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。

Hyperledger Fabric Ethereum 仮想マシンを使用して、ロイヤルティー・ポイント用ブロックチェーン・アプリを作成する

EVM を使用して Fabric をローカルにデプロイし、Node.js Web アプリを介してスマート・コントラクトとやり取りするプロキシーを作成する。


商品のレビューを分析してショッピング・ガイドを生成する

商品のレビューを Watson Natural Language Understanding によって評価し、その結果に基づいてコグニティブによる決定を下す Node.js アプリを作成する。


モバイル・オフライン同期のセキュリティーを確保する

ハイブリッド・モバイル・アプリ内にセキュアなオフライン同期化を実装する方法を説明します。この実装で利用するのは、IBM Mobile Foundation の JSONStore、Ionic フレームワーク、IBM Cloudant、IBM Cloud Object Store です。


保管中の株価データを使用してサーバーレス関数を実行する

このコード・パターンでは、株式市場向けアプリケーションを例とした使用ケースをデモンストレーションします。具体的には、時間ベースのスケジュールを使用して、サーバーレス関数を実行します。


IBM Open Data Analytics for z/OS で Python と Jupyter Notebook を使用して、カスタマー・チャーン・データを分析する

このコード・パターンでデモする探索的 Jupyter Notebook は、メインフレーム上で顧客の個人データとクレジット・カード取引データを分析し、取引銀行を変えるという顧客の決定に影響している可能性のある要因を明らかにします。


Python Flask アプリケーションを Kubernetes 内にデプロイする

Flask、MongoDB、Kubernetes を使用して Work Log Web アプリケーションを作成します。Work Log は、仕事に関連付けられたさまざまなタイプの日々を記録するために使用するアプリケーションです。ログには次のタイプ別に日々を記録します。


MEAN Web アプリを構築する

MongoDB、Express、AngularJS、Node.js スタックを使用してクラウド・ネイティブの Web アプリケーションを作成、デプロイする。


IoT

LoRaWAN ネットワークを使用した長距離対応 IoT システムのハードウェア・プラットフォームをセットアップする

Raspberry Pi、センサー、マイクロコントローラー、Watson IoT Platform を構成して、長距離対応 IoT システムを構築する。


Watson Natural Language Classifier を利用して e-メール・フィッシングを検出する

e-メール・フィッシングの試みを検出するように Watson Natural Language Classifier をトレーニングする。


人の顔を検出し、顔から推定した年齢を表示する Web アプリを作成する

Web アプリケーション内で、オープンソースの年齢推定深層学習モデルを使用して人の顔を検出し、年齢を推定する。


マイクロサービス・ベースのデジタル・バンキング Web アプリケーションを作成する

このコード・パターンでは、互いに通信する一連のマイクロサービスからなるダミーのデジタル・バンクを構築します。このアプリケーションを構築するために使用するのは、Node.js、Express、MongoDB、IBM Cloud Kubernetes Service です。


責任のある投資を確実にするための視覚化を作成する

投資する根拠を裏付けるデータに、投資家がアクセスできるようにする。


IoT

LoRaWAN ネットワーキングを使用した長距離対応 IoT システムで資産を追跡し、センサー・データを視覚化する

IoT センサー、Raspberry Pi ゲートウェイ、MQTT、Watslon IoT Platform を使用して資産とデバイス・データを追跡し、Leaflet と ArcGIS でデータを視覚化して地図上に表示する。


IBM Watson Studio を使用したテキストの要約と視覚化

テキストを読む時間を短縮し、選択プロセスを容易にするとともに、インデックスの効果を高めるために、抽出型要約を利用する。


機械学習を使用して心臓病の薬を予測する

機械学習を使用して匿名の患者データを処理し、心臓病の治療に最も効果がある薬を予測する。