このコード・パターンは「ラーニング・パス: IBM Streams 入門 」の一部となっています。
| レベル | トピック | タイプ |
|---|---|---|
| 100 | Introduction to IBM Streams | 記事 |
| 101 | Create your first IBM Streams app without writing code | チュートリアル |
| 201 | Ingest data from Apache Kafka | コード・パターン |
| 301 | Build a streaming app using a Python API | コード・パターン |
| 401 | 機械学習モデルでストリーミング・データに採点を付ける | コード・パターン |
概要
この開発者コード・パターンでは、オンライン・ショッピング・データをストリーミングし、そのデータを使用して、各買い物客がショッピング・カートに追加した商品を追跡します。さらに、scikit-learn を使用して、ショッピング・カートの中身に応じて買い物客をグループ化する、k 平均クラスタリング・モデルを作成します。買い物客をクラスターに割り当てれば、追加でお勧めする商品を予測できます。
説明
このアプリケーションを構築するために使用するのは、IBM Cloud Pak® for Data 上の IBM Streams です。IBM Streams には Streams Flows という IDE が組み込まれていて、この IDE を使用すると視覚的にストリーミング・アプリを作成できます。IBM Cloud Pak for Data プラットフォームにはさらに、複数データ・ソースの統合、組み込みアナリティクス、Jupyter Notebook、機械学習などのサポートも用意されています。
一方、機械学習モデルを作成してデプロイするために使用するのは、IBM Watson® Studio 内の Jupyter Notebook と Watson Machine Learning サービス・インスタンスです。この例では、どちらも IBM Cloud Pak for Data プラットフォーム上で実行されます。
Streams Flows エディターを使用して、次のオペレーターからなるストリーミング・アプリを作成します。
- ソース・オペレーター: サンプルのクリックストリーム・データを生成します。
- フィルター・オペレーター: イベントを「カートへ追加」イベントに絞り込みます。
- コード・オペレーター: この例では、Python コードを使用してショッピング・カート内のアイテムを採点に使用する入力配列に整理します。
- WML デプロイメント・オペレーター: 買い物客をクラスターに割り当てます。
- デバッグ・オペレーター: 結果をデモするために使用します。
フロー
- ユーザーが機械学習モデルを作成してデプロイします。
- ユーザーが IBM Streams アプリケーションを作成して実行します。
- Streams Flow UI にストリーミング、フィルタリング、採点の動作が示されます。
手順
このコード・パターンに取り組む準備はできましたか？README では、次の手順を説明しています。
- Cloud Pak for Data 上の IBM Streams インスタンスにアクセスできることを確認します。
- Cloud Pak for Data 内で新しいプロジェクトを作成します。
- モデルを作成して保管します。
- デプロイメント空間をプロジェクトに関連付けます。
- モデルをデプロイします。
- Streams Flow アプリケーションを作成して実行します。
お疲れさまでした！このコード・パターンは、「IBM Streams 入門」シリーズの最終回です。このシリーズでは、IBM Streams の概要に加えて、次の方法を説明しました。
- コードを 1 行も作成せずに、初の IBM Streams アプリを作成する
- Apache Kafka ストリーミング・アプリを構築する
- Python API を使用してストリーミング・アプリを構築する
- 機械学習モデルでストリーミング・データに採点を付ける
このシリーズを通して、IBM Streams の基本といくつかの機能について理解できたはずです。さらに詳しく学ぶには、「Introduction to streaming analytics with IBM Streams」動画シリーズをご覧ください。