Academia ML con InterSystems IRIS

Esta academia muestra como se puede trabajar con tecnologías de Aprendizaje máquina (Machine Learning o ML) en conjunción con la plataforma de datos IRIS, y operacionalizar (poner en producción) algoritmos ML sobre la plataforma para su uso en tiempo real.

Esta academia muestra como:

• Acceder a IRIS desde entornos ML (Python y Jupyter Notebook)

• Operacionalizar algoritmos de ML con PMML

• Interactuar con Python desde InterSystems IRIS con el Python Gateway

• La construcción automatizada de algoritmos ML mediante comandos SQL simples

¿Qué necesitas?

• Git
• Docker
• Docker Compose
• Postmanhttps://docs.docker.com/compose/install/)
• DBeaver

Instalación

Descargar código

$git clone https://github.com/PYDuquesnoy/irismlacademy

Decargar los contenedores docker

$docker-compose pull

Configurar la Conexión JDBC en DBeaver

En DBeaver, definir el driver JDBC de Intersystems IRIS en el Menu "Database" / "Driver Manager":

Campo	Valor
Driver name	IRIS
Driver Type	Generic
ClassName	com.intersystems.jdbc.IRISDriver
URL Template	jdbc://IRIS://{host}:{port}/{database}
Default Port	51773
Description	InterSystems IRIS JDBC Driver
Libraries	irismlacademy/shared/intersytems-jdbc-3.1.0.jar
Driver Class	com.intersystems.jdbc.IRISDriver

Definir la conexión JDBC al contenedor iris4ml:

Campo	Valor
host	localhost
port	51773
Database	MLACADEMY
User name	SuperUser
Password	sys

Verificar la instalación

Arrancar los 2 contenedores:

$docker-compose up

Desde un Browser, verifica que se puede acceder a ambos contenedores, la plataforma InterSystems IRIS y el notebook jupyter:

Contenedor	URL	usuario	password
iris4ml	http://localhost:52773/csp/sys/UtilHome.csp	SuperUser	sys
jupyter notebook	http://locahost.8888	-	IRIS

​ ​