, você verá como usar o Watson Machine Learning em um conjunto de dados composto por métricas de assistência médica para criar um modelo preditivo para risco de insuficiência cardíaca. Após a criação desse modelo, as entradas inseridas podem ser pontuadas para formar uma predição para um caso individual. Observe que esse aplicativo é usado apenas para fins demonstrativos e ilustrativos e não constitui uma oferta submetida à revisão regulamentar.

Após concluir este padrão de código, você saberá como:

  • Desenvolver um modelo preditivo em um Jupyter Notebook.
  • Implementar o modelo no serviço IBM Watson Machine Learning.
  • Acessar o modelo de aprendizado de máquina por meio de APIs ou um aplicativo Node.js.

Fluxo

Fluxograma das etapas para criação do app

  1. O desenvolvedor cria uma Área de Trabalho do IBM Watson Studio.
  2. O IBM Watson Studio depende de um serviço Apache Spark.
  3. O IBM Watson Studio utiliza o Cloud Object Storage para gerenciar seus dados.
  4. Esse laboratório é desenvolvido em um Jupyter Notebook, que é onde o desenvolvedor importará dados, treinar e avaliar seu modelo.
  5. Importe dados de insuficiência cardíaca.
  6. Os modelos treinados são implementados na produção usando o serviço IBM Watson Machine Learning.
  7. Um aplicativo da web Node.js é implementado na Nuvem IBM e chama o modelo preditivo.
  8. Um usuário visita o aplicativo da web, insere suas informações e o modelo preditivo retorna uma resposta.

Instruções

Encontre as etapas detalhadas para esse padrão no README.md.

Aviso

O conteúdo aqui presente foi traduzido da página IBM Developer US. Caso haja qualquer divergência de texto e/ou versões, consulte o conteúdo original.

Legend