應用程式微服務架構移轉工具IBM Mono2Micro

IBM Mono2Micro採用AI技術自動執行應用程式微服務化重構評估及移轉建議，在分析應用程式運行程式碼與開發框架模型的過程中，協助追蹤應用程式相關操作行為、擷取業務邏輯，選擇最佳的微服務架構及並自動產生建議，降低需要重構與重新撰寫原始碼的負擔，IBM Mono2Micro提供整體性多角度分析視圖，是開發人員進行現代化應用程式微服務架構移轉的最佳選擇。

IBM Mono2Micro的產品特色：

• 自動產生建議與報告
  IBM Mono2Micro的AI技術透過採用創新機器學習演算法，自動為開發團隊提供微服務移轉建議，並產生相關的詳細分析報告，包括指導評估與微服務建議。
• 基於業務邏輯的分組
  IBM Mono2Micro採用機器學習與深度學習開發的AI技術，結合應用程式的靜態和動態運行分析技術，例如物件方法呼叫脈絡（Call graph）、資料依賴（Data dependency）和執行時期效能追蹤（Runtime traces），提升微服務架構的重構能力。
• 基於自然接縫式的服務分組
  IBM Mono2Micro運用資料依賴性分析進一步增強了基於業務邏輯的微服務架構分析，藉以產生基於自然接縫式的服務分組（Natural seams-based groupings），大幅簡化原始碼重寫的複雜度。

如需瞭解更多IBM Mono2Micro的相關優勢，請立即聯繫北祥資訊。

AI小學堂 – 今天教您「機器學習應用流程 – 2.準備數據」

人工智慧時代來臨，面對市場需求的變化以及未來的無限商機，北祥資訊將與您一起學習，讓AI小學堂成為您最佳的學習助手。第28堂課，我們為您介紹：機器學習應用流程 – 2.準備數據。

上週我們介紹了「機器學習應用流程」第一步驟 - 定義問題，這星期我們將針對「機器學習應用流程」中的第二步驟 - 準備數據，說明如何彙整機器學習應用的屬性，並使用散佈圖與直方圖將進行視覺化分析，思考每個屬性間的關係，提供解決問題的正確數據。準備數據大致可以分為以下三個步驟：

1. 步驟1：數據選擇
審慎考慮實際需要的數據種類以解決問題，並對所需數據進行假設與測試。
• 可獲得的數據範圍是多少？例如透過時間、資料表、系統連接以確保清楚了解使用內容。
• 擁有哪些不可用的數據？例如未記錄或無法記錄的數據，可以嘗試導出或模擬此數據。
• 不需要的數據，記錄刪除了哪些數據以及原因，以便後續參考。
2. 步驟2：數據預處理
第二步是考慮如何使用數據，例如透過格式化對數據進行取樣來選擇或清理數據，三個常見的數據預處理步驟為格式化、清理與取樣。
• 格式：了解選擇的數據所適用的格式，例如適用於關係數據庫中、平面文件中或是專有文件格式中。
• 清理：清理數據為刪除或修復數據的過程，若數據不完整或不實用需要捨棄，反之某些屬性中含有敏感資訊，則需要匿名或完全移除。
• 取樣：選擇較小的代表性數據樣本，加快模擬速度與製作解決方案模板的時間。
3. 步驟3：數據轉換
在問題定義的第三步是轉換過程數據，透過特徵縮放、屬性的分解與聚合，以特徵工程轉換準備用於機器學習的處理預數據。
• 縮放比例：根據預處理後的數據屬性、比例，思考執行時的功能縮放。
• 分解：分解複雜概念與執行類型。
• 聚合：將特定功能進行聚合與確定執行方向。