© 2015 IBM Corporation

Data Scientist Workbenchハンズオン2016/07/07版

貝嶋 創テクニカルセールス

アナリティクス事業部本部IBM

本日の内容

▪ ユーザー登録▪ Data Scientist Workbench▪ (オプション)IBM Bluemix

▪ Data Scientist Workbenchとは▪ ハンズオン(pyspark)

本日の内容

▪ ユーザー登録▪ Data Scientist Workbench▪ (オプション)IBM Bluemix

▪ Data Scientist Workbenchとは▪ ハンズオン

Data Scientist Workbenchの登録

• https://datascientistworkbench.com/

Data Scientist Workbenchの登録名前およびメールアドレスを登録

Data Scientist Workbenchの登録この画面が出たらメールアドレスを確認します

Hello Soh,

We are delighted to welcome you to the Data

Scientist Workbench Technology Preview! We

can't wait for you to start your evaluation and we

are looking forward to getting your feedback.

Your username is: yaori

To confirm your account and set your password,

please visit the following link:

https://my.datascientistworkbench.com/set_pass

word?username=XXXXX&token=XXXXXXXXXXX

XXXXXX

We will create a workbench just for you. You can

start using it a few minutes after confirming your

account!

Thanks, -The Data Scientist Workbench Team

If you'd like to unsubscribe and stop receiving

these emails click here.ここをクリック

Data Scientist Workbenchの登録ユーザー名・パスワード登録後、環境準備が開始します

ここまで来たら一旦終了

(オプション)IBM Bluemixへの登録

(オプション) IBM Bluemixへの登録

(オプション) IBM Bluemixへの登録

本日の内容

▪ ユーザー登録▪ Data Scientist Workbench▪ (オプション)IBM Bluemix

▪ Data Scientist Workbenchとは▪ ハンズオン

データ分析のプロセス

データ収集

クレンジング

モデリング・データ加工

アクション

レポーティング Data Scientist Workbenchで対応可能

Data Science Workbench© Copyright IBM Corp. 2016

特徴

• Spark環境構築済み

• Sparkを利用するためのプログラミング実行環境も用意

• インタラクティブかつ繰り返し実行可能

• コミュニティを通した知識の共有

• 継続的な機能追加

• 誰でも無料

“Making open source data science easy”

ログイン後の画面

データ操作および分析のためのツール

Data Science Workbenchのフォーラム、情報共有、リクエスト

①データ投入 ②データ整形

③データ整形と分析の実行

分析のためのデータ提供(Bluemixおよびpublicデータ)

ツール実行時の画面

Open Refine

Jupyter

Knowledge blog, BDU

機能追加のための投票

seahorse

Apache Zeppelin

アイコン化

My DataOpen Data

RStudio

①データ投入「My Data」分析のためのデータの投入を行う

現在のディレクトリ構成

新規ディレクトリ作成

データのアップロード

アップロードしたファイルは分析ツールから利用可能(Jupyter画面から利用が可能)

②データ整形「OpenRefine」

•Googleで開発されたGoogle Refineがベース

• 2010年11月にイニシャルリリース、2012年10月にOpenRefineとしてオープンソース化

•WebブラウザからのGUI操作のみでデータのクレンジングやフォーマット変換が可能

• CSV, TSV, text files, XML, RDF, and JSON様々なファイルフォーマットに対応

•分析を実行する前のデータの準備を実行

OpenRefineによるデータの絞込やクレンジング

数値データの範囲をグラフで絞り込み

OpenRefineによるデータの絞込やクレンジング

数値データの範囲をグラフで絞り込み

データのブレに対して

GUIでクレンジングが可能

「RStudio」

• Rを使いやすくするのための統合開発環境

• Rユーザーのデファクトスタンダード

•Data Scientist WorkbenchではBig Rも実行可能

• IBMの提供するライブラリ

•スケーラブルかつ高パフォーマンス

• Sparkに統合予定のSystemML

RStudio － RユーザーがSparkRを利用するためのIDE

Sparkと連携

BigRと連携済み、利用可能

https://www.ibm.com/support/knowledgecenter/SSPT3X_4.1.0/com.ibm.swg.im.infosphere.biginsights.ref.doc/doc/reference_icnav.html

「seahorse」

•DeepSense.ioにより2016年にver.1.0

• Sparkアプリケーションを作成するためのプラットフォーム

•WebGUIからアイコンを配置して機械学習やETLのプログラミング可能

Jupyter, Zeppelin はNotebook… “Notebook”とは?

•紙と鉛筆

•紙と鉛筆は、これまで長い間、科学者がメモや図面を通して進捗状況を文書化するための重要なツールである:

•表現力

•累積した情報

•コラボレーション

•Notebooks

•Notebooks は、これまでの紙と鉛筆のデジタル版であり、再現性のある分析と文書化を可能にする:

•マークダウンとグラフ化

•反復探索

•共有が容易

③データ整形と分析の実行「Jupyter Notebook」

•リリース

• 2001年にリリースされたIPythonをベースに、2015年にJupyterとしてリリース

•ノートブック

•WebブラウザからのGUI操作可能

•コード実行、コメント記述、グラフの描画を実行可能

•カーネル

•Data Scientist Workbenchでは、Scala，Python, Rを実行可能

③データ整形と分析の実行「Zeppelin Notebook」

•リリース

• 2012年にCommercial Product、2013年にオープンソース、2014年にASFインキュベーションプロダクト

•ノートブック

•WebブラウザからのGUI操作可能

•コード実行、コメント記述、グラフの描画を実行可能

•インタープリタ

• Scala, Python, SQL，shellコマンド など

フィードバックと投票

実現してほしいアイデアの投稿、投票が可能

<参考>日本語化とデータセンター

•画面左下のユーザーアイコンからProfileの設定が可能

•言語を「日本語」にすることでUIの日本語化

• Tokyo データセンターも準備中

非常に多くの機能がありますが

触りながら覚えて、育てていきましょう

本日の内容

▪ ユーザー登録▪ Data Scientist Workbench▪ (オプション)IBM Bluemix

▪ Sparkとは▪ Data Scientist Workbenchとは▪ ハンズオン(pyspark)

ハンズオンの内容

ハンズオン：JupyterでMLLibでクラスタリング

ハンズオン：IBM Bluemixとの連携・移行

ハンズオン：Spark MLLibでクラスタリング

JupyterでPythonによるSpark MLLibプログラムを実行します。

手順1. シェアされているNotebookとデータを取得します。

Notebook>

https://share.datascientistworkbench.com/jupyter/v1/10.115.125.103/aCEImKrw2L18537/handson_clustering.ipynbデータ>

https://share.datascientistworkbench.com/jupyter/v1/10.115.125.103/

OB9vSkLakJdvmhM/handson_data_no_header.csv2. Jupyter画面および「マイ・データ」画面でファイルが取得されてい

ることを確認します。3. Notebookを実行してK-Meansによるクラスタリングを実行します。

ハンズオン：Bluemixとの連携・移行

IBM BluemixにもSpark環境が「Spark as a Service」として用意されています。Data Scientist Workbenchと比較して以下の利点があります。

• Enterprise向けのよりパワフルな実行環境と占有環境• アプリケーション(spark-submit)の実行可能• Bluemix上のサービスとの連携

手順1. DSWBからJupyterノートブックのダウンロード2. Spark as a Serviceからノートブックの読み込みと実行

Data Scientist WorkbenchとSpark as a Service 連携

IPYNB

• DSWBと同様に、IBM BluemixのSpark as a ServiceでもJupyterを利用可能です。

• Data Scientist Workbenchで作成したJupyterノートブックをBluemixのSparkで実行可能です。

“Apache Spark”

- Sparkサービス

- Jupyter(Python・Scala・Rランタイム)

- サンプルコード

- Objectストレージ

<参考>BluemixのSparkに含まれる内容

ストレージ（swiftベース）

Sparkサービス(Jupyter)

