Amostras de ponta a ponta: aceleradores de mercado
Os aceleradores do setor fornecidos pelo site IBM são um conjunto de soluções completas que podem ser executadas como exemplos ou personalizadas para tratar de problemas comerciais comuns.
Visão geral de aceleradores de mercado
Um acelerador do setor foi projetado para ajudá-lo a resolver um problema comercial específico, seja prever como os clientes responderão a uma promoção ou entender o desgaste do cliente. Navegue pelos aceleradores no hub de recursos Cloud Pak for Data as a Service e crie os que você quiser.
A maioria dos aceleradores inclui um projeto de amostra com tudo o que você precisa para analisar dados, criar um modelo e exibir resultados. Os projetos de amostra incluem instruções detalhadas, conjuntos de dados, notebooks Jupyter, modelos e aplicativos R Shiny. A maioria dos aceleradores também inclui termos de negócios para controle de dados. Use esses projetos de amostra como modelos para suas próprias necessidades de ciência de dados para aprender técnicas específicas ou para demonstrar os recursos do watsonx.ai Studio e de outros serviços do Cloud Pak for Data as a Service.
O processo de uso de um acelerador de mercado é ilustrado neste gráfico.
Projeto de amostra para um acelerador
Ao fazer download de um acelerador, você obtém um projeto que contém os ativos necessários para construir e treinar os modelos que estão associados ao acelerador.
Audiência
Cientistas de dados ou analistas de negócios que analisam dados e constroem modelos para resolver problemas de negócios.
Índice
Um acelerador típico contém os seguintes itens:
- Um arquivo leia-me que fornece instruções.
- Arquivos CSV que contêm os dados da amostra.
- Notebooks Python para treinar e pontuar os modelos e scripts Python associados para preparar e transformar os dados para modelagem. Os blocos de notas criam terminais de API para expor a saída para o aplicativo R Shiny.
- Modelos de aprendizado de máquina que são projetados para ajudar a localizar respostas para os problemas de negócios descritos pelo acelerador.
- (Alguns aceleradores) Um painel interativo para mostrar os resultados do modelo.
Requisitos
Todos os aceleradores que têm projetos de amostra exigem o serviço watsonx.ai Studio e um ou mais desses serviços:
- watsonx.ai Runtime
- IBM watsonx.data intelligence
Visão Geral do Processo
Cada acelerador fornece instruções detalhadas. Essas etapas fornecem uma visão geral do processo para projetos de amostra:
- Vá para o projeto de amostra no hub de recursos, clique em Criar projeto, selecione as configurações do projeto e clique em Criar. Consulte Criando um projeto.
- Siga as instruções no arquivo Leiame para executar os notebooks e concluir outras tarefas.
Próximas etapas
É possível usar o projeto de amostra como um modelo, incluindo seus próprios dados e seguindo as mesmas etapas desde os dados até o modelo implementado. Pode ser necessário explorar e limpar seus dados. Como seus dados e esquema provavelmente são diferentes dos dados de amostra, os padrões encontrados em seus dados podem não corresponder aos padrões dos dados de amostra. É possível usar os exemplos e códigos para adaptar o modelo para os seus dados e para reciclar o modelo com seus dados.
Para usar um projeto de amostra como um modelo para os seus próprios dados, siga estas etapas gerais:
- Inclua seus dados no projeto.
- Se necessário, limpe ou molde seus dados.
- Atualize e recicle o modelo com seus dados.
Aceleradores para serviços financeiros
| Acelerador de mercado | Descrição |
|---|---|
| Predição de desistência do cliente de mercados financeiros | Fornece um conjunto de ativos de ciência de dados de amostra e um conjunto estruturado de termos de negócios que o ajudam a prever quais clientes sairão. |
| Afinidade de oferta do cliente de mercados financeiros | Prevê quais produtos o cliente é mais propenso a considerar ou exigir na próxima compra. |
| Financial Markets Customer Segmentation | Designa clientes a grupos específicos com base nos padrões de comportamento e ciclo de vida deles. |
| Financial Markets Customer Life Event Prediction | Use o acelerador Financial Markets Customer Life Event Prediction para definir uma estratégia para o sucesso financeiro dos clientes com ofertas relevantes no momento certo. O acelerador inclui termos de negócios, um conjunto de ativos de ciência de dados de amostra e um painel de amostra para visualizar os resultados. |
| Previsão de vendas usando Weather Company Data | Otimize as capacidades da organização de vendas da sua empresa, treinando um modelo para prever vendas com base em clima. O acelerador inclui termos de negócio e categorias, um conjunto de ativos de ciência de dados de amostra e um painel de amostra para visualizar os resultados. |
| Retenção de clientes no varejo | Use pesquisas de satisfação do cliente para prever a desistência do cliente e chegar a estratégias de retenção. |
Aceleradores para os setores de energia e utilidade pública
| Nome do acelerador de mercado | Descrição |
|---|---|
| Predição de desistência do cliente de serviços públicos | Fornece prováveis causas de desistência do cliente. |
| Utilities Customer Micro-Segmentation | Designa clientes a grupos específicos com base nos padrões de comportamento e ciclo de vida deles. |
| Utilities Demand Response Program Propensity | Quais clientes devem ter a oportunidade de se inscrever no Demand Response Program? Use o acelerador Utilities Demand Response Program Propensity para começar as análises. O acelerador inclui termos de negócios, um conjunto de ativos de ciência de dados de amostra e um painel de amostra RStudio para visualizar os resultados. |
| Utilities Payment Risk Prediction | Use o acelerador Utilities Payment Risk Prediction para se envolver proativamente com clientes correndo o risco de perder pagamentos. O acelerador inclui termos de negócios, um conjunto de ativos de ciência de dados de amostra e um painel de amostra para visualizar os resultados. |
Aceleradores para outras categorias
| Nome do acelerador de mercado | Descrição |
|---|---|
| Projeto organizador de comentários | Permitir que as empresas visualizem os comentários de forma mais organizada e visualizem mais facilmente os comentários positivos ou negativos específicos dos clientes. |
| Projeto de criação eficaz | Apoia a agricultura eficaz monitorando o crescimento da safra com um guia de safra e fornece alertas oportunos aos agricultores sobre mudanças climáticas, possível desenvolvimento de doenças na safra, evaporação de fungicida e uso eficiente de painéis solares (suporte à agrovoltaica). |
| Insurance Loss Estimation using Remote Sensing | Usa dados remotos de sensoriamento de enchente para ajudar na avaliação de reclamações à seguradora. |
| Projeto de readmissão hospitalar | Prevê taxa de readmissão hospitalar de pacientes, utilizando os dados do paciente. |
| Monitore o modelo Amazon SageMaker usando Watson OpenScale | Este projeto mostra como usar o endpoint gerado a partir de Deploy an IBM Watson Studio Model on Amazon SageMaker para demonstrar como monitorar a implementação de AWS com Watson OpenScale. |