Создавайте модели, которые учатся со временем, с помощью Watson Machine Learning и Watson Studio.
Мы слышим от многих клиентов, что одна из самых сложных частей машинного обучения - закрыть цикл обратной связи. Это означает, что модели необходимо часто отслеживать и обновлять, чтобы они включали самые свежие данные. Watson Machine Learning и Watson Studio позволяют специалистам по обработке данных и аналитикам быстро создавать и создавать прототипы моделей, отслеживать развертывания и учиться с течением времени по мере появления большего количества данных. Мониторинг производительности и Непрерывное обучение позволяют моделям машинного обучения повторно обучаться новым данным, предоставленным пользователем или другим источником данных. Затем все ваши приложения и инструменты анализа, зависящие от модели, автоматически обновляются, поскольку Watson Studio выполняет выбор и развертывание лучшей модели.
В этом видео мы решим проблему для города Чикаго, используя Построитель моделей для моделирования нарушений зданий. Мы спрогнозируем, какие здания с наибольшей вероятностью не пройдут проверки. Затем мы можем грамотно ранжировать здания по вероятности того, что они не пройдут проверку, экономя время и ресурсы для города и наших инспекторов. Мы начнем строить модель на основе общедоступных данных с 2017 года, начиная с сентября, прежде чем мы представим данные за октябрь, ноябрь и декабрь, чтобы моделировать обучение с течением времени.
Вам потребуются сервисы Watson Studio, Watson Machine Learning и IBM Db2 Warehouse on Cloud в IBM Cloud, чтобы самостоятельно выполнить это руководство.
Доступны бесплатные и облегченные версии. Получить данные.
