欢迎阅读 “Call for Code 技术”迷你系列的第六期,这也是最后一期,我将在此明确并讨论 Call for Code 中的六个核心技术领域之一。您将了解该项技术,知道如何在 IBM Cloud™ 上最有效地利用该技术,以及在哪里能找到最佳资源来激发创新。如果您错过了我的其他文章,请一定要阅读:

如果您尚未接受 Call for Code 挑战赛并加入我们的社区,请赶快采取行动。在这篇博客文章中,我将讨论如何利用数据科学技术来构建 Call for Code 解决方案。

IBM Cloud 中的数据科学

您可能会发现,本篇博客文章与我撰写的机器学习文章在内容上有些重叠,这是因为在处理大数据、预测和洞察收集时,数据科学和机器学习是息息相关的。那篇机器学习文章还提供了一些有关 Watson™ Studio 的信息,这同样也适用于这篇关于数据科学的文章。

在使用 Watson Studio 之前,我们曾有一个专门的数据科学平台,即 Data Science Experience (DSX)。通过将数据科学和机器学习的最佳特性结合起来,我们创造了一个新平台 – Watson Studio。开发者可以在 Watson Studio 环境中与其他人协作,训练和构建机器学习模型,并试验各种数据处理方法。您可以浏览一下 Watson Studio,了解这些项目是如何集结起来的。(这甚至是与您的 Call for Code 团队成员开展协作的理想场所!)

cfc12-iot-node-red

观看视频

开始在 Call for Code 中利用数据科学

如果您还没有 IBM Cloud 帐户,确保先进行注册,两分钟内即可完成。只需确保使用有效的电子邮件地址,因为在创建任何服务之前,都必须先确认您的电子邮件地址。

鉴于自然灾害可能会对世界产生的广泛影响,提前做出预测来影响很大一部分人,将会十分有益。IBM 员工 Vanderlei Munhoz Pereira Filho 和 Sanjeev Ghimire 发布了一个利用数据科学和机器学习来预测股票市场的变化的 Code Pattern。这是一个易于遵循的 Code Pattern,它向您介绍了数据科学的基础知识(如果您还不熟悉的话)。在完成了此 Code Pattern 之后,您可以进一步使天气数据模型可视化(别忘了获取您的天气 API,从自然灾害幸存者的住院记录中挖掘数据,或者从自然灾害对企业和组织所造成的影响中获取过去的数据,预测未来类似灾难可能会造成的影响)。

有关数据科学和可视化的另一个有用的 Code Pattern 是由 IBM 员工 Alok Singh 开发的。了解如何获取大量原始数据(在本例中是时间飞行统计数据),并通过 Watson Studio 可视化该数据。您可以改编此 Code Pattern,以便在发生紧急情况时考虑自然灾害的后果及其对旅行的影响。

我要展示的最后一个 Code Pattern 是由 IBM 员工 R K Sharath Kumar 和 Manjula Hosurmath 编写的,核心在于使用 Watson Studio 实现文本摘要和可视化。在自然灾害期间,生成大量原始文本数据并需要过滤和理解时,这种 Code Pattern 将非常有用。

本周,我们学习了数据科学相关知识,了解了如何在 Call for Code 提交方案中利用这些资源。我还向您提供了三个优秀的 Code Pattern,它们真正展示了在 IBM Cloud 上使用数据科学的一些非常不错的用例。我希望这篇文章能够启发您在解决方案中融入数据科学。

我希望过去六周的这一系列短文都能对您有所启发,并为您的 Call for Code 解决方案给出一些思路, 帮助您进一步开发解决方案,或者为您带来一些新的灵感!

如果您有任何问题或者希望看到有关特定内容的更多博客文章,请在 GitHub 中查看我的工作成果。

其他资源:

本文翻译自:Building Call for Code apps with data science(2019-5-16)

加入讨论