Bei den von IBM bereitgestellten branchenspezifischen Akzeleratoren handelt es sich um eine Gruppe von End-to-End-Lösungen, die Sie als Beispiele ausführen oder aber anpassen können, um sich mit allgemeinen Geschäftsproblemen zu befassen.
Übersicht über branchenspezifische Akzeleratoren
Jeder branchenspezifische Akzelerator soll Ihnen helfen, ein bestimmtes Geschäftsproblem zu lösen, beispielsweise die Vorhersage einer Kundenreaktion auf eine Werbeaktion oder Erkenntnisse zur Kundenfluktuation. Durchsuchen Sie die Accelerators im Cloud Pak for Data as a Service Resource Hub und erstellen Sie die gewünschten Accelerators.
Die meisten Akzeleratoren schließen ein Beispielprojekt ein, das alles enthält, was Sie zum Analysieren von Daten, zum Erstellen eines Modells und zum Anzeigen von Ergebnissen benötigen. Die Beispielprojekte enthalten ausführliche Anweisungen, Datasets, Jupyter-Notebooks, Modelle und R Shiny-Anwendungen. Zu den meisten Akzeleratoren gehören auch Geschäftsbegriffe für die Datengovernance. Verwenden Sie diese Beispielprojekte als Vorlagen für Ihre eigenen Data-Science-Bedürfnisse, um bestimmte Techniken zu erlernen oder um die Fähigkeiten von watsonx.ai Studio und anderen Cloud Pak for Data as a Service zu demonstrieren.
In dieser Grafik wird der Prozess der Verwendung eines branchenspezifischen Akzelerators dargestellt.
Beispielprojekt für einen Akzelerator
Wenn Sie einen Akzelerator herunterladen, erhalten Sie ein Projekt, das die Assets enthält, die Sie zum Erstellen und Trainieren der Modelle benötigen, die dem Akzelerator zugeordnet sind.
Zielgruppe
Data-Scientists oder Geschäftsanalysten, die Daten- und Buildmodelle analysieren, um Geschäftsprobleme zu lösen.
Inhalt
Ein typischer Akzelerator enthält Folgendes:
- Eine Readme-Datei mit Anweisungen.
- CSV-Dateien, die Beispieldaten enthalten.
- Python zum Trainieren und Bewerten der Modelle und zugehörige Python zur Vorbereitung und Transformation der Daten für die Modellierung. Die Notebooks erstellen API-Endpunkte, um die Ausgabe für die R Shiny-Anwendung verfügbar zu machen.
- Modelle für maschinelles Lernen helfen Ihnen bei der Suche nach Lösungen für die vom Akzelerator beschriebenen Geschäftsprobleme.
- (Einige Akzeleratoren) Ein interaktives Dashboard zur Anzeige der Ergebnisse des Modells.
Anforderungen
Alle Accelerators, die Beispielprojekte haben, benötigen den watsonx.ai Studio Service und einen oder mehrere dieser Services:
- watsonx.ai Laufzeit
- IBM Knowledge Catalog
Prozessübersicht
Jeder Akzelerator enthält detaillierte Anweisungen. Die folgenden Schritte geben einen Überblick über den Prozess für Beispielprojekte:
- Rufen Sie das Beispielprojekt in der Ressourcendrehscheibe auf, klicken Sie auf Projekt erstellen, wählen Sie Projektkonfigurationen aus und klicken Sie auf Erstellen. Weitere Informationen finden Sie im Abschnitt zum Erstellen eines Projekts.
- Folgen Sie den Anweisungen in der Readme-Datei, um die Notebooks auszuführen und andere Aufgaben zu erledigen.
Nächste Schritte
Sie können das Beispielprojekt als Vorlage verwenden, indem Sie Ihre eigenen Daten hinzufügen und dieselben Schritte ausführen, die von einfachen Daten zu einem bereitgestellten Modell führen. Möglicherweise müssen Sie Ihre Daten untersuchen und bereinigen. Da sich Ihre Daten und Ihr Schema wahrscheinlich von den Beispieldaten unterscheiden, stimmen die Muster, die Sie in Ihren Daten finden, möglicherweise nicht mit den Mustern in den Beispieldaten überein. Sie können die Beispiele und den Code verwenden, um das Modell an Ihre Daten anzupassen und um das Modell mit Ihren Daten neu zu trainieren.
Führen Sie die folgenden allgemeinen Schritte aus, um ein Beispielprojekt als Vorlage für Ihre eigenen Daten zu verwenden:
- Fügen Sie dem Projekt Daten hinzu.
