在Ingo Peter撰写的博客文章中，我们可以看到SAP Data Intelligence如何利用SAP HANA PAL通过使用Python操作符中的自定义代码来创建预测模型。在这篇文章中，我们将展示一种新的方式（从DI 1911开始提供），物联网智能家居，通过使用现成的运营商来使用PAL模型。
随着年终派对的临近，你的经理给你这个公司重要的数据科学家一个关键的工作：确保音乐播放列表尽可能有趣。这是非常重要的，让所有的员工都享受聚会。你在想：你到底要怎么做？毕竟，你不是DJ。所以，你决定将你的机器学习技能付诸实践，并创建一个模型来为你解决这个问题。但这带来了另一个问题：你将在哪里做？如果这个模型可以与您管理事件的内部软件集成，那就太好了。然后，您还记得在SAP博客文章中读到一个名为SAP Data Intelligence的平台，并决定使用它来解决这个问题。
与往常一样，您需要收集一些数据来训练模型。幸运的是，你在互联网上找到了一个数据集，其中包含了2019年Spotify前50首歌曲的列表以及与之相关的一些功能。将csv文件上传到AWS S3上的公司datalake。
打开Modeler应用程序创建管道，将csv中的数据加载到HANA DB中。另外，你还可以借此机会把它清理一下。由于您希望保持简单（至少目前如此），您决定只使用数据集上可用的一些功能。
这方面的管道也很简单。只需一个操作符读取文件，一个Python脚本预处理数据，最后一个HANA客户端操作符将数据插入数据库。看起来是这样的：
对于Read File操作符，配置非常简单：
对于Python操作符，右键单击并选择"Add group"将其包装为一个组。在该组的设置中，添加标签"pandas"。这将允许您导入pandas包，这使得处理csv文件更加容易。此外，您还可以在类型为"file"的运算符上创建一个输入端口message.file文件以及一个名为"数据"的"消息"类型的输出端口。Python代码如下：
然后配置SAP HANA客户端操作符，这也很简单：
最后，返利微信，连接操作符并运行管道。成功！数据现在在HANA中。你在这项努力中有了一个伟大的开端！
好吧，SAP Data Intelligence有一个应用程序。无需二次猜测，您打开ML Scenario Manager（MLSM），自助免费建站，并创建一个新场景：
在场景中，您单击Pipelines部分的+符号，选择模板HANA ML Training并为其命名。
创建后，您将进入Modeler UI。
在这里您将对管道进行一些配置。在本例中，您可以通过选择连接、指定训练和测试数据集、选择任务和算法以及通知键和目标列来配置HANA ML训练操作符。此外，还可以提供超参数来微调JSON格式的算法。它们可以在HANA ML文档页中找到，并且是特定于算法的。例如，这些是神经网络的超参数。
准备好后，配置如下：
就是这样！回到MLSM，选择该管道并单击execute。由于管道发生了更改，MLSM要求您创建一个新版本：
之后，您再次执行管道。这一次，MLSM将引导您完成一些步骤，您可以在这些步骤中提供当前执行的描述并提供全局管道配置。在本例中，将要创建的工件（模型）的名称。你给它一个名字，物联网技术及应用，然后点击保存。
然后，培训开始：
…过一会儿，你就有了一个闪亮的新模型。杰出的！
再次在MLSM中，您创建了一个新的管道，但这次您选择了HANA ML推断模板。
与之前一样，您将被带到建模器：
这次您将配置HANA ML推断操作符以连接到HANA系统。没错，任何HANA系统！不一定是训练模型的那个。配置如下：
返回MLSM，您选择管道并部署它：
再次，您创建了一个新版本，因为您修改了管道。
向导将引导您指定要使用的模型。在这里，您选择最近训练的模型并继续。
最后，您会得到一个URL，您可以使用它作为展示您的模型的REST端点。
是时候看看这个东西可以做什么了！为了简化问题，你可以通过提供一首歌的特征来做一个常规的卷曲，你想确定人们是否会喜欢：
这首歌的回答是：
太棒了！就是这样！你做到了！现在，数据分析与大数据，你只要让你的老板知道你的工作已经完成了，享受派对，得到应得的晋升就行了！
