Вы, должно быть, хорошо осведомлены по заголовку о том, что произойдет в ближайшие несколько минут. Это будет серия статей, в которых мы сосредоточимся на том, как можно использовать Camunda 8 для решения задач машинного обучения.

Хорошо! Давайте начнем, прежде чем мы начнем готовиться к предварительным требованиям.

  1. Учетная запись AWS. Вам необходимо иметь учетную запись AWS, однако вам не нужно платить ни копейки, если вы находитесь на бесплатном уровне.
    Секретные ключи AWS.Вы также должны создать ключи AWS Access, если у вас их нет, и хранить их в надежном месте.
  2. Консоль Camunda 8:облако Camunda с 30-дневной бесплатной пробной учетной записью. Если вы можете позволить себе платить из своей пробной учетной записи, вы также можете работать 😃. Убедитесь, что у вас создан кластер, если нет, вы можете создать кластер, следуя документам.
  3. Файл модели. Чтобы использовать Camunda в качестве прогноза для этой статьи, вы уже должны были обучить набор данных и создать файл рассола. Если у вас недостаточно времени для обучения набора данных для машинного обучения, вы можете использовать файл pickle здесь.
    Модель была обучена на наборе данных Telecom churn, обучена алгоритму Random Forest Classifier. При использовании для прогнозирования с входными данными модель поможет предсказать, покинет ли конкретный клиент телекоммуникационную сеть или останется с ней.

Теперь, когда у нас есть все необходимые условия, без лишних слов давайте создадим модель бизнес-процесса с помощью Camunda 8.

  • Загрузите файл BPMN отсюда в локальное файловое хранилище.
  • Войдите в консоль Camunda
  • Перейдите к Modeler ›› Создайте новый проект ›› Нажмите раскрывающийся список рядом с «Создать новый файл» ›› «Загрузить файлы».

  • Выберите ранее загруженный файл BPMN.
  • После импорта BPMN экран вашего моделиста должен выглядеть так:

  • Форма, которая будет использоваться для ввода данных от пользователя, уже встроена в задачу «Сведения о пользователе».
  • Все, что вам нужно предоставить, — это ключ доступа к AWS в задаче «Подключиться к Lambda»:

  • Входные данные для лямбда-функции уже предоставлены вместе с bpmn, и вам не о чем беспокоиться, если только вы не работаете с другой моделью и другой формой.
  • Следующее, что нужно сделать, это загрузить файл модели в хранилище s3.
  • Перейдите на страницу AWS ›› Войти ›› Найти S3 ›› Создать корзину ›› Загрузите файлы ›› и импортируйте файл pickle отсюда, запишите импортированный файл pickle.
  • Теперь перейдите в раздел AWS Lambda ›› Создать функцию.

  • Теперь вы должны попасть на кодовую страницу функции.
  • Замените код на этот
  • Сохраните и разверните функцию Lambda, которая должна быть доступна на той же странице.
  • Поскольку Lambda не требует сервера и имеет небольшой вес, среда выполнения не будет включать все библиотеки машинного обучения Python, и одна из таких библиотек, которая использовалась в этом модуле, использует библиотеку scikit-learn. Ни одна из библиотек не может быть установлена, так как Lambda является бессерверной, и одним из способов решения этой проблемы является добавление уровня к функции Lambda.
  • На странице кода функции прокрутите страницу вниз, чтобы найти раздел «Добавить слои».

  • На основе версии Python, которую вы выбрали при создании лямбда-функции, получите ARN с этой страницы, скопируйте значение в столбце ARN и вставьте его в поле Указать ARN на странице Добавить слой и нажмите кнопку Добавить.
  • Снова разверните лямбда-функцию.
  • Теперь вернитесь к моделлеру Camunda и нажмите «Развернуть», который доступен в правом верхнем углу.
  • После сообщения об успешном развертывании нажмите Выполнить, которое должно быть рядом с Развертывание, если создание экземпляра процесса прошло успешно, щелкните ссылку во всплывающем окне, которая должна привести вас к Эксплуатация приборной панели.

  • Теперь перейдите к списку задач и посмотрите, ожидает ли пользовательская задача, встроенная в форму, вашего ввода.

Нажмите Назначить мне и укажите необходимые сведения (для упрощения проверка полей не была добавлена).

  • После того, как вы закончите добавлять значения в поля и нажмете «Завершить», токен должен теперь перейти к коннектору Lambda, который вызовет функцию Lambda, которую вы создали ранее, с предоставленными полезными данными и ключами доступа.
  • После выполнения лямбда-коннектора лямбда-функция должна вернуть ответ, и вы можете использовать предсказание класса, чтобы принять решение о рекомендации для клиента.

Вот и все, что вы сделали, вы использовали лямбда-коннектор Camunda, чтобы предсказать класс клиента из набора телекоммуникационных данных.

Основываясь на прогнозах, сделанных Моделью, мы можем организовать и посмотреть, какие рекомендации должны быть предоставлены Клиенту, чтобы сохранить его.