- Bereinigen und formen Sie gegebenenfalls die Daten.
- Aktualisieren Sie das Modell mit Ihren Daten und trainieren Sie es erneut.
Akzeleratoren für Finanzdienstleistungen
| Branchenspezifischer Akzelerator | Beschreibung |
|---|---|
| Financial Markets Customer Attrition Prediction | Stellt eine Gruppe von Data-Science-Beispielassets und eine strukturierte Gruppe von Geschäftsbegriffen bereit, die Sie bei der Vorhersage unterstützen, welche Kunden abwandern werden. |
| Financial Markets Customer Offer Affinity | Sagt vorher, welche Produkte der Kunde sehr wahrscheinlich kaufen wird oder als nächstes kaufen muss. |
| Financial Markets Customer Segmentation | Ordnet Kunden basierend auf ihrem Lebensstil und ihren Verhaltensmustern bestimmten Gruppen zu. |
| Financial Markets Customer Life Event Prediction | Nutzen Sie den Akzelerator 'Financial Markets Customer Life Event Prediction', um Ihren Kunden mit entsprechenden Angeboten zum richtigen Zeitpunkt den Weg zum finanziellem Erfolg zu ebnen. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren. |
| Umsatzvorhersage anhand von Weather Company Data | Optimieren Sie die Möglichkeiten zur Vertriebsorganisation Ihres Unternehmens, indem Sie ein Modell trainieren, den Umsatz basierend auf dem Wetter vorherzusagen. Der Akzelerator enthält Geschäftsbegriffe und Kategorien, eine Reihe von Data-Science-Beispielassets und ein Beispieldashboard zur Visualisierung der Ergebnisse. |
| Kundenbindung im Einzelhandel | Nutzen Sie Umfragen zur Kundenzufriedenheit, um die Abwanderung von Kunden vorherzusagen und Strategien zur Kundenbindung zu entwickeln. |
Akzeleratoren für den Versorgungs- und Energiesektor
| Name des Branchenbeschleunigers | Beschreibung |
|---|---|
| Utilities Customer Attrition Prediction | Gibt wahrscheinliche Ursachen für das Abwandern von Kunden an. |
| Utilities Customer Micro-Segmentation | Ordnet Kunden basierend auf ihrem Lebensstil und ihren Verhaltensmustern bestimmten Gruppen zu. |
| Utilities Demand Response Program Propensity | Welchen Kunden sollte die Möglichkeit geboten werden, sich für das Demand Response Program zu registrieren? Verwenden Sie den Propensity-Akzelerator für Dienstprogramme (Utilities Demand Response Program), um Ihre Analyse zu starten. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für Datenwissenschaftsressourcen und ein Beispiel-RStudio-Dashboard, um die Ergebnisse zu visualisieren. |
| Utilities Payment Risk Prediction | Verwenden Sie den Akzelerator 'Utilities Payment Risk Prediction', um proaktiv mit Kunden zu arbeiten, die Gefahr laufen, Zahlungen zu verpassen. Der Akzelerator enthält Geschäftsbegriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren. |
Akzeleratoren für andere Kategorien
| Name des Branchenbeschleunigers | Beschreibung |
|---|---|
| Projekt zum Organisieren von Kommentaren | Bietet Unternehmen die Möglichkeit, Kommentare geordnet anzuzeigen und das positive bzw. negative Feedback bestimmter Kunden gezielt und einfach anzuzeigen. |
| Projekt für effektive Landwirtschaft | Unterstützt die effektive Landwirtschaft, indem sie das Wachstum der Kulturen überwacht und den Landwirten einen zeitnahen Alarm über die Wetterveränderung, die mögliche Entwicklung von Pflanzenkrankheiten, die Verdunstung von Fungizid und den effizienten Einsatz von Solarpaneelen (Unterstützung der Agrovoltaik) ausweist. |
| Insurance Loss Estimation using Remote Sensing Data | Verwendet Fernerkundungsdaten zu Überschwemmungen zur Unterstützung bei der Beurteilung von Versicherungsforderungen. |
| Projekt zur Krankenhausrückübernahme | Prognostiziert die Rate der erneuten Aufnahme von Patienten im Krankenhaus anhand von Patientendaten. |
| Überwachung des Amazon SageMaker mit Watson Openscale | Dieses Projekt zeigt, wie der Endpunkt, der von Deploy an IBM watsonx.ai Studio Model auf Amazon SageMaker generiert wurde, verwendet werden kann, um zu demonstrieren, wie die AWS mit Watson OpenScale überwacht werden kann. |
Übergeordnetes Thema: Einführung