数据科学

分析结构化和非结构化数据来提取知识和洞察的系统和科学方法。

Related code patterns

深入了解供应链

此 Code Pattern 演示了如何获取帐户、上传数据以及与 UPS 等外部数据源集成,最终为供应链制定出更明智的决策。


使用区块链进行私人医疗保健数据链外存储和医疗数据管理

本 Code Pattern 展示了一种使用区块链构建的医疗数据/访问管理平台。


使用 OpenCV 和深度学习对视频中的对象进行跟踪

本 Code Pattern 介绍了如何使用 PowerAI Vision Video Data Platform、OpenCV 和 Jupyter Notebook 创建视频车辆计数器。


使用合成的患者健康记录进行机器学习

了解如何借助 IBM Watson Studio 上的 Jupyter Notebook 构建预测模型以预测 2 型糖尿病。


验证计算机视觉深度学习模型

本 Code Pattern 展示了如何使用 Jupyter Notebook 获取具有已知“真值”类别的测试图像,并评估推断结果与真实情况。


使用 Python 实现数据可视化

学习如何使用 Watson Studio 上运行的数据科学和数据工程的一些标准技术,分析 2017 年德克萨斯州休斯顿市所遭遇洪灾情况的公开可用数据。


通过多个数据源获得洞察

学习本 Code Pattern,了解如何通过使用 Watson Studio 集成云上 IBM Db2、CSV 文件和 Db2 Warehouse 等多个数据源的数据,获得相关洞察。


分析从使用 LoRaWAN 网络的远程 IoT 系统收集到的大型数据集

在本 Code Pattern 中,我们将演示如何使用 Watson Studio 和 Python 数据科学软件包分析 EPA 提供的大型空气质量数据集。


使用机器学习来预测治疗心脏病的药物

本 Code Pattern 提供了详尽步骤来演示如何使用匿名患者数据和 Spark MLlib 包来训练预测治疗心脏病的最佳药物。


预测山火强度

本 Code Pattern 讲解了如何使用 NASA 提供的山火数据,利用 Watson Studio 和 Watson Machine Learning 来预测山火的强度。


使用卷积神经网络分析实时 CCTV 图像

本 Code Pattern 讲解了如何部署一个借助神经网络模型使用 OpenCV 和 Darknet 来分析实时流传输协议 (RTSP) 视频流的应用程序。


使用 Watson Natural Language Understanding 实现非结构化数据可视化

了解如何创建和使用 Watson Natural Language Understanding,通过 Apache Tika 从非结构化文件中提取文本,并使用 D3.js 实现非结构化数据可视化。


使用 Watson OpenScale 监控 WML 模型

为 Watson Machine Learning 部署创建数据集市,并详细讲解包括性能、偏差和质量监控配置等方面的操作步骤。


使用 IBM Watson Studio 生成文本摘要和实现可视化

本 Code Pattern 演示了如何使用 IBM Watson Studio 生成文本摘要并实现文本可视化的方法。


使用 Watson Studio Local 在 Hortonworks Data Platform 上开发、训练和部署垃圾邮件过滤器模型

本 Code Pattern 演示了数据科学家如何利用远程 Spark 集群和计算环境来训练和部署垃圾邮件过滤器模型。


使用 Watson Studio 和 Jupyter Notebook 构建客户流失预测器

本 Code Pattern 以 Telco 客户流失数据集预测客户流失为样例,介绍如何构建机器学习模型,并用它来预测客户是否有流失的风险。


构建一个聊天机器人管理员来检测愤怒情绪,理解自然语言,并删除敏感图片

本 Code Pattern 介绍如何通过人工智能从情绪、语言、图片等方面监测不良信息,以创造和谐文明的网络交流环境。


执行机器学习练习

本 Code Pattern 通过一个线性回归示例演示了 Apache SystemML 的易用性及强大性。


使用 Watson Studio 和 PyTorch 构建一个手写数字识别器

本 Code Pattern 将让您了解基于机器学习识别手写数字的工作原理,并创建一个简单的识别器应用。


使用 Watson 实现垃圾回收

本 Code Pattern 将带您创建一个将垃圾智能分类的移动应用程序,您可以以该应用程序作为基础,构建自己的自定义可视识别分类器。


分析旧金山市的交通数据

通过学习,了解如何将公开的数据整合到 IBM Watson Studio 上托管的 Jupyter Notebook 中,以及如何使用 PixieDust 快速轻松地创建图形和图表。


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 完成一个可在智能手机上使用的 Web 健康应用程序。


创建并部署评分模型来预测心率衰竭

本 Code Pattern 使用 IBM Watson Studio 上的 Jupyter Notebook 来构建预测模型,演示潜在的医疗保健用例。


分析公开的医疗数据集来获取洞察

本 Code Pattern 通过深入挖掘有关阿片类药物用药过量导致死亡的数据集的例子,指引您探索数据、清理数据、训练模型和评估模型。


使用 Apache Spark 和 Elasticsearch 构建一个推荐系统

本 Code Pattern 演示了如何通过使用 Apache Spark 和弹性搜索创建推荐系统的关键元素。


通过点击流分析确定热门主题

本 Code Pattern 讲解了如何使用 Apache Spark 和 Kafka 收集、分析和报告网站访问者数据.


使用 Jupyter Notebook 分析《星际争霸 II》回放

结合游戏和数据分析的力量,成为一个不可阻挡的玩家。阅读如何通过分析你的游戏,让你成为一个一流的竞争对手。


相关博客