开发使用机器学习且基于 Web 的移动健康应用  

使用 IBM Cloud 上的 Watson 服务和 IBM Watson Studio 创建基于 Web 的移动健康应用

| By Hovig Ohannessian

Description

此 Code Pattern 向您展示了如何开发和部署基于 Web 的应用,您可在手机上运行此类应用来检查自己的脉搏率,然后使用和其他研究有关的机器学习方法来评估这些脉搏率数据,从而获取最准确的脉搏率读数。

概览

免责声明:本应用仅用于演示和说明目的,并不构成经过法规审查的服务产品。它并非旨在充当医疗应用。对于此应用输出的准确性不作任何表示,此应用也不附有任何保证。

训练机器学习模型目前是一个异常复杂的计算密集型过程。为实施机器学习,开发人员需要全面了解底层硬件和软件架构,包括如何配置 Spark、如何在即将托管机器学习库的框架内安装这些库,以及如何管理在运行故障处理和恢复的作业。幸运的是,现在开发人员可以使用 IBM Watson Studio,它提供了机器学习即服务。除此之外,开发人员还必须了解机器学习系统的所有底层复杂事宜。

在此 Code Pattern 中,我们将向您展示如何部署基于 Web 的健康应用,此应用使用陀螺仪来测量脉搏,并使用 IBM Cloud 上的 Watson Machine Learning 和 IBM Watson Studio。此健康应用名为 MyPulse,它是一个 Node.js 应用。MyPulse 会读取大约一分钟内生成的实时数据,实时传输此数据以在几秒钟内预测心率,并返回每分钟心跳数 (bpm) 作为评分值。此健康应用可提供其他陀螺仪指标,并将所有数据值存储在 Cloudant 数据库中。它还可在 Watson IoT Platform 上显示这些数据。一切均可实时完成。

此 Code Pattern 为构建现有机器学习模型提供了训练数据。Jupyter Notebook 显示了 Pixiedust 库读取数据的方式。设置 Spark 实例,并将其与机器学习模型相关联。

  1. 用户通过智能手机上的浏览器访问此 Web 应用 (MyPulse)。他们将手机放在胸前来测量脉搏率。
  2. 数据值将实时发送至 IBM Cloud 上的 Cloudant 数据库、Watson IoT Platform,以及 IBM Watson Studio 和 Watson Machine Learning 服务。
  3. Watson Machine Learning 使用已部署的机器学习模型实时验证此数据。
  4. 经过训练的机器学习模型预测的脉搏率值将被发送回此 Web 应用 (MyPulse)。此数据实时显示在应用首页上。用户可以输入自己的值,并接收机器学习模型的即时反馈。

Instructions

可以在 README 中找到本模式的详细步骤。这些步骤将展示如何:
  1. 创建此 Node.js 应用。
  2. 在 IBM Cloud 中设置 Watson Machine Learning 服务。
  3. 在 IBM Cloud 中设置 Watson IoT Platform。
  4. 在 IBM Watson Studio 中设置机器学习模型。
  5. 在您的智能手机上试用此应用。

相关博客

相关链接

保护 IoT 应用程序

学习如何在 Cloudant 数据库中安全地存储 IoT 数据,通过受保护的 API 公开该存储的数据,并从移动和 Web 应用程序调用受保护的 API。

Privacy Preference Center

Close your account?

Your account will be closed and all data will be permanently deleted and cannot be recovered. Are you sure?