执行机器学习练习  

在 IBM Watson Studio 上使用 Apache SystemML 执行机器学习练习

| By Arvind Surve, Rich Hagarty

Description

通过使用 Apache SystemML,利用强大的数据科学来快速有效地解决机器学习问题。本 Code Pattern 使用在 IBM Watson Studio 上运行的 Jupyter Notebook 来执行机器学习练习。

概览

在本 Code Pattern 中,我们将使用在 IBM Watson Studio 上运行的 Apache SystemML 来执行机器学习练习。Watson Studio 是一个基于云的交互式协作环境,数据科学家、开发人员和其他对数据科学感兴趣的人可以在此使用工具(比如,RStudio、Jupyter Notebook、Spark)开展协作、分享内容和收集数据中的洞察。Apache SystemML 是一种灵活的机器学习平台,已进行了优化,可以使用大型数据集进行扩展。

完成本 Code Pattern 后,您将掌握如何:

本 Code Pattern 适合那些希望通过 Apache SystemML,利用强大的数据科学来快速有效地解决机器学习问题的应用程序开发人员和其他业务干系人。尽管 Apache SystemML 提供了开箱即用的算法来进行试验,但本 Code Pattern 通过一个线性回归示例演示了 Apache SystemML 的易用性和强大。此外,用户可以使用 Apache SystemML 的声明式机器语言 (DML)(具有与 R 或 Python 类似的语法)来开发自己的算法,或者对该包中提供的任何算法进行自定义。有关其他功能支持、文档和路线图的更多信息,请参阅 Apache SystemML

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:Perform a machine learning exercise(2018-11-11)

架构中心

了解如何将本 Code Pattern 融入到数据和分析参考架构中。

使用深度学习为异常检测开发认知 IoT 解决方案

学习如何在 Apache Spark 上使用 Deeplearning4j、ApacheSystemML 和 TensorFlow (TensorSpark) 深度学习框架检测时序数据上的异常,从而帮助您充分理解如何使用深度学习为异常检测开发认知 IoT 解决方案。