通过 Watson Machine Learning 和 IBM Db2 Warehouse on Cloud 不断学习  

使用 IBM Watson Machine Learning 和 Watson Studio 快速构建和制作原型模型来监视部署,并随着时间的推移,利用获取的更多数据进行学习。

| By Sanjeev Ghimire, Adam Massachi

Description

学习如何使用 IBM Watson Machine Learning、Apache Spark 和 Watson Studio 快速构建和制作原型模型来监视部署,并随着时间的推移,利用获取的更多数据不断进行学习。在本 Code Pattern 中,您将学习如何使用这些服务来创建和部署自学型 Watson Machine Learning 模型。

概览

模型部署不是一次性的,您可以在 IBM Watson Studio 上利用新数据来重新训练模型。通过性能监视和持续学习,机器学习模型可以使用您或其他数据源提供的新数据进行重新训练。然后,所有依赖于该模型的应用程序和分析工具都会自动更新,因为 Watson Studio 会负责选择和部署最佳模型。

本 Code Pattern 使用 IBM Watson Machine Learning 和 Watson Studio 来帮助您将机器学习和深度学习模型整合到应用程序中。将源数据载入 IBM Db2 Warehouse on Cloud 后,Watson Machine Learning 服务会创建一个机器学习模型,并将该数据保存回 Warehouse。反馈数据将上传到 Watson Machine Learning 服务,以便持续学习和评估新数据。然后,通过一个 API 公开模型数据。

完成本 Code Pattern 后,您将掌握如何:

  • 使用 Watson Studio 创建项目和相关服务
  • 使用 IBM Machine Learning 服务来利用机器学习模型管理(持续学习系统)和部署(在线、批量、流)
  • 使用已针对极快、极大规模的数据处理进行了优化的 Apache Spark as a Service 集群计算框架
  • 创建并部署自学型 Watson Machine Learning 模型

  1. 将初始源数据载入 IBM Db2 Warehouse on Cloud 数据库。
  2. 将源数据作为数据资产载入 Watson Studio。
  3. Watson Machine Learning 服务使用源数据并采用 Apache Spark as a Service 计算评估信息,以便创建一个机器学习模型,并将评估信息保存回 Db2 Warehouse on Cloud 数据库。
  4. Apache Spark as a Service 计算评估信息。
  5. 将反馈数据上传到 Db2 Warehouse on Cloud 数据库中的反馈表中。
  6. 完成评估后,Watson Machine Learning 服务会创建一个机器学习模型。
  7. 通过一个 API 公开模型数据。
  8. 应用程序可以使用该 API 来评估新数据,并基于持续学习创建一个新模型。

Instructions

README 中了解详细的操作说明。这些步骤展示如何:
  1. 克隆 GitHub 存储库。
  2. 创建 Watson Studio 项目。
  3. 将数据资产添加到 Watson Studio 中并进行细化。
  4. 创建 Db2 Warehouse on Cloud 数据库,并添加到 Watson Studio 的连接。
  5. 通过 IBM Cloud 创建 Apache Spark as a Service。
  6. 创建 Watson Machine Learning 模型。
  7. 将新 Watson Machine Learning 模型添加到 Watson Studio。
  8. 将反馈数据和新评估信息添加到持续学习模型。
  9. 部署模型以通过 API 公开它。
  10. 测试模型。

相关博客

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

一款全新的 Watson Machine Learning(WML)产品,旨在帮助企业训练和部署内置于 IBM Watson Studio 中的机器学习模型,并采用 IBM Watson OpenScale 进行监测。

继续阅读 全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

通过无服务器计算实现更多功能:将 Cloud Functions 与无服务器 SQL 结合使用

可以通过 SQL Query,以无服务器方式对 Cloud Object Storage 数据运行 SQL 语句。不必担心对服务器大小的调整。只需编写语句并将它们提交到云上运行。

继续阅读 通过无服务器计算实现更多功能:将 Cloud Functions 与无服务器 SQL 结合使用

相关链接

英文原文

本文翻译自:Continuous learning with Watson Machine Learning and IBM Db2 Warehouse on Cloud(2018-10-22)

Db2 文档

点击学习 DB2 for Linux UNIX and Windows 10.5.0。