Авторы: Арман Руис, Стеван Слашер, Адам Массачи, Грег Филла, Джулианна Р. Делуа, Инь Чен и Вишну Алавур Каннан
На стыке данных, математики и бизнеса вы найдете самую захватывающую область технологий сегодня. Имея опыт работы в бизнесе, я очень рано начал задумываться о том, какое влияние наука о данных может оказать на реальные приложения. За годы, прошедшие с тех пор, как сообщество с открытым исходным кодом и удивительная эволюция инструментов и методов, разработанных в области науки о данных и машинного обучения (ML), довели эти технологии до зрелости. Теперь они положительно влияют на наш бизнес, нашу жизнь и мир.
Сегодня я рад объявить о еще одном шаге в этой эволюции науки о данных с IBM® Watson® Machine Learning (WML) V2.0. WML - это конвергенция различных технологий, которая позволяет специалистам по обработке данных и гражданским специалистам по обработке данных более легко и эффективно развертывать самообучающиеся модели в крупномасштабном производстве.
Теперь давайте посмотрим на основные преимущества, предлагаемые WML, улучшения, предоставляемые V2.0, и новые инструменты, которые специалисты по обработке данных, DevOps и разработчики приложений будут использовать на своем пути к искусственному интеллекту.
Развертывайте модели и управляйте ими в любом масштабе
На протяжении своей истории WML помогал специалистам по обработке данных и предприятиям развертывать свои аналитические активы и модели. Это решение позволяет группам специалистов по обработке и анализу данных и разработчикам приложений уделять больше внимания науке о создании высокоточной модели, а затем упрощает их внедрение в систему или приложение.
WML также позволяет выполнять критические задачи после фазы развертывания. После развертывания вашими моделями необходимо хорошо управлять. Для этого мы включили средства управления версиями и возможность создавать конвейеры автоматизации вокруг моделей, предотвращая их устаревание или потерю точности производительности с течением времени.
Включите интеллектуальные операции модели
С WML развернутые модели постоянно обучаются и обновляются. Это связано с тем, что встроенные интеллектуальные сервисы обучения имеют петли обратной связи, которые постоянно учатся на новых данных, независимо от того, где они находятся.
Кроме того, WML будет переобучать и повторно развертывать модели по мере необходимости и в зависимости от того, как они работают в системе или приложении. Это предотвращает длительные отрезки времени, когда точность вашего прогноза снижается; пользователи быстрее уведомляются о любом таком ухудшении качества. В результате модели будут более надежно переобучаться за счет автоматизации.
Ускорение рабочих нагрузок с интенсивными вычислениями
Третье всеобъемлющее преимущество WML заключается в улучшенной интеграции, выпущенной с WML 2.0, надстройкой WML Accelerator. WML Accelerator позволяет передавать задания пакетного обучения из Watson ™ Studio Local в оптимизированный для вычислений кластер, что ускоряет задания по обучению и обеспечивает оптимальное управление ресурсами. Эти обученные модели доступны в вашей среде WML, где ими можно управлять и развертывать.
Когда задание находится в среде WML Accelerator, WML Accelerator будет планировать его и любые другие задания, находящиеся в настоящее время в конвейере, наиболее эффективным образом, позволяя выполнять все задания пакетного обучения в текущем конвейере быстрее, чем когда-либо прежде.
Этим процессом можно управлять и контролировать с помощью простого в использовании встроенного пользовательского интерфейса (UI), который распространяется на большинство областей WML. Кроме того, с помощью динамического распределения ресурсов мы заботимся о том, чтобы заданиям с более высоким приоритетом выделялось больше всего ресурсов.
Организуйте все вместе в нескольких облаках
Наряду с Watson Studio, Watson Machine Learning 2.0 объединяет общедоступные и частные облачные технологии для создания унифицированного опыта и повышения эффективности процесса обучения и развертывания, и всем этим легко управлять через интерфейс для совместной работы, предлагающий одинаковые возможности для всех заинтересованных сторон.
Хотите обучить модель в своей локальной среде и развернуть ее в размещенном облаке? Вы можете легко сделать это с помощью WML 2.0 благодаря его гибридной природе.
WML 2.0 использует общий API-интерфейс между облаком и локальным, а это означает, что вы не только сможете беспрепятственно работать в разных средах, но и получите удовольствие от программного взаимодействия при использовании IBM Watson Machine Learning API, интерфейса командной строки или клиента Python.
Нововведения, упрощающие использование моделей для всех
WML V2.0 - это сильный шаг вперед в области аналитического развертывания ИИ. Более того, IBM будет обеспечивать постоянную поддержку этого инструмента с еще более интересными функциями, такими как AutoAI, которые скоро появятся в облаке и локально, а также улучшенными операциями с моделями и DevOps.
Хотите узнать больше? Просмотрите поддерживающие блоги моих коллег ниже. Вишну Каннан рассказывает о возможностях Watson Studio V2.0 и о том, как эта технология взаимодействует с WML. Джулианна Делуа рассказывает об общих преимуществах комбинированных технологий и их преимуществах для современного предприятия. Или вы можете прочитать техническую проверку Enterprise Strategy Group (ESG) для получения более подробной информации.