<補足>ハンズオン

• DSWBから「Download」を選択してノートブックおよびデータのダウンロードを実行

<補足>ハンズオン「Bluemix Spark」からipynbファイルを読み込み

BluemixではNotebookの実行とバッチ実行モードが

選択可能今回はNotebookを選択

Create NotebookでFrom Fileを選択

<参考> Spark as a Service画面

データの投入ノートブックの共有も可能

DSWB同様Jupyter利用可能

Objectストレージから取得するためファイルパスを変更rawdata = sc.textFile("swift://notebooks.spark/handson_data_no_header.csv")

<参考>リファレンス

• Sparkプログラミングガイド (1.6.1)

http://spark.apache.org/docs/latest/programming-guide.html

• Pyspark APIドキュメント (1.6.1)

http://spark.apache.org/docs/latest/api/python/pyspark.html

• K-means(機械学習)のプログラミングガイド

http://spark.apache.org/docs/latest/mllib-clustering.html

ファイルサーチ& URL挿入(ノートの共有)

「My Data」のファイルコードに挿入可能

<参考>Jupyter 操作画面

<参考> Jupyterにおけるセル・コメント・コード

コメント

コード(実行中)

コード(未実行)

コメント

セルの種類

<参考>よく使うJupyterのアイコン

状態のセーブ・チェックポイントの作成

セルの削除

セルの順番入れ替え

セルの実行

セルの追加

<参考>修正したコード(セル)からの再実行

実行したセルに対して変更を加える

<参考>修正したコード(セル)からの再実行

修正したセルから再実行可能番号が下のセルより上がっている

<参考>コード補完

Tabを押下することでコード補完が行われる

<参考>キーボードショートカット

キーボードショートカットによるviライクな操作が可能 (j、kでセ ル間を移動)Enterでセル毎の編集モードに入り、EscでNotebookへのコマンドモードに変更

<参考>

ユーザーインターフェースの細かい解説を確認可能

<参考>Jupyterで新規Notebookを作成する

1. 左側のアイコンリストからJupyterを選択2. 右上のNew Notebook TypeからPythonを選択

ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情報提供の目的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結果を生むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供され、明示または暗示にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の関連によって、いかなる損害が生じた場合も、IBMは責任を負わないものとします。 本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使用を規定する適用ライセンス契約の条項を変更することを意図したものでもなく、またそのような結果を生むものでもありません。

本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であることを暗示するものではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独自の決定権をもっていつでも変更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したものではありません。本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生じると述べる、または暗示することを意図したものでも、またそのような結果を生むものでもありません。 パフォーマンスは、管理された環境において標準的なIBMベンチマークを使用した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラミングの量、入出力構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。

記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として示されたものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。

IBM、IBM ロゴ、ibm.comは、 世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。

Adobe, Adobeロゴ, PostScript, PostScriptロゴは、Adobe Systems Incorporatedの米国およびその他の国における登録商標または商標です。

IT Infrastructure LibraryはAXELOS Limitedの登録商標です。

インテル, Intel, Intelロゴ, Intel Inside, Intel Insideロゴ, Centrino, Intel Centrinoロゴ, Celeron, Xeon, Intel SpeedStep, Itanium, およびPentium は Intel Corporationまたは子会社の米国およびその他の国における商標または登録商標です。

Linuxは、Linus Torvaldsの米国およびその他の国における登録商標です。PowerLinux is a trademark of International Business Machines Corp. The registered trademark Linux is used pursuant to a sublicense from LMI, the exclusive licensee of Linus Torvalds, owner of the mark on a world-wide basis.

Microsoft, Windows, Windows NT および Windowsロゴは Microsoft Corporationの米国およびその他の国における商標です。

ITILはAXELOS Limitedの登録商標です。

UNIXはThe Open Groupの米国およびその他の国における登録商標です。

Cell Broadband Engineは、Sony Computer Entertainment, Inc.の米国およびその他の国における商標であり、同社の許諾を受けて使用しています。

JavaおよびすべてのJava関連の商標およびロゴは Oracleやその関連会社の米国およびその他の国における商標または登録商標です。

Linear Tape-Open, LTO, LTOロゴ, UltriumおよびUltriumロゴは、HP, IBM Corp.およびQuantumの米国およびその他の国における商標です。