Translation not up to date
Decision Optimization modelleri oluşturmak için, DOcplexile Python dizüstü bilgisayarları , Decision Optimizationiçin yerel bir Python API 'si oluşturabilir ya da daha fazla avantaj ve özellik içeren Decision Optimization deneme kullanıcı arabirimini kullanabilirsiniz.
Decision Optimization ürününü farklı yöntembakın?
Becerilerinize ve uzmanlığınıza bağlı olarak, Decision Optimizationürününü aşağıdaki farklı şekillerde kullanabilirsiniz.
- Python dizüstü bilgisayarlar
- Python dizüstü bilgisayarları , Decision Optimizationiçin yerel bir Python API 'si olan DOcplexile oluşturabilirsiniz. Bkz. DOcplex. Sorununuzu temsil edecek değişkenler, hedefler ve kısıtlamalar oluşturmak için Operasyonel Araştırma (VEYA) modelleme uzmanlığına ihtiyacınız vardır.
Desteklenen Python ortamlarıyla ilgili daha fazla bilgi için bkz. Decision Optimization dizüstü bilgisayarlar.
- Decision Optimization deneme kullanıcı arabirimi
- Deney Kullanıcı Arabirimi iş akışını kolaylaştırır ve diğer birçok özellik sağlar. Bkz. Decision Optimization deneme kullanıcı arabirimi avantajları.
- Java modelleri
- Java modellerini devreye almak ve çalıştırmak için Watson Machine Learning REST API 'sini kullanabilirsiniz. Daha fazla bilgi için bkz. Decision Optimization Java modelleri.
- Toplu iş devreye alımı
- Watson Machine Learningile devreye alma hakkında daha fazla bilgi için bkz. Decision Optimization.
Kullanıcı arabirimini kullanarak Decision Optimization modelini oluşturmaya, çözmeye ve devreye almaya ilişkin adım adım bir kılavuz için Video ile hızlı başlangıç öğretici programıbaşlıklı konuya bakın.
Decision Optimization deney kullanıcı arabirimi avantajları
Aşağıdaki tabloda, Decision Optimization deneme kullanıcı arabirimiile ve bu kullanıcı arabirimi olmadan farklı işlevleri nasıl gerçekleştirebileceğiniz vurgulanmaktadır. Bu tabloda Jüpiter dizüstü Decision Optimization deneme kullanıcı arabirimiolmadan dizüstü bilgisayarlardır . Gördüğünüz gibi, Decision Optimization deneme kullanıcı arabiriminikullandığınızda daha fazla avantajınız olur. Bkz. Model oluşturucu özellikleri.
| Görev | Jupyter dizüstü bilgisayarı ( Decision Optimization deney kullanıcı arabirimiolmadan) | Decision Optimization deney kullanıcı arabirimi (4 tip model) | |||
|---|---|---|---|---|---|
| Python | OPL modelleri | CPLEX ve CPO modelleri | Modeling Assistant | ||
| Verileri Yönet | Projeler 'den veri içe aktarır. |
Projeler 'den verileri içe aktarın ve Verileri hazırla görünümünde verileri düzenleyin. Bkz. Veri görünümünün hazırlanması. |
Projeler 'den verileri içe aktarın ve Verileri hazırla görünümünde verileri düzenleyin. Bkz. Veri görünümünün hazırlanması. |
Verilerinizdeki ilişkiler akıllıca çıkarılır. |
|
| Optimizasyon modellerini formüle etme ve çalıştırma | Python notebook' da sıfırdan bir model formülasyonu oluşturun. DOcplex API kullanılıyor. Notebook ile tek tek hücreler etkileşimli olarak çalıştırılabilir ve bu da hata ayıklamayı kolaylaştırır. |
Python' da sıfırdan bir model formülasyonu oluşturun. Bir not defteri ya da dosyadan model formülasyonunu içe aktarın ve görüntüleyin. İçe aktarılan Python modelini doğrudan düzenleyin. Modelinizi not defteriolarak dışa aktarın. Notebook ile tek tek hücreler etkileşimli olarak çalıştırılabilir ve bu da hata ayıklamayı kolaylaştırır. |
OPL ' de sıfırdan bir model formülasyonu oluşturun. OPL dosyasından bir model formülasyonunu içe aktarın ve görüntüleyin. İçe aktarılan OPL modelini doğrudan düzenleyin. |
CPLEX ya da CPO ' da sıfırdan bir model formülasyonu oluşturun. CPLEX ya da CPO model dosyasını (.lp, .mpsve .cpo dosyaları) içe aktarın. .lp, .mpsve .cpo dosyalarını düzenleyin. Modeli çalıştırın ve çözüm dosyasını karşıdan yükleyin. |
Doğal dilde ifade edilen önerilen seçeneklerden seçim yaparak sıfırdan bir model formülasyonu oluşturun. Bir senaryodan Modeling Assistant model formüllerini içe aktarın ve görüntüleyin. İçe aktarılan modeli doğrudan düzenleyin. |
| Birden çok senaryo oluştur ve karşılaştır | Senaryo yönetimini işlemek için Python kodunu yazın. |
Model, veri ve çözümlerin farklı örneklerini karşılaştırmak için senaryolar oluşturun ve bunları yönetin. Bkz. Senaryo bölmesi ve Genel Bakış. |
|||
| Rapor oluşturma ve paylaşma | Python veri görselleştirme araçlarını kullanarak dizüstü bilgisayarlarınızda raporlar oluşturun. |
Pencere öğelerini, sayfaları ve bir JSON düzenleyicisini kullanarak Görselleştirme görünümünde raporları hızla oluşturun. Ekibinizle paylaşmak için raporunuzu JSON dosyası olarak karşıdan yükleyin. |
|||
| Bir modeli devreye al | Watson Machine Learning REST API ya da Python istemcisini kullanarak dizüstü bilgisayarları devreye alın. |
Konuşlandırma alanına yükseltme için hazır olarak kaydetmek istediğiniz senaryoyu seçin. Kullanıcı arabirimini kullanarak bir Decision Optimization modelini devreye almabaşlıklı konuya bakın. Decision Optimization normatif modelinizi ve ilişkili ortak verilerinizi bir kez devreye alın ve iş isteklerini yalnızca ilgili işlemsel verilerle bu devreye alıma gönderin. Modelleri Watson Machine Learning REST API ' yı kullanarak ya da Watson Machine Learning Python istemcisinikullanarak devreye alabilirsiniz. Bkz. Watson Machine Learning REST API ve Watson Machine Learning Python istemcisi. |
|||