{"id":41221,"date":"2020-02-06T20:42:46","date_gmt":"2020-02-06T17:42:46","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/python-gateway-v-intersystems-iris"},"modified":"2020-02-06T20:42:46","modified_gmt":"2020-02-06T17:42:46","slug":"python-gateway-v-intersystems-iris","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/python-gateway-v-intersystems-iris","title":{"rendered":"Gateway Python no InterSystems IRIS","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Este artigo \u00e9 sobre o Python Gateway \u2014 um projeto comunit\u00e1rio de c\u00f3digo aberto para a plataforma de dados InterSystems IRIS. Este projeto permite orquestrar quaisquer algoritmos de aprendizado de m\u00e1quina criados na linguagem Python (o ambiente principal para muitos Cientistas de Dados), utilizando in\u00fameras bibliotecas prontas para a cria\u00e7\u00e3o r\u00e1pida de solu\u00e7\u00f5es anal\u00edticas adaptativas e automatizadas de AI\/ML na plataforma InterSystems IRIS. Neste artigo, mostrarei como o InterSystems IRIS pode orquestrar processos em Python, realizar transfer\u00eancia de dados bidirecional de forma eficiente e criar processos de neg\u00f3cios inteligentes.<\/p>\n

<\/a><\/noindex><\/p>\n

Plano<\/h1>\n

<\/p>\n

    \n
  1. Introdu\u00e7\u00e3o.<\/li>\n
  2. Ferramentas.<\/li>\n
  3. Instala\u00e7\u00e3o.<\/li>\n
  4. API.<\/li>\n
  5. Interoperabilidade.<\/li>\n
  6. Jupyter Notebook.<\/li>\n
  7. Conclus\u00f5es.<\/li>\n
  8. Links.<\/li>\n
  9. MLToolkit.<\/li>\n<\/ol>\n

    <\/p>\n

    Introdu\u00e7\u00e3o<\/h1>\n

    <\/p>\n

    Python \u00e9 uma linguagem de programa\u00e7\u00e3o de alto n\u00edvel, de prop\u00f3sito geral, voltada para aumentar a produtividade do desenvolvedor e a legibilidade do c\u00f3digo. Nesta s\u00e9rie de artigos, falarei sobre as possibilidades de aplica\u00e7\u00e3o da linguagem Python na plataforma InterSystems IRIS, com o foco principal deste artigo sendo a utiliza\u00e7\u00e3o do Python como linguagem para a cria\u00e7\u00e3o e aplica\u00e7\u00e3o de modelos de aprendizado de m\u00e1quina.<\/p>\n

    <\/p>\n

    Aprendizado de m\u00e1quina (ML) \u00e9 uma classe de m\u00e9todos de intelig\u00eancia artificial, cuja caracter\u00edstica \u00e9 n\u00e3o resolver a tarefa diretamente, mas aprender ao resolver muitas tarefas semelhantes. <\/p>\n

    <\/p>\n

    Os algoritmos e modelos de aprendizado de m\u00e1quina est\u00e3o se tornando cada vez mais comuns. H\u00e1 muitas raz\u00f5es para isso, mas tudo se resume \u00e0 acessibilidade, simplicidade e \u00e0 obten\u00e7\u00e3o de resultados pr\u00e1ticos. A clusteriza\u00e7\u00e3o ou at\u00e9 mesmo a modelagem por rede neural \u00e9 uma nova tecnologia? <\/p>\n

    <\/p>\n

    Claro que n\u00e3o, mas atualmente n\u00e3o \u00e9 necess\u00e1rio escrever centenas de milhares de linhas de c\u00f3digo para executar um \u00fanico modelo, e os custos para criar e aplicar modelos est\u00e3o diminuindo cada vez mais.<\/p>\n

    <\/p>\n

    As ferramentas est\u00e3o evoluindo \u2014 enquanto n\u00e3o temos ferramentas de AI\/ML totalmente orientadas para GUI, o progresso que observamos em muitas outras classes de sistemas de informa\u00e7\u00e3o, como BI (desde a codifica\u00e7\u00e3o at\u00e9 o uso de frameworks e solu\u00e7\u00f5es configur\u00e1veis orientadas a GUI), tamb\u00e9m est\u00e1 presente nas ferramentas de cria\u00e7\u00e3o de AI\/ML. J\u00e1 passamos pela fase de codifica\u00e7\u00e3o e hoje utilizamos frameworks para construir e treinar modelos.<\/p>\n

    <\/p>\n

    Outras melhorias, como a capacidade de distribuir um modelo pr\u00e9-treinado, onde o usu\u00e1rio final precisa apenas concluir o treinamento do modelo com seus dados espec\u00edficos, tamb\u00e9m simplificam o in\u00edcio da aplica\u00e7\u00e3o de aprendizado de m\u00e1quina. Essas conquistas tornam o aprendizado de m\u00e1quina muito mais acess\u00edvel, tanto para especialistas quanto para empresas em geral.<\/p>\n

    <\/p>\n

    Por outro lado, estamos coletando cada vez mais dados. Gra\u00e7as a uma plataforma de dados unificada, como o InterSystems IRIS, toda essa informa\u00e7\u00e3o pode ser imediatamente preparada e utilizada como dados de entrada para modelos de aprendizado de m\u00e1quina.<\/p>\n

    <\/p>\n

    Com a migra\u00e7\u00e3o para a nuvem, iniciar projetos de IA\/ML se torna mais f\u00e1cil do que nunca. Podemos consumir apenas os recursos de que precisamos. Al\u00e9m disso, gra\u00e7as \u00e0 paraleliza\u00e7\u00e3o oferecida pelas plataformas em nuvem, podemos economizar tempo.<\/p>\n

    <\/p>\n

    Mas e quanto aos resultados? Aqui as coisas se complicam. H\u00e1 uma variedade de ferramentas para constru\u00e7\u00e3o de modelos, das quais falarei a seguir. Construir um bom modelo n\u00e3o \u00e9 simples, mas e depois? Extra\u00e7\u00e3o de valor do uso do modelo por parte das empresas tamb\u00e9m \u00e9 uma tarefa n\u00e3o trivial. A raiz do problema est\u00e1 na separa\u00e7\u00e3o entre cargas anal\u00edticas e transacionais, e nos modelos de dados. Quando treinamos um modelo, geralmente o fazemos com dados hist\u00f3ricos. Mas o lugar para o modelo constru\u00eddo est\u00e1 no processamento de transa\u00e7\u00f5es. De que adianta ter o melhor modelo de detec\u00e7\u00e3o de transa\u00e7\u00f5es fraudulentas se o executamos uma vez por dia? Os fraudadores j\u00e1 se foram com o dinheiro. Precisamos treinar o modelo com dados hist\u00f3ricos, mas tamb\u00e9m devemos aplic\u00e1-lo em tempo real com novos dados que chegam, para que nossos processos de neg\u00f3cios possam agir de acordo com as previs\u00f5es feitas pelo modelo.<\/p>\n

    <\/p>\n

    O ML Toolkit \u00e9 um conjunto de ferramentas que tem exatamente esse objetivo: integrar modelos e ambientes transacionais, para que os modelos constru\u00eddos possam ser facilmente usados diretamente em seus processos de neg\u00f3cios. O Python Gateway faz parte do ML Toolkit e oferece integra\u00e7\u00e3o com a linguagem Python (da mesma forma que o R Gateway, que \u00e9 parte do ML Toolkit, oferece integra\u00e7\u00e3o com a linguagem R).<\/p>\n

    <\/p>\n

    Ferramentas<\/h1>\n

    <\/p>\n

    Antes de prosseguirmos, gostaria de descrever algumas ferramentas e bibliotecas para Python que vamos usar mais tarde.<\/p>\n

    <\/p>\n

    Tecnologias<\/h2>\n

    <\/p>\n