Code Patterns

アーキテクチャーダイアグラム、リポジトリ、ドキュメントへのワンクリックでのアクセスなど、問題をすばやく解決するために必要なものはこの"Code Patterns"(コードパターン)で見つけることができます。

資産管理会社の顧客に関する洞察を引き出す

Jupyter Notebook を使用して Client Insight for Wealth Management サービスについて探り、このサービスを利用する Web アプリケーションを作成する。


ビッグデータと R4ML を使用してフライトの遅延を予測する

R4ML を使用して、ビッグデータの前処置と予備解析を行う。


プライベート・クラスターとパブリック・クラスターの両方にわたって Istio を使用する

プライベート・クラスターとパブリック Kubernetes クラスター間でサービスを接続してハイブリッド・クラウドを構成する。


音声入力と音声出力に対応する Web ベースのチャットボットを作成する

IBM Watson Speech to Text、Watson Text to Speech、および Watson Assistant を利用して、音声を入力および出力として使用する Web ベースのチャットボットを作成する。


Voice Gateway を使用して次世代のコール・センターを作り上げる

IBM Cloud Private 上の Voice Gateway オファリングを利用して、Watson サービスと Twillio をオーケストレーションする。


音声分類子をトレーニングして評価する

深層学習モデルをトレーニングして、Watson Machine Learning 上で埋め込み音声を分類する。


ファッション関連のデータ・セットを使用してモデルをトレーニングする

TensorFlow と Fabric for Deep Learning を利用し、Fashion MNIST モデルをトレーニングして Kubernetes 上にデプロイする。


Jupyter Notebook 内で Node.js コードを実行する

pixiedust_node を使用して、Jupyter Notebook 内で Node.js の力を利用する。


ブロックチェーン・モニタリングを利用する

React および Node.js を使用してブロックチェーン・モニタリング・アプリを作成し、Hyperledger Fabric SDK を使用してサプライ・チェーンの資産を追跡するする。


クリックストリームを分析して顧客の関心事を理解する

クリックストリーム・データを取り込み、インタラクティブな視覚化を使用して Web サイトでの顧客の活動を分析する。


深層学習を採用した「マジック・トリミング・ツール」をデプロイする

事前にトレーニングされたオープンソースのモデルを使用して、深層学習駆動型の「マジック・トリミング・ツール」をデプロイする。


モデルのトレーニング・パイプラインに敵対者からの攻撃を統合する

モデルの脆弱性を見つけるために、Jupyter Notebook を使用してニューラル・ネットワーク・モデルのトレーニング・パイプラインに Adversarial Robustness Toolbox を統合する。


ブロックチェーン・レジャー上に資産の証券化を実装する

Hyperledger Fabric を使用して一連の非流動資産を取引可能な証券に統合する。


機械学習で生成された画像キャプションとやり取りする Web アプリを作成する

オープンソースの画像キャプション・ジェネレーター深層学習モデルを使用して、Web アプリケーション内でコンテンツに応じて画像をフィルタリングする。


Java 対応の Hyperledger Fabric SDK を使ってブロックチェーン・ネットワークを作成し、デプロイする

チャネルのセットアップと初期化、チェーンコードのインストールとインスタンス化を行って、ブロックチェーン・ネットワークに対して呼び出しとクエリーを実行する。