Das Trainieren eines Machine-Learning-Models ist keine einmalige Sache. Wenn im Laufe der Zeit neue Daten verfügbar werden, soll häufig das Modell retrainiert werden, um es zu verbessern.
Dieser Vortrag zeigt wie man ein derartiges agiles Vorgehen mit Watson Machine Learning, Watson Studio, Apache Spark und Db2 Warehouse realisieren kann, Es wird erläutert, wie man schnell einen Prototyp erstellt, dessen Deployment beobachtet und überwacht und dann das Modell iterativ verbessert.