Spark MLlib、IBM Db2 Event Store、Jupyter ノートブックを使用して、温度予測モデルを作成する

このコード・パターンでは、Jupyter ノートブックを使用して IBM Db2 Event Store とやり取りする例を紹介します。この例では、データベース・オブジェクトの作成から高度なアナリティクス、そして機械学習モデルの開発とデプロイに至るまで、Jupyter ノートブックを使用します。

このコード・パターンで使用するサンプル・データは、実際の産業用 IoT センサーによって収集されるデータをシミュレーションしたものです。この IoT サンプル・データには、センサー温度、周囲温度、電力消費量に加え、固有のセンサー ID とデバイス ID で識別されたセンサーからなるグループのタイムスタンプが含まれています。

Db2 Event Store は、膨大な量の構造化データとリアルタイムのアナリティクスに対応するよう、Apache Spark と Apache Parquet データ形式に基づいて設計されたインメモリー・データベースです。このソリューションは、イベント駆動型のデータ処理と分析用に最適化されており、IoT ソリューション、決済、ロジスティクス、Web コマースといったイベント駆動型の新しいアプリケーションをサポートすることができます。さらに、柔軟性とスケーラビリティーを兼ね備えていることから、時とともに変化するビジネス・ニーズにも迅速に適応できます。

このコード・パターンを完了すると、以下の方法がわかるようになります。

• Python と Jupyter ノートブックを使用して Db2 Event Store とやり取りする
• Matplotlib グラフを使用してデータを視覚化する
• 機械学習モデルを作成してテストする
• Watson Machine Learning を利用してモデルをデプロイし、使用する

このパターンの詳細な手順については、README ファイルを参照してください。手順の概要は以下のとおりです。

1. リポジトリーを複製します。
2. IBM Db2 Event Store をインストールします。
3. サンプル IoT データ・アセットを追加します。
4. IBM Db2 Event Store データベースおよびテーブルを作成します。
5. テーブルのクエリーを実行します。
6. データを分析します。
7. 機械学習モデルを作成してデプロイします